什么是 Java 虛擬機(JVM)中的垃圾收集(GC)日志、執行緒轉儲和堆轉儲？
Java 虛擬機(JVM)生成3個關鍵檔案，這些檔案對于JVM優化性能和解決生產問題非常有用，這些檔案是:
- (GC) Garbage collection log 垃圾收集日志
- Thread Dump 執行緒轉儲
- Heap Dump 堆轉儲
帶著問題一探究竟
在本文中，讓我們嘗試理解這三個關鍵檔案，在哪里使用它們，它們看起來如何，如何捕獲它們，如何分析它們和它們的差異是什么，
Garbage Collection Log (垃圾收集日志)
什么是 GC Log
GC 日志包含垃圾收集事件的相關資訊，它將指示運行了多少 GC 事件、它們是什么型別的 GC 事件(即 Young GC 或 Full GC)、每個 GC 事件暫停應用程式的時間、每個 GC 事件回收了多少物件，
GC 日志長什么樣？
可以在這里找到一個垃圾收集日志檔案示例:
日志示例
分析GC 日志能查看出什么問題 ？
垃圾收集日志用于研究應用程式的 GC 和記憶體性能，它用于優化 GC 暫停時間，用于確定應用程式的最佳記憶體大小，還用于排除與記憶體相關的問題
如何生成 GC 日志？
您可以通過傳遞以下 JVM 引數來生成垃圾收集日志:
對于 Java8:
-XX:+PrintGCDetails
-XX:+PrintGCDateStamps
-Xloggc:<file-path>
從9開始的 Java 版本:
-Xlog:gc*:file=<file-path>
File-path: 是將要寫入垃圾收集日志檔案的位置，
如何理解 GC 日志？
垃圾收集日志的格式因 JVM 供應商的不同而不同(Oracle、 HP、 IBM、....，Java version (1.5,5,6,7,8,9,10,11,12，...) ，垃圾收集演算法(Serial，Parallel，CMS，G1....和 JVM 各種引數，因此，沒有一種可用的標準格式.不過這里有一個教程可以幫助你理解GC日志:link
用什么工具來分析 GC 日志？
有多個垃圾收集日志分析工具，這里給出一些流行的例子: GCeasy，IBM GC & Memory visualizer,HP JMeter，Google Garbage Cat，
執行緒轉儲(Thread dump)
什么是 Thread dump？
執行緒轉儲是應用程式中在某個時間點上運行的所有執行緒的快照，它包含應用程式中每個執行緒的所有資訊，例如: 執行緒狀態、執行緒 Id、本機 Id、執行緒名稱、堆疊跟蹤、優先級，
執行緒轉儲檔案長什么樣？
示例執行緒轉儲檔案可以在這里找到:
檔案示例
執行緒轉儲檔案能解決什么問題？
執行緒轉儲檔案主要用于排除生產問題，例如 CPU 峰值、應用程式中的無回應性、回應時間差、執行緒掛起、高記憶體消耗，
如何生成執行緒轉儲檔案？
使用執行緒轉儲最常見的選擇是使用“ jstack”工具，Jstack 工具是在 JDK_home\bin 檔案夾中提供的，命令:
jstack -l <pid> > <file-path>
其中 pid: 是應用程式的行程 Id，應該捕獲其執行緒轉儲，file-path: 是將執行緒轉儲寫入的檔案路徑，
用什么工具來分析執行緒轉儲檔案？
以下是使用最廣泛的執行緒轉儲分析工具: fastThread、 Samurai、 IBM Thread & Monitor analyzer、 Visual VM
堆轉儲(Heap dump)
什么是堆轉儲？
堆轉儲是應用程式記憶體在某個時間點上的快照，它包含諸如記憶體中的物件是什么，它們攜帶什么值，它們的大小是什么，它們參考什么其他物件等資訊，
堆轉儲看起來長什么樣？
這里可以找到一個示例堆轉儲，示例檔案
(注意: 它將是二進制格式的，所以你實際上不能閱讀它)
分析堆轉儲能解決什么問題？
堆轉儲主要用于排除與記憶體有關的 OutOfMemoryError 問題
如何生成堆轉儲檔案？
使用堆轉儲最常見的選擇是使用“ jmap”工具，Jmap 工具是在 JDK_home\bin 檔案夾中提供的
jmap -dump:format=b,file=<file-path> [pid]
其中 pid: 是 Java 行程 Id ，file-path: 是將堆轉儲寫入的檔案路徑，
如何分析和理解 Heap dump 用什么工具來分析 ？？
堆轉儲檔案采用二進制格式，并且大小往往很大，除此之外，他們的格式嚴重缺乏檔案，因此，您必須使用堆轉儲分析工具,最廣泛的堆轉儲分析工具有: Eclipse MAT、 HeapHero 和 JVisualVM，
關注公眾號:java寶典
轉載請註明出處，本文鏈接：https://www.uj5u.com/houduan/247966.html
標籤：其他
上一篇：python基礎教程：偏函式