JVM内存结构全链路解析:从OOM排查到堆栈元空间实战

JVM内存结构堆栈区别元空间
于 2026-10-29 07:30:36 修改
·本内容遵循CC 4.0 BY-SA版权协议

1. 从一次线上OOM说起:为什么必须吃透JVM内存结构

很多人学JVM内存结构,是从面试八股文开始的:堆、栈、方法区、元空间,背得滚瓜烂熟,但一到线上真出问题就抓瞎。我印象特别深的一次,是一个跑了半年多的订单服务突然开始频繁Full GC,日志里刷屏java.lang.OutOfMemoryError: Java heap space,运维第一反应是"堆不够,加内存",把-Xmx从2G调到4G,结果撑了不到两天又挂了。后来dump下来一看,堆里躺着一个巨大的HashMap,缓存了全量商品快照,而且只进不出——这跟堆大小压根没关系,是代码逻辑把堆当成了无限仓库。

这件事让我彻底意识到:JVM内存结构不是一个背诵题,而是一张"故障地图"。你只有清楚每个区域装什么、谁负责回收、什么时候会溢出,才能在出问题时第一时间定位到正确的区域,而不是盲目加参数。堆、栈、方法区、元空间这四个概念,分别对应了运行时数据的四种生命周期和归属,理解它们的边界,比记住定义重要一百倍。

这篇内容我打算按"全链路"的思路来拆:从类加载那一刻内存怎么分配,到方法调用时栈帧怎么进出,再到对象在堆里怎么诞生、怎么被回收,最后落到元空间这个最容易被忽视的区域。中间会穿插我实际踩过的坑、排查工具的具体用法,以及那些面试常问但文档里不写的细节。不管你是刚接触JVM的新手,还是写了几年Java想补基础的老手,应该都能从中找到能直接用的东西。

提示:本文讨论的是主流HotSpot虚拟机的实现,不同JDK版本(尤其是JDK 7/8的分界线)在方法区和字符串常量池的实现上有重大差异,涉及版本差异的地方我会明确标注。

2. 运行时数据区全景:五个区域各管一摊

2.1 线程私有与线程共享的分界线

JVM在启动时会向操作系统申请一块内存,然后自己切成几块来用,这就是运行时数据区。理解它的第一把钥匙,是搞清楚哪些区域是线程私有的,哪些是线程共享的。

线程私有的有三个:程序计数器、虚拟机栈、本地方法栈。它们随着线程的创建而诞生,随着线程的结束而销毁,每个线程各有一份,互不干扰。线程共享的有两个:堆和方法区(元空间是方法区在JDK 8之后的实现),它们随JVM启动而创建,随JVM退出而销毁,所有线程共用。

这个划分不是随便定的,背后是数据的使用模式决定的。方法调用是线程各自独立的行为,A线程执行到哪一行、调用了哪个方法,跟B线程毫无关系,所以栈必须私有;而对象是可能被多个线程同时访问的,如果每个线程都存一份对象副本,内存直接爆炸,所以堆必须共享。

区域 归属 存储内容 生命周期 是否GC重点
程序计数器 线程私有 当前字节码行号 随线程 不回收
虚拟机栈 线程私有 栈帧(局部变量、操作数栈等) 随线程 不回收(栈帧随方法出栈)
本地方法栈 线程私有 native方法调用信息 随线程 不回收
堆 线程共享 对象实例、数组 随JVM 回收主战场
方法区/元空间 线程共享 类元信息、常量、静态变量 随JVM 少量回收

2.2 程序计数器为什么是唯一不会OOM的区域

程序计数器(Program Counter Register)是一块极小的内存空间,小到可以忽略不计,它记录的是当前线程正在执行的字节码指令地址。分支、循环、跳转、异常处理、线程恢复,全靠它来定位下一条该执行哪。

它有两个特点值得单独说。第一,它是唯一一个在JVM规范里没有规定任何OutOfMemoryError情况的区域,因为它的大小在编译期就基本确定了,不会动态扩张。第二,多线程环境下,CPU时间片轮转,一个线程被挂起后要能恢复到正确的执行位置,靠的就是各自独立的程序计数器。

我见过有人问"程序计数器存的是不是就是行号",严格说不是。它存的是字节码指令的偏移地址,不是Java源码的行号。源码行号是存在LineNumberTable里的调试信息,两者不是一回事。这个细节面试偶尔会问,答对了能加分。

2.3 虚拟机栈:方法调用的舞台

虚拟机栈是线程私有的,生命周期跟线程一样。它描述的是Java方法执行的内存模型:每个方法被执行的时候,JVM都会同步创建一个栈帧(Stack Frame)压入栈中,方法执行完毕,栈帧出栈。

栈帧里装了什么?主要是四样东西:

  • 局部变量表:存放方法参数和方法内定义的局部变量,以变量槽(Slot)为最小单位,一个Slot能放32位的数据类型,long和double占两个Slot。
  • 操作数栈:方法执行过程中进行算术运算和参数传递的工作区,本质是一个后进先出的栈。
  • 动态链接:指向运行时常量池中该栈帧所属方法的引用,支持方法调用过程中的动态绑定。
  • 方法返回地址:方法正常退出或异常退出后,要回到调用者的位置继续执行,这个地址就存在这里。

栈的深度是有限的,由-Xss参数控制。如果方法调用层级太深,比如一个没有正确终止条件的递归,就会抛出StackOverflowError。这个错误跟堆溢出完全是两码事,堆溢出是OutOfMemoryError,栈溢出是StackOverflowError,排查方向也完全不同。

注意:栈溢出不一定都是递归写错了。有些框架在序列化、表达式解析时会做深度递归,数据量一大就爆栈。这时候调大-Xss只是缓解,根治还得看算法能不能改成迭代。

2.4 本地方法栈与虚拟机栈的区别

本地方法栈跟虚拟机栈的作用几乎一样,区别只在于:虚拟机栈为Java方法服务,本地方法栈为native方法服务。HotSpot虚拟机直接把两者合二为一了,所以你在HotSpot上调-Xss,其实同时影响了两者。

native方法是用C/C++等其他语言写的,通过JNI被Java调用。比如Object.hashCode()、Thread.start()底层都是native实现。本地方法栈里同样可能出现StackOverflowError和OutOfMemoryError,只是平时我们很少直接跟它打交道。

3. 堆:对象的大本营与GC的主战场

3.1 堆的分代设计不是拍脑袋

堆是JVM内存里最大的一块,所有对象实例和数组都在这里分配。它被所有线程共享,也是垃圾收集器管理的主要区域,所以堆也叫"GC堆"。

堆为什么要分代?核心依据是弱分代假说:绝大多数对象都是朝生夕死的。基于这个观察,把堆分成新生代和老年代,不同代用不同的回收策略,效率最高。

新生代又细分为Eden区和两个Survivor区(通常叫From和To),默认比例是8:1:1。新对象优先在Eden分配,Eden满了触发Minor GC,存活对象被复制到Survivor区,年龄加1,达到阈值(默认15)就晋升老年代。老年代满了触发Full GC,通常伴随较长的停顿。

参数 含义 常见取值
-Xms 堆初始大小 与-Xmx设成一样,避免动态扩容
-Xmx 堆最大大小 根据物理内存和业务定
-Xmn 新生代大小 一般占堆的1/3到1/2
-XX:SurvivorRatio Eden与单个Survivor比例 默认8
-XX:MaxTenuringThreshold 晋升老年代年龄阈值 默认15

这里有个实操经验:-Xms和-Xmx一定要设成一样。如果不一样,堆会在运行过程中动态伸缩,每次扩容缩容都伴随Full GC,性能抖动非常明显。我见过不少线上服务只设了-Xmx没设-Xms,结果启动后堆慢慢涨,涨到阈值就GC,GC完又缩回去,来回折腾。

3.2 对象在堆里的完整生命周期

一个对象从诞生到消亡,大致经历这几个阶段:

  1. 分配:通过new指令在Eden区分配内存。如果启用了TLAB(线程本地分配缓冲),会优先在TLAB里分配,避免多线程竞争。
  2. 首次GC:Eden满触发Minor GC,存活对象被复制到Survivor的To区,年龄设为1。
  3. 反复存活:每次Minor GC,Survivor里的对象年龄加1,From和To角色互换。
  4. 晋升:年龄达到阈值,或者Survivor空间不足,对象晋升到老年代。
  5. 老年代GC:老年代满触发Full GC,回收不再被引用的对象。
  6. 回收:对象被标记为垃圾后,由GC回收内存。

这里有个容易被忽略的点:大对象直接进老年代。通过-XX:PretenureSizeThreshold可以设置阈值,超过这个大小的对象直接在老年代分配,避免在Eden和Survivor之间反复复制。但这个参数只对Serial和ParNew收集器有效,G1里不认这个参数。

3.3 堆溢出的三种典型场景与排查

堆溢出(OutOfMemoryError: Java heap space)是最常见的OOM,但原因各不相同,我把它归成三类:

第一类:内存泄漏。对象本该被回收,但因为被意外持有引用而无法回收,越积越多。典型的是静态集合、监听器未注销、ThreadLocal未remove。这类问题的特征是:堆内存持续上涨,Full GC后也降不下来。

第二类:内存溢出。对象确实需要这么多内存,但堆给得不够。比如一次性从数据库查了几百万条记录塞进List。这类问题的特征是:Full GC后内存能降下来,但很快又涨上去。

第三类:GC效率低下。堆大部分被占满,GC回收出来的空间很少,导致GC时间占比超过98%,抛出GC overhead limit exceeded。这其实是前两类的极端表现。

排查手段上,我一般按这个顺序走:

BASH
# 1. 先看GC日志,确认是哪种GC频繁
- XX:+PrintGCDetails -XX:+PrintGCDateStamps -Xloggc:gc.log
 
# 2. 配置OOM时自动dump
- XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=/data/dump/
 
# 3. 用jmap手动dump
jmap -dump:format=b,file=heap.hprof <pid>
 
# 4. 用jstat看各区使用率
jstat -gcutil <pid> 1000

dump文件拿到后,用MAT或者JProfiler打开,看Dominator Tree(支配树),能快速定位到占用内存最大的对象和它的引用链。这一步是关键,很多人dump了不会看,其实就看两个东西:谁占的内存最多,谁在引用它。

提示:生产环境dump大堆文件可能造成秒级停顿,建议在低峰期操作,或者用jmap -histo:live先看个大概,再决定要不要dump。

3.4 堆外内存:一个容易被忽视的溢出源头

堆外内存(Off-Heap Memory)不属于堆,由DirectByteBuffer通过Unsafe.allocateMemory直接向操作系统申请,不受-Xmx限制,但受物理内存和-XX:MaxDirectMemorySize限制。

Netty、Kafka这类高性能框架大量使用堆外内存做零拷贝。好处是减少了堆内到堆外的复制,GC压力也小。坏处是:堆外内存溢出不会生成堆dump,排查起来更麻烦,而且如果没正确释放,会一直占着物理内存。

排查堆外内存,可以用Native Memory Tracking:

BASH
- XX:NativeMemoryTracking=detail
jcmd <pid> VM.native_memory detail

这个命令能看到JVM各个部分(堆、元空间、线程栈、代码缓存、GC等)实际占用的native内存,是定位堆外问题的利器。

4. 方法区与元空间:从永久代到本地内存的演进

4.1 方法区是规范,永久代和元空间是实现

先厘清一个概念:方法区是JVM规范里定义的一个逻辑区域,永久代和元空间是HotSpot在不同版本里的具体实现。规范说方法区存类元信息、常量、静态变量、即时编译器编译后的代码,但没说怎么实现。

JDK 7及之前,HotSpot用永久代(Permanent Generation)来实现方法区,它跟堆是连续的,受-XX:MaxPermSize限制。JDK 8开始,永久代被彻底移除,改用元空间(Metaspace),它不再在堆里,而是使用本地内存(Native Memory)。

这个改动的原因很实在:永久代大小难调,调小了容易PermGen space溢出,调大了浪费堆空间,而且永久代的GC效率很低。改成元空间后,默认只受物理内存限制,通过-XX:MaxMetaspaceSize可以设上限,不设就是无限(受物理内存约束)。

对比项 永久代(JDK 7-) 元空间(JDK 8+)
存储位置 堆内 本地内存
大小限制 -XX:MaxPermSize -XX:MaxMetaspaceSize
默认大小 64M/82M 无上限
字符串常量池 永久代 堆
静态变量 永久代 堆
GC 随Full GC 独立触发

4.2 字符串常量池和静态变量搬家了

JDK 7到JDK 8的迁移里,有两个东西的位置变了,面试特别爱问:

字符串常量池:JDK 7之前放在永久代,JDK 7开始移到堆里。为什么移?因为永久代GC频率太低,字符串常量池里的字符串如果一直不回收,很容易撑爆永久代。移到堆里后,能被正常GC回收。

静态变量:JDK 7之前,类的静态变量存在永久代;JDK 7开始,静态变量本身移到堆里,但类的元信息还在方法区。这个细节很多人搞混,记住一句话:JDK 7之后,静态变量指向的对象在堆里,类的结构信息在方法区。

JAVA
public class StaticDemo {
// JDK 7+:这个引用存在方法区,但new出来的对象在堆里
private static Object obj = new Object();
}

4.3 元空间溢出的真实案例

元空间溢出(OutOfMemoryError: Metaspace)不像堆溢出那么常见,但一旦出现往往很棘手。我遇到过一次,是一个服务用了CGLIB做动态代理,每次请求都生成新的代理类,结果类越加载越多,元空间撑爆了。

元空间溢出的典型原因:

  • 动态生成类过多:CGLIB、Javassist、反射、字节码增强框架,如果没做好缓存,会不断生成新类。
  • 类加载器泄漏:自定义类加载器加载的类无法卸载,导致元空间持续增长。常见于热部署、OSGi、Tomcat的Web应用重载。
  • -XX:MaxMetaspaceSize设得太小:有些团队为了"安全"把元空间限制得很小,结果正常业务都跑不起来。

排查元空间,用这几个命令:

BASH
# 查看元空间使用情况
jstat -gc <pid> 1000
 
# 查看已加载类数量
jstat -class <pid>
 
# 查看元空间详细内存
jcmd <pid> VM.metaspace

如果发现类数量持续增长不下降,基本可以确定是类加载器泄漏。这时候要重点检查自定义类加载器、动态代理、脚本引擎这些地方。

4.4 运行时常量池与Class文件常量池的区别

这三个"常量池"经常被混为一谈,我分开说:

  • Class文件常量池:存在于.class文件里,是静态的,包含字面量和符号引用。
  • 运行时常量池:类加载后,Class文件常量池的内容被放入方法区的运行时常量池,是动态的,可以运行时添加(比如String.intern())。
  • 字符串常量池:专门存字符串字面量的,JDK 7后在堆里,intern()方法就是往这里放。

String.intern()的行为值得单独说。JDK 6时,intern会把字符串复制到永久代的字符串常量池;JDK 7后,如果字符串常量池里没有,就把堆里这个对象的引用存进去,不再复制。这个差异导致JDK 6和JDK 7+在大量使用intern时内存表现完全不同。

5. 栈帧的进出:方法调用到底发生了什么

5.1 一个栈帧的完整生命周期

前面说了栈帧里有什么,现在说说栈帧是怎么进出的。以这段代码为例:

JAVA
public int add(int a, int b) {
int c = a + b;
return c;
}
 
public void caller() {
int result = add(1, 2);
System.out.println(result);
}

当caller()被调用时,JVM为它创建一个栈帧压入栈。执行到add(1, 2)时,又为add创建一个栈帧压入栈顶。add执行完,栈帧出栈,返回值通过操作数栈传回caller的栈帧,caller继续执行。

这个过程有几个关键点:

  • 局部变量表的大小在编译期就确定了,写在Code属性的max_locals里。
  • 操作数栈的最大深度也在编译期确定,写在max_stack里。
  • 方法调用时,参数从调用者的操作数栈弹出,压入被调用者的局部变量表。

5.2 栈溢出与栈帧数量的关系

栈溢出(StackOverflowError)的本质是栈帧数量超过了栈容量能容纳的上限。栈容量由-Xss决定,栈帧大小由方法本身决定(局部变量越多、操作数栈越深,栈帧越大)。

所以减少栈溢出的思路有两个:调大-Xss,或者减少单个栈帧的大小和调用深度。前者是治标,后者是治本。

我见过一个案例:一个递归解析JSON的方法,在数据嵌套很深时爆栈。团队第一反应是把-Xss从512K调到2M,结果能撑住大部分场景了,但极端数据还是会挂。后来改成迭代加显式栈,彻底解决了。这说明调参数只能缓解,算法才是根本。

注意:-Xss调大是有代价的。每个线程都要占这么多栈空间,线程数一多,总内存消耗很可观。一个-Xss设成1M、开了2000个线程的服务,光栈就占了2G。

5.3 栈上分配与逃逸分析

对象一定分配在堆上吗?不一定。JVM有个逃逸分析(Escape Analysis)优化,如果分析出一个对象不会逃逸出方法外,就可能把它分配在栈上,随方法结束自动销毁,减轻GC压力。

逃逸分析还有两个衍生优化:

  • 标量替换:把一个对象拆成若干个基本类型变量,直接在栈上分配。
  • 锁消除:如果对象不会逃逸,对它加的锁可以安全消除。

这些优化默认是开启的(-XX:+DoEscapeAnalysis),但实际效果取决于代码。我实测下来,逃逸分析对简单的小对象效果明显,对复杂对象经常分析不出来。所以不要指望逃逸分析解决所有GC问题,它只是锦上添花。

6. 全链路串讲:一次请求的内存流转

6.1 从类加载到方法执行

把前面的知识串起来,看一次完整的请求在JVM内存里是怎么流转的:

  1. 类加载:请求打到某个Controller,如果这个类还没加载,类加载器先把它加载进来,类元信息放入元空间,静态变量和字符串常量放入堆。
  2. 线程创建:Tomcat从线程池取一个线程处理请求,这个线程有自己的程序计数器、虚拟机栈、本地方法栈。
  3. 方法调用:Controller方法被调用,栈帧压入虚拟机栈,局部变量表里放参数和局部变量。
  4. 对象分配:方法里new出来的对象,在Eden区分配(可能先走TLAB)。
  5. 方法返回:方法执行完,栈帧出栈,局部变量表里的引用消失,对象失去一个引用。
  6. GC回收:Eden满触发Minor GC,存活对象复制到Survivor,垃圾对象被回收。

这个链路里,任何一个环节出问题,表现都不一样:类加载出问题报ClassNotFoundException或元空间溢出,栈出问题报StackOverflowError,堆出问题报OutOfMemoryError。

6.2 用jstat和jmap做一次完整体检

线上服务排查,我习惯先用jstat做一次快速体检:

BASH
jstat -gcutil <pid> 1000 10

输出里几个关键列:

  • E:Eden使用率
  • O:老年代使用率
  • M:元空间使用率
  • YGC:Young GC次数
  • FGC:Full GC次数
  • FGCT:Full GC总耗时

判断标准:如果FGC持续增长且FGCT占比高,说明老年代有问题;如果M持续增长不降,说明元空间有泄漏;如果YGC频繁但每次回收效果差,说明新生代太小或者对象晋升太快。

需要更细的信息,再上jmap:

BASH
# 看堆内存概况
jmap -heap <pid>
 
# 看对象直方图,快速定位大对象
jmap -histo:live <pid> | head -20

jmap -histo:live会触发一次Full GC,生产环境慎用,但排查时确实好用,能直接看到哪个类的实例最多、占内存最大。

6.3 常见OOM类型与对应区域速查

错误信息 涉及区域 首要排查方向
Java heap space 堆 内存泄漏、大对象、缓存无上限
GC overhead limit exceeded 堆 GC效率低,堆几乎被占满
Metaspace 元空间 动态类生成、类加载器泄漏
Direct buffer memory 堆外 NIO直接内存未释放
unable to create new native thread 线程栈 线程数过多、-Xss过大
Requested array size exceeds VM limit 堆 数组过大

这张表我建议存下来,出问题时先对号入座,能省很多时间。

7. 那些年我踩过的内存坑

7.1 ThreadLocal没remove导致的泄漏

ThreadLocal是内存泄漏的重灾区。线程池里的线程是复用的,ThreadLocalMap的key是弱引用,但value是强引用。如果线程一直活着,value就一直被持有,哪怕key被回收了,value也回收不掉。

JAVA
// 错误示范
public void doSomething() {
ThreadLocal<byte[]> tl = new ThreadLocal<>();
tl.set(new byte[1024 * 1024]);
// 用完没remove,线程池复用这个线程时,这1M就一直挂着
}
 
// 正确做法
public void doSomething() {
ThreadLocal<byte[]> tl = new ThreadLocal<>();
try {
tl.set(new byte[1024 * 1024]);
// 业务逻辑
} finally {
tl.remove(); // 必须remove
}
}

这个坑我踩过一次,一个服务跑了几天后老年代慢慢涨满,dump下来发现一堆byte[]被ThreadLocalMap持有。加上remove()之后,问题消失。

7.2 缓存无上限导致的堆溢出

本地缓存用HashMap存,没有淘汰策略,数据越积越多,最后堆溢出。这是最典型的"把堆当无限仓库"。

解决方案要么用Guava Cache、Caffeine这种带淘汰策略的缓存,要么用WeakHashMap让GC能回收。但WeakHashMap也有坑,它的回收时机不确定,不适合做正经缓存。

7.3 元空间泄漏的排查过程

前面提到的CGLIB动态代理泄漏,排查过程是这样的:

  1. jstat -gcutil发现M列持续上涨,从80%涨到99%。
  2. jstat -class发现Loaded类数量持续增长,不下降。
  3. jcmd VM.metaspace确认元空间确实在涨。
  4. 加-XX:+TraceClassLoading和-XX:+TraceClassUnloading,发现类只加载不卸载。
  5. 定位到CGLIB的Enhancer每次请求都new一个,没缓存。

修复方案是缓存代理类,同一个目标类只生成一次代理。改完之后元空间稳定了。

7.4 堆外内存溢出的隐蔽性

堆外内存溢出最坑的地方是:堆dump里什么都看不到。因为堆外内存压根不在堆里。我遇到过一次Netty的ByteBuf没释放,堆内存很健康,但物理内存一直涨,最后被系统OOM Killer干掉。

排查这类问题,NativeMemoryTracking是首选,再配合pmap看进程内存映射。如果确认是Netty的ByteBuf泄漏,可以开启Netty的泄漏检测:

BASH
- Dio.netty.leakDetection.level=paranoid

这个级别会报告每一次泄漏,但性能开销大,只适合排查阶段用。

8. 参数调优的取舍逻辑

8.1 堆大小不是越大越好

很多人觉得堆越大越好,其实不然。堆越大,单次Full GC的停顿时间越长,因为要扫描和回收的内存更多。对于延迟敏感的服务,堆太大反而有害。

我的经验是:堆大小要跟服务的对象存活特性匹配。如果服务大部分对象朝生夕死,新生代可以给大一点,让Minor GC多干活,减少Full GC。如果服务有大量长生命周期对象,老年代要给够,避免频繁Full GC。

8.2 元空间要不要设上限

-XX:MaxMetaspaceSize设不设,是个取舍。不设的话,元空间能一直涨到物理内存耗尽,风险是可能拖垮整台机器。设了的话,一旦达到上限就抛OutOfMemoryError: Metaspace,至少能快速失败。

我倾向于设一个合理的上限,比如256M或512M,具体看应用加载的类数量。这样既能防止元空间无限膨胀,又不会因为设太小导致正常业务挂掉。

8.3 栈大小与线程数的平衡

-Xss和线程数是此消彼长的关系。总栈内存 = -Xss × 线程数。如果线程数多,-Xss就得小;如果方法调用深,-Xss就得大。

一个粗略的估算:假设-Xss是512K,1000个线程就是500M栈内存。如果物理内存有限,这个开销不能忽视。所以不要盲目调大-Xss,先确认是不是真的栈溢出,还是别的问题。

9. 面试高频问题的实战答法

9.1 堆和栈的区别怎么答才有深度

"堆和栈的区别"是经典题,但很多人只答"堆存对象,栈存局部变量",太浅。我一般会从这几个维度答:

  • 归属:堆线程共享,栈线程私有。
  • 存储内容:堆存对象实例和数组,栈存栈帧(局部变量、操作数栈、动态链接、返回地址)。
  • 生命周期:堆随JVM,栈随线程。
  • GC:堆是GC主战场,栈不GC(栈帧随方法出栈自动释放)。
  • 异常:堆溢出是OutOfMemoryError,栈溢出是StackOverflowError。
  • 性能:栈分配和回收快,堆分配慢且需要GC。

这样答,既全面又有层次,面试官能看出你是真理解。

9.2 为什么JDK 8要用元空间替换永久代

标准答案有三点:永久代大小难调、永久代GC效率低、永久代容易OOM。但我会补一句:元空间用本地内存,不受堆大小限制,能加载更多类,同时字符串常量池和静态变量移到堆里,能被正常GC回收。这样答更完整。

9.3 对象一定在堆上分配吗

不一定。有逃逸分析的情况下,不逃逸的对象可能栈上分配。另外TLAB也是在Eden里划出的一块线程私有区域,本质上还是在堆里,但分配时不需要同步。这个问题的关键是引出逃逸分析和TLAB,展示知识广度。

10. 工具链:把内存结构用起来

10.1 命令行工具速查

工具 用途 常用命令
jps 查看Java进程 jps -l
jstat 查看GC和内存统计 jstat -gcutil pid 1000
jmap 堆dump和统计 jmap -histo:live pid
jstack 线程栈dump jstack pid
jcmd 综合诊断 jcmd pid VM.native_memory
jinfo 查看和修改参数 jinfo -flags pid

10.2 可视化工具的选择

  • MAT:分析堆dump的首选,Dominator Tree和Leak Suspects报告非常好用。
  • JProfiler:功能全面,能实时监控,但收费。
  • VisualVM:免费,适合本地开发调试,生产环境用要装插件。
  • Arthas:阿里开源的在线诊断工具,dashboard、heapdump、thread命令都很实用,生产环境排查利器。

我个人的组合是:线上先用Arthas快速看,需要深度分析再dump下来用MAT。这个组合基本能覆盖90%的内存问题。

10.3 Arthas排查内存问题的实操

BASH
# 启动Arthas
java -jar arthas-boot.jar
 
# 查看整体情况
dashboard
 
# 查看堆内存
memory
 
# dump堆
heapdump /tmp/heap.hprof
 
# 查看类加载
classloader -t

dashboard能一屏看到线程、内存、GC情况,非常直观。memory命令能看到堆各区的详细使用,比jstat更友好。

11. 写在最后的一点个人体会

JVM内存结构这东西,光看是记不住的,必须结合实际问题去理解。我建议的学习路径是:先搞清楚五个区域各存什么,然后自己写几个会OOM的demo,分别触发堆溢出、栈溢出、元空间溢出,用工具去dump、去分析,走一遍完整的排查流程。走完这一遍,比看十篇文章都管用。

另外,不要迷信参数调优。我见过太多团队一遇到内存问题就加参数,结果治标不治本。真正的问题往往在代码里:缓存没上限、ThreadLocal没remove、动态类没缓存、大对象没分批处理。参数调优是最后的手段,不是第一反应。

最后分享一个我常用的排查口诀:先看GC日志定区域,再dump堆找对象,最后顺着引用链找代码。这三步走下来,大部分内存问题都能定位到根因。

基于Python+Open CV的手势识别算法设计
伴随着人工智能时代的到来,人机交互的领域也逐渐成为研究的一大方向;其中,手势识别是人机交互领域的一项关键技术,自此手势识别也迎来了一波高潮,近几年无论是在消费领域、电子领域、数码领域、家电领域甚至汽车领域上,都能或多或少的见到手势识别的身影。 手势识别在设计智能高效的人机界面方面具有至关重要的作用, 目前手势识别已应用到手语识别、智能监控、到虚拟现实等各个领域,手势识别的原理都是利用各种传感器(例如红外、摄像头等)对手部的形态进行捕捉并进行建模,形成一个模型信息的序列帧,而后将这些信息序列转换为机器能够识别的相对应指令(例如打开、切换菜单、移动等)来完成控制。 采用Python的集成开发环境Pycharm进行本次课程设计,在Pycharm中进行需要库(模块)的下载,调取电脑摄像头,按帧读取摄像头采集到的头像,形态学处理,图像旋转(由于摄像头采集到的图像是镜像,需要用cv2.flip将摄像头采集到的图像进行处理),选取图片中固定位置作为手势输入,用红线画出手势识别框,基于hsv的肤色检测,进行高斯滤波,找出轮廓,求出图像中手势的凹凸点,手指间角度求取。
努力学习前端的小陈
ArcGIS Pro入门制图教程
地理信息系统 (GIS) 是一种使用地图显示和分析数据的方式。在本教程中,您将学习桌面 GIS 应用程序 ArcGIS Pro 的基础知识。新加坡的一家旅行社希望制作一款宣传册,用于向游客介绍距离市中心热门目的地最近的火车站。该宣传册将与带有文本信息的地图相结合,并在城市的自助设备中出售。您将帮助该旅行社绘制旅游景点的地图,分析其与火车站的距离以及更改地图的外观以使其在视觉上更具吸引力。在 ArcGIS Pro 中,地图和数据通常被组织在一个工程中。开始制作地图之前,您将创建一个工程。
科研online
ArcGIS Pro 布局创建与地图加载全流程解析
本文详细解析了ArcGIS Pro中布局创建与地图加载的全流程。针对从ArcMap转来的用户,重点阐述了布局与地图解耦的核心设计理念,并提供了从新建布局、设置参考比例尺、加载地图框到深度控制与精细化排版的实用技巧,帮助用户高效制作专业地图。
您的账号已被封禁
ArcGIS PRO布局视图避坑指南:地图框添加与专题图制作的5个关键步骤
本文针对ArcGIS PRO用户在布局视图中制作专题图时遇到的常见问题,提供了地图框添加与专题图制作的5个关键步骤避坑指南。从理解布局视图思维、数据框预处理、地图元素协同配置,到深化视觉层次与最终输出检查,系统讲解了如何高效产出严谨美观的专业地图,帮助用户跨越从数据分析到地图输出的最后一公里。
冰炭不同炉
ROS-CV-ImageConverter:将ROS图像转换为OpenCV(cv :: Mat)类型的图像
ROS-CV图像转换器 依存关系 cv_bridge(ROS软件包)
Willis Wang
计算机视觉图像处理-CV2与图像插值算法
用最近邻插值与双线性插值原理完成图像缩放 最近邻插值,是指将目标图像中的点,对应到源图像中后,找到最相邻的整数点,作为插值后的输。缺点:使用最近邻插值算法处理图像放大时,在图象中可能出现明显的块状效应 双线性插值,在两个方向上做三次线性插值。使用双线性插值算法处理图像放大时,在图象中可能出现马赛克 代码 import cv2 img = cv2.imread(’./xiabang.jpg’, cv2.IMREAD_UNCHANGED) #缩放比例 scale_percent = 0.3 width = int(img.shape[1] * scale_percent) height = int
weixin_38697274
基于水平集CV模型的图像分割(Matlab代码)
基于水平集CV模型的图像分割(Matlab代码),全套代码
小宇QAQ
导向滤波(guide_filter)的python实现
导向滤波(guide_filter)的python实现,可以结合暗通道;理论实现比较好的图像去噪效果。
zachzhan_g
ArcGIS Pro 如何新建布局
你是否已经习惯了在ArcGIS中数据视图和布局视图之间来回切换,到了ArcGIS Pro中却找不到二者之间切换的按钮,即使新建布局后却发现地图怎么却是一片空白。从上面的图中可以看到,虽然新建了布局,但是地图还是空白的,如果想要显示地图还需要加载一下,将地图加载进来。在新建的布局上绘制一个框,作为地图显示的范围,绘制后可以看到地图已经完成加载,如下图所示。在菜单栏上选择插入,点击新建布局下拉箭头,选择一个合适的尺寸,如下图所示。点击后完成布局的新建,新建的布局如下图所示。
水经注GIS
ArcGIS Pro数据修复与图层管理实战指南
本文是ArcGIS Pro数据修复与图层管理的实战指南。针对数据源丢失导致的“红色叹号”问题,详细讲解了一键批量修复和进阶手动修复策略,并分享了使用相对路径、打包工程等防患于未然的黄金法则。同时,深入介绍了如何利用图层组进行高效的地图内容组织、比例尺控制与批量操作,帮助用户构建清晰、智能的专业地图,大幅提升GIS项目管理效率。
Tomato
ArcGIS Pro布局设计实战:从空白页面到专业地图输出的完整工作流
本文详细解析了ArcGIS Pro中从“新建布局”开始,到输出专业地图的完整工作流。内容涵盖布局哲学、地图框深度运用、制图元素集成及视觉排版等核心环节,旨在帮助中级用户掌握项目驱动的现代化制图方法,实现从数据到出版级地图的精准转化。
AnjneyMidha
ArcGIS PRO布局视图避坑指南:地图框添加与坐标系设置的5个常见错误
本文针对ArcGIS PRO用户在布局视图中常遇的难题,重点解析了地图框添加与坐标系设置的5个常见错误。从地图框的创建逻辑、坐标系冲突的根源剖析,到地图范围控制、元素联动更新以及打印导出设置,提供了一套完整的避坑指南与实战解决方案,帮助用户高效、精准地完成地图制图与输出工作。
重离子猫猫
ArcGIS Pro布局设计避坑指南:为什么你的地图总是显示空白?
本文深入解析ArcGIS Pro布局设计中地图显示空白的常见问题,提供从基础操作到高级排错的完整解决方案。重点讲解地图框的正确使用方法、布局元素配置技巧,以及多地图框协同工作等进阶功能,帮助用户快速掌握专业地图制作的核心技术。
习翔宇
CV算法(MATLAB)
chan 和 vese 提出的经典CV模型
beastLOVE
GrabCut:使用opencv-python cv2.grabCut交互式剪切图像
GrabCut 使用opencv-python cv2.grabCut交互式剪切图像
Aaron Gary
Opencv-Python图像透视变换cv2.warpPerspective的示例
今天小编就为大家分享一篇关于Opencv-Python图像透视变换cv2.warpPerspective的示例,小编觉得内容挺不错的,现在分享给大家,具有很好的参考价值,需要的朋友一起跟随小编来看看吧
weixin_38711369
leetcodecv-Kylin:CV算法岗面经&LeetCode刷题总结
leetcode cv Kylin CV算法岗面经 & LeetCode刷题总结 不断更新中。。。。 面试&笔试经验 LeetCode
weixin_38499553
基恩士CV-X系列相机控制器用户手册CV-X Series Users Manual_CHS.pdf
基恩士CV-X系列相机控制器用户手册CV-X Series Users Manual_CHS真的很不错,
weixin_43905342
ArcGIS布局视图方向调整与优化技巧
地图布局方向是GIS制图的基础设置,直接影响空间数据的可视化效果。横向(Landscape)和竖向(Portrait)布局通过调整页面长宽比例,可优化不同地理要素的展示方式。在ArcGIS等专业制图软件中,方向设置会联动影响比例尺、图例等核心元素的自动适配逻辑。本文以A4纸张为例,详解通过页面设置、Python脚本批处理等技术手段实现布局方向的高效调整,并针对比例尺失准、图例溢出等典型问题提供工程解决方案。特别适用于带状区域地图制作等需要最大化利用版面空间的场景,可提升40%以上的图面利用率。
塞音菩光
ArcGIS Pro 3.4必学新功能:符号系统与布局视图的可见性联动(含省时技巧)
ArcGIS Pro 3.4引入了符号系统与布局视图的可见性联动功能,通过唯一值符号化和复选框控制,实现原子级要素显示/隐藏。这一创新极大提升了制图效率,支持在符号系统窗格、内容窗格和布局视图中同步操作,特别适合城市规划、环境监测等需要动态展示的场景。
t8u9v0
ArcGIS Pro 布局创建与地图加载全攻略
本文详细解析了ArcGIS Pro中布局与地图分离的设计哲学,并提供了从新建布局到加载地图的完整操作指南。重点介绍了如何通过“插入”选项卡新建布局、选择合适的页面尺寸,以及使用地图框工具将项目中的地图动态链接至布局。文章还涵盖了地图范围控制、比例尺锁定、图例添加等深度定制技巧,帮助用户高效创建专业地图并导出为高质量成果。
milk8
ArcGIS多图布局实战:从数据框管理到批量导出的完整指南
在地理信息系统(GIS)制图领域,将多张地图高效整合到单一版面是提升分析报告专业性与表现力的关键技术。其核心原理在于理解并运用数据框与布局视图的分离机制,通过独立的数据框承载不同区域或专题的地理数据,并在统一的布局视图中进行精确排版与视觉整合。这项技术的核心价值在于实现了制图流程的标准化与自动化,避免了传统拼图方式带来的效率低下与更新困难问题,尤其适用于区域对比、时间序列分析、综合评估报告等需要多视角、多维度展示地理信息的应用场景。本文聚焦于ArcGIS Pro平台,深入剖析了多图布局中数据框范围联动、地图
aaa1231722
monolithic-cv:CV算法的集合
单片-cv 计算机视觉算法转储
晨曦姜
改进的cv图像分割
改进的cv图像分割,对学习cv模型有帮助
a904235765
C++实现基于暗通道与导向滤波的图像去雾算法
资源下载链接为: https://pan.quark.cn/s/1bfadf00ae14 在图像处理领域,图像去雾技术用于消除大气散射导致的模糊,提升图像清晰度和视觉质量。本文将介绍一种基于暗通道和导向滤波的图像去雾算法,并探讨如何使用C++和OpenCV库实现。 暗通道理论由Jia等人于2006年提出。他们发现自然场景中存在一些低亮度像素,通常位于无直射光区域。这些像素被称为暗通道像素,可用于估计大气散射模型中的透射率。具体方法是将图像分块,在每块中找到最暗像素值作为暗通道像素。 大气散射模型是图像去雾的基础,描述了光线在大气中传播时的散射影响。模型公式为: I(x)=T(x)×J(x)+A×(1−T(x)) 其中,T(x)是透射率,J(x)是无雾图像亮度,A是全局大气光。透射率与散射程度成反比,无雾图像亮度反映物体本身色彩。 利用暗通道先验,可以近似估计透射率。假设D(x)为暗通道像素,透射率T(x)可通过迭代公式计算: T k+1 (x)= max(D)+ϵ D(x) +(1− max(D)+ϵ D(x) )×T k (x) 其中,k是迭代次数,ϵ是小常数,用于避免除零。 估计透射率后,使用导向滤波器平滑透射率图,减少噪声和边缘失真。导向滤波是一种自适应局部滤波方法,可保持图像边缘细节,同时进行平滑处理。在图像去雾中,它根据图像梯度信息指导滤波过程,更好地恢复图像清晰度。 通过大气散射模型,可得到去雾后的图像: J out (x)= T(x) I(x)−A×(1−T(x)) +A 在C++中,可借助OpenCV库处理图像数据。首先读取输入图像,然后提取暗通道,估计透射率,应用导向滤波,最终恢复无雾图像。OpenCV提供了丰富的图像处理函数,如cv::split用于分离通道,cv::min用于找最小值,cv::filter2D用于导向滤波,cv::imwrite用于保存
KaiyuanCode
cv模型图像分割matlab源程序
cv模型 matlab 图像分割源码,逻辑清晰,注释详尽。
phoenix01
CV图像分割
从pud找到的CV图像分割代码,代码的通过较少的迭代次数就可以实现图像的分割,对学习CV分割有帮助。
a904235765
ArcGIS Pro 3.0 布局视图实战:5分钟搞定专业地图的图例、比例尺与指北针
本文详细介绍了ArcGIS Pro 3.0布局视图的实战技巧,帮助用户在5分钟内高效添加图例、比例尺与指北针,打造专业地图。通过智能图例、动态比例尺和现代化指北针设计,提升制图效率与美观度,特别适合GIS初学者和从ArcMap迁移的用户。
weixin_30652491
ArcGIS Pro界面突然消失?3种恢复方法+自定义布局技巧
本文针对ArcGIS Pro用户常见的操作界面元素突然消失问题,提供了三种核心恢复方法:通过“视图”功能区一键唤回、利用“重置窗格”命令恢复默认布局,以及通过应用程序设置进行深度恢复。文章还深入讲解了如何通过停靠、分组窗格以及自定义功能区等技巧,打造高效个性化的操作界面,帮助用户从被动解决问题转向主动优化工作环境。
nnn11
基于NE555的触摸延时开关电路设计与实现
本文详细介绍了基于NE555芯片的触摸延时开关电路设计与实现方法。通过分析NE555的单稳态工作模式,结合定时电阻、电解电容等关键元件选型,提供了一套完整的电路搭建方案。文章还包含抗干扰设计、调试技巧及常见故障处理,帮助电子爱好者快速掌握触摸延时灯的制作要点。
燕麦麦