关于GC(上)：Apache的POI组件致使线上频繁FullGC问题排查及处理全过程

某线上应用在进行查询结果导出Excel时，大几率出现持续的FullGC。解决这个问题时，记录了一下整个的流程，也能够做为通常性的FullGC问题排查指导。

1. 生成dump文件

为了定位FullGC的缘由，首先须要获取heap dump文件，看下发生FullGC时堆内存的分配状况，定位可能出现问题的地方。

1. 1 经过JVM参数自动生成

能够在JVM参数中设置-XX:+ HeapDumpBeforeFullGC参数。
建议动态增长这个参数，直接在线上镜像中增长一方面是要从新打包发布，另外一方面风险比较高

sudo -u admin /opt/taobao/java/bin/jinfo -flag +HeapDumpBeforeFullGC pid
sudo -u admin /opt/taobao/java/bin/jinfo -flag +HeapDumpAfterFullGC pid

也能够用HeapDumpOnOutOfMemoryError这个参数，只在outOfMemoryError发生时才dump。实测只有在fullgc完成时才会产生该文件，fullgc期间看不到。
此外还须要-XX:HeapDumpPath=/home/admin/logs/java.hprof这个参数来指定dump文件存放路径。

1.2 经过JDK工具生成

1.2.1 jmap

先获取java进程ID，再使用jmap进行dump。
注意，虚拟机上的jmap可能没有作路径映射，须要手动选择jdk路径下来执行

ps -aux | grep java
jmap -dump:file=test.hprof,format=b XXXX

1.2.2 经过jcmd

JDK7后新增的多功能命令，其中jcmd pid GC.heap_dump FILE_NAME的效果和jmap -dump:file=test.hprof,format=b pid同样。

1.3 JConsole

能够生成本机或远程JVM的dump。还有一些其余工具就不详细介绍了。

2. 下载dump文件

因为使用的是阿里云的服务器，能够直接将dump文件上传到OSS上经过公司内部工具来分析，或经过OSS再下载到本地。
设置OSSCMD：
操做命令 osscmd config --host=oss-cn-hangzhou-am101.aliyuncs.com --id=** --key=**
建立bucke：osscmd cb 000001
上传文件：osscmd put 1.txt oss://000001/
下载文件：osscmd get oss://000001/1.txt 1.txt

其余类型的Linux主机可使用SCP命令，参考：Linux scp命令

3. 分析工具

经过dump文件来分析fullGC的缘由，须要关注哪些类占用内存空间较多、不可到达类等。
因为使用的是公司内部工具Zprofiler和grace，详细的使用过程这里就不截图了。一些其余可用的工具和命令(参考Java内存泄漏分析系列之六：JVM Heap Dump（堆转储文件）的生成和MAT的使用):

• jhat, JDK自带，使用jhat <heap-dump-file>生成网页，经过浏览器访问``查看
• jvisualvm
• Eclipse Memory Analyzer(MAT)
• IBM Heap Analyzer

须要注意的是，只看dump文件有时还不能获得结论，由于占用空间大头的有多是String、ArrayBlockingList这样的对象，并且内容多是null或null对象的集合，无从排查。此时还要结合发生fullgc先后业务系统发生了什么动做来肯定。若是有条件的话能够在平常环境或预发环境重现一下。
固然，若是内存中的空间消耗对象是特殊的类，就比较好排查了。

4. 分析和改进

具体状况具体分析。

4.1 本次排查的场景

查询DB中数据->在异步线程中经过poi转换成Excel->上传到OSS。

示例代码：

// 导出代码中将变量直接做为lambda表达式的值传入
List<XXData>  data = queryData(request);
SheetDownloadProperty property = sheetDownloadProperties.get(0);
property.setTotalCount(request.getQueryRequest().getPageSize());
property.setPageSize(request.getQueryRequest().getPageSize());
property.setQueryFunction((currentPage, pageSize) ->  data);
// 该组件会在线程池异步调用poi组件转换为excel、上传OSS、下载
asyncDownloadService.downloadFile(downloadTask);

private List<XXData> queryData(ExportRequest request) {
    //查询DB，略
}

// 查询方法
@FunctionalInterface
public interface PageFunction<T> {

    /**
     * 方法执行
     */
    List<T> apply(Integer currentPage,Integer pageSize);
}

4.2 dump文件分析

经过内部工具可见，fullGC前有三个占据内存较高的ArrayBlockingList，里面有大量的内容为null的Object。

这三个ArrayBlockingList所属的中间件，虽然自己和业务流程没有关系，可是仍不能排除嫌疑。

4.3 尝试解决

4.3.1 方案1：poi相关解决方案

因为依赖了二方库poi，这个库的usermodel模式很容易引发fullGC，同时也怀疑是由于lambda表达式直接传了变量。
把poi的usermodel改成事件模式（https://my.oschina.net/OutOfMemory/blog/1068972）能够避免这个问题。
可是该功能是一个二次封装的三方包中的，同时其余引用该组件的应用fullgc频率并不高，没有采用这个方案。

4.3.2 方案2：中间件升级

持有大量null对象的中间件版本较低，且新版目前已再也不维护，老版本的releas note虽然没有提到这条bug fix，有必定嫌疑。
该中间件初始化时会建立三个容量为810241024的ArrayBlockingList，和dump文件相符合。
一样是由于这个中间件是在三方包中封装，不方便直接该版本，一样没有采用这个方案。

4.3.3 方案3：增大堆大小

能够调整metaspace参数来实现，本次想找到代码中相关的线索来解决，未采用该方案。

4.3.4 方案4：业务代码修改

仔细观察了这段代码在其余系统的的实现，发现其余系统的lambda表达式是匿名方法，而不是直接传值，即：

property.setQueryFunction((currentPage, pageSize) ->  {
    // 查询逻辑, 略
);

怀疑是直接传变量进去致使的垃圾回收问题。更改到这种模式后，触发下载功能时，连续长时间的fullGC仍然时有发生，没有解决问题。

4.3.5 方案5：替换垃圾回收器

暂时能肯定的缘由是，公司中间件自己占用堆内存较多，运行poi增长了GC的频率。可是因为它们都在二方库的缘由，不方便修改。
此时搜索到stackoverflow有关于poi反复GC的一个问题，和个人状况相似，也是反复GC可是仍然不能释放内存。有回复建议将GC回收器替换为G1GC，将默认的UseConcMarkSweepGC替换后效果明显，一次FullGC就能够完成回收释放，不会反复FullGC，以下图，20:30前的fullGC是CMS，持续时间长且反复进行；20:30后是替换后第一次触发excel转换下载，进行了屡次下载，即便发生FullGC也只有1次，大大缓解了以前的问题：

本次暂定只采用方案5。

G1GC在JDK9已替代CMS成为了正式的垃圾回收器，低版本JDK须要手动设置。具体须要设置的JVM参数：

-Xms32m
-Xmx1g
-XX:+UnlockExperimentalVMOptions
-XX:+UseG1GC 
-XX:MaxHeapFreeRatio=15 
-XX:MinHeapFreeRatio=5

注意前两行通常应用都会设置，不要覆盖掉。最后两行须要视状况调整。另外，默认的-XX:+UseConcMarkSweepGC须要去掉。

使用G1GC时须要确认工做线程数是否和预期一致，不要太多，通常来讲和CPU核数一致便可。出现非预期数目的缘由多是，镜像脚本指定核数时，直接按照物理机而不是虚拟机核数来生成。
查看方式是看gc日志：

虚拟机设置核数的dokcker脚本示例：

export CPU_COUNT="$(grep -c 'cpu[0-9][0-9]*' /proc/stat)"

5. 其余

5.1 典型fullGC场景举例

• 外部资源未释放，如将利用tair实现的分布式锁放在Map中，未作解锁
• fastjson的反序列化异常抛出后没有处理
• 框架固有缺陷，如本例apache的poi组件，使用usermodel模式作excel导出时，当操做比较频繁或有其余内存泄漏有可能形成
• JVM的metaspace设置太小

5.2 core dump和heap dump

core dump是针对线程某一时刻的运行状况的，能够看到执行到哪一个类哪一个方法哪一行以及执行栈的；heap dump是针对内存某一时刻的分配状况的。

5.3 stackoverflow上关于poi内存占用问题的讨论：

简单摘译了一些，能够直接看原文。

1. Java对堆内存分配是懒回收的，若是JVM不想这么作，即便运行Runtime.gc()，也可能什么也不作。sapiensl和Amongalen的回答
2. 触发FullGC，并非由于内存泄漏，仅仅是由于poi占用了太多的内存。Michael的回答

关于G1GC，会在后续文章中研究。