程序员楼下闲聊：某次jvm崩溃排查
大望路某写字楼下。 猿A：上家公司的时候，我们组那个项目，每天半夜会跑个大批量数据处理的定时任务，然后程序经常崩溃。 我：哦？那怎么处理的 猿A：当时的架构有点水，说让调整“伊甸园”和“from-to”的比例……崩溃和这个就没关系 我：少年，你成功引起了我的注意。来来来，请你喝饮料，好好聊聊当时的情况。
业务场景
“猿A”是我的同事兼死党，和他详聊后大概明白了当时的场景。
据我理解，那个定时任务，会从hive里拿出超多的数据（据说2亿左右），按具体业务做数据整合和处理，最终推送到es（elasticsearch）中。（hive什么的我没搞过，但不妨碍要讨论的东西）
业务处理部分，使用了线程池FixedThreadPool。
模拟解决过程
问题定位
猿A：那时候怀疑是内存OOM导致的jvm崩溃，进而怀疑大量对象GC回收不了，于是打了GC日志。 我：嗯，没用hs_err_pid_xxx.log分析吗？ 猿A：当时小，还不会这个技能……
死党“猿A”当时的解决过程比较粗暴，有了怀疑就直接在启动参数增加了-XX:+PrintGC。此命令会打印GC日志，姑且认为生产环境使用GC是CMS，写个demo模拟当时的场景。
public class CMSGCLogs {
//启动参数：-Xmx10m -Xms10m -Xmn4M -XX:+PrintGC -XX:+UseConcMarkSweepGC
public static void main(String[] args) throws InterruptedException {
// 线程数设置为1，起名`T-1`
ExecutorService es = Executors.newFixedThreadPool(1, new ThreadFactory() {
@Override
public Thread newThread(Runnable r) {
return new Thread(r,"T-1");
}
});
boolean flag = true;
while (flag){
es.execute(()->{
try {
byte[] bytes = new byte[1024*1000*1]; //模拟从hive中读取了大量数据（1M）
TimeUnit.MILLISECONDS.sleep(50L); //模拟写入es过程
} catch (Exception e) {
e.printStackTrace();
}
});
}
es.shutdown();
}
}先背一段线程池的处理过程。
线程池接收请求，小于核心线程数时，会创建线程，直到等于核心线程数。 之后，核心线程数消化不了的请求放入阻塞队列中。 再后，阻塞队列也放满了，再继续创建线程，直到最大线程数。 最大线程也扛不住依然汹涌的请求，执行拒绝策略。
fixed线程池，作为线程池家族中的一员，也满足上述规则。
差别在于它的 核心线程数=最大线程数，然后阻塞队列（LinkedBlockingQueue）是无界的。
# 源码中fixed线程池创建
public static ExecutorService newFixedThreadPool(int nThreads, ThreadFactory threadFactory) {
return new ThreadPoolExecutor(nThreads, nThreads,
0L, TimeUnit.MILLISECONDS,
new LinkedBlockingQueue<Runnable>(),
threadFactory);
}运行一下，demo执行结果大概长这样：
[GC (Allocation Failure) 3302K->1174K(9856K), 0.0037023 secs]
[GC (Allocation Failure) 3664K->1541K(9856K), 0.0014799 secs]
[Full GC (Allocation Failure) 1541K->1446K(9856K), 0.0039197 secs]
[Full GC (Allocation Failure) 1446K->1387K(9856K), 0.0037783 secs]
## 线程T-1 OOM
Exception in thread "T-1" java.lang.OutOfMemoryError: Java heap space
at com.evolution.gc.CMSGCLogs.lambda$main$0(CMSGCLogs.java:44)
at com.evolution.gc.CMSGCLogs$$Lambda$1/233530418.run(Unknown Source)
at java.util.concurrent.ThreadPoolExecutor.runWorker(ThreadPoolExecutor.java:1149)
at java.util.concurrent.ThreadPoolExecutor$Worker.run(ThreadPoolExecutor.java:624)
at java.lang.Thread.run(Thread.java:748)
...
[Full GC (Allocation Failure) 9676K->9676K(9856K), 0.0253352 secs]
[Full GC (Allocation Failure) 9676K->9676K(9856K), 0.0190795 secs]
## 线程T-1 OOM
Exception in thread "T-1" java.lang.OutOfMemoryError: Java heap space
Exception in thread "T-1" java.lang.OutOfMemoryError: Java heap space
...
[GC (CMS Initial Mark) 9855K(9856K), 0.0051677 secs]
## 线程main OOM
Exception in thread "main" [Full GC (Allocation Failure) 9855K->9855K(9856K), 0.0211383 secs]
[Full GC (Allocation Failure) 9855K->9855K(9856K), 0.0203374 secs]
[Full GC (Allocation Failure) 9855K->9855K(9856K), 0.0433360 secs]
[GC (CMS Initial Mark) 9855K(9856K), 0.0029999 secs]
[Full GC (Allocation Failure) java.lang.OutOfMemoryError: Java heap space
9855K->9855K(9856K), 0.0249560 secs]
[Full GC (Allocation Failure) 9855K->9854K(9856K), 0.0244291 secs]
[GC (CMS Initial Mark) 9854K(9856K), 0.0063567 secs]
[Full GC (Allocation Failure) 9854K->9854K(9856K), 0.0208301 secs]
[Full GC (Allocation Failure) 9854K->9854K(9856K), 0.0346616 secs]
[Full GC (Allocation Failure) 9855K->1147K(9856K), 0.0067034 secs]
*** java.lang.instrument ASSERTION FAILED ***: "!errorOutstanding" with message can't create byte arrau at JPLISAgent.c line: 813
Exception: java.lang.OutOfMemoryError thrown from the UncaughtExceptionHandler in thread "T-1"
Exception: java.lang.OutOfMemoryError thrown from the UncaughtExceptionHandler in thread "main"其实对fixed线程池熟悉的朋友，在看到使用的是这位爷的时候，就能猜出问题是什么了——Fixed线程池的无界队列，会使试图无限存储任务，直到内存溢出。
从GC日志来看也确实是这个路数，还很贴心的指出了哪个线程，哪个对象，甚至是哪行异常了（at com.evolution.gc.CMSGCLogs$$Lambda$1/233530418.run(Unknown Source)，当然我这里用了内部类和函数式，所以看着稍微费劲些）。
支线任务1：子线程OOM问题
但有一点和我想象的不一样，日志中线程T-1崩溃了多次，程序依然坚挺了一阵，才迎来了线程main的崩溃。
这就奇怪了，堆内存不是公用的吗？子线程T-1都崩溃了，为什么没带动整个JVM崩溃？
因此，我用VisualVM观察了内存情况：
图中的断崖处就是线程T-1 OOM的时候，再求证了相关资料后，得出结论：当某一线程（T-1）OOM的时候，会把该线程占用的内存释放，而不影响其它线程（main）！
详细过程是这样的：
线程T-1业务处理较慢（TimeUnit.MILLISECONDS.sleep(50L);），任务又大量的涌过来，致使fixed线程池的阻塞队列疯狂储备待执行任务，内存逐渐吃紧；线程T-1每次执行又会占用1M内存（byte[] bytes = new byte[102410001];），由于内存不足（内存被阻塞队列占据了，已不足1M），线程T-1无奈宣告崩溃；- 随着
线程T-1的崩溃，会把资源释放出来，重新进入循环（下一轮循环，线程T-1继续崩溃……），直到某个契机把线程main也搞崩溃了，整个JVM才崩溃退出
支线任务2：CMS的STP
我在demo调试时，无意间改大过模拟写入es的时间，表示耗时更长（如下）：
while (flag){
es.execute(()->{
try {
byte[] bytes = new byte[1024*1000*1];
TimeUnit.HOURS.sleep(50L); ## 直接把单位从`MILLISECONDS`改成`HOURS`了
} catch (Exception e) {
e.printStackTrace();
}
});
}原本以为这样会使jvm崩溃的更快——线程T-1 50个小时才能执行完，任务又无尽积压，jvm理应更快的走向灭亡。
结果却事与愿违！
程序执行的效果变成了这样：
31.949: [GC (CMS Initial Mark) 9855K(9856K), 0.0033049 secs] 31.966: [GC (CMS Final Remark) 9855K(9856K), 0.0046193 secs] 32.401: [Full GC (Allocation Failure) 9855K->9855K(9856K), 0.0243874 secs] 32.425: [Full GC (Allocation Failure) 9855K->9855K(9856K), 0.0240275 secs] 32.450: [GC (CMS Initial Mark) 9855K(9856K), 0.0033793 secs] 32.466: [GC (CMS Final Remark) 9855K(9856K), 0.0048207 secs] 34.473: [GC (CMS Initial Mark) 9855K(9856K), 0.0033645 secs] 34.485: [GC (CMS Final Remark) 9855K(9856K), 0.0046805 secs] 36.491: [GC (CMS Initial Mark) 9855K(9856K), 0.0032574 secs] ... 109.890: [GC (CMS Initial Mark) 9855K(9856K), 0.0038242 secs] 109.902: [GC (CMS Final Remark) 9855K(9856K), 0.0053191 secs] 111.909: [GC (CMS Initial Mark) 9855K(9856K), 0.0106591 secs] 111.945: [GC (CMS Final Remark) 9855K(9856K), 0.0059029 secs]
我得到了无尽的CMS Initial Mark和CMS Final Remark。
VisualVM的分析图长这样：
内存将将满，就是等不到“压倒骆驼的最后一根稻草”。
仔细思考了一番，想起CMS执行过程中有两个stop the world（STP）的环节，似乎就是初始标记（CMS Initial Mark）和最终标记（CMS Final Remark）两兄弟？
那这个现象就能解释通了：
随着堆内存的占满，CMS收集器开始执行，但两个标记环节怎么执行都发现没有能回收的资源。（1M的bytes不能回收，因为50小时的休眠后还能用到；阻塞队列中的任务也不能回收，jvm觉得总会执行这些任务的）
因此，内存吃紧jvm崩溃前夕，CMS就不断执行初始标记和最终标记，而两个命令会导致用户线程（线程T-1）停止，没机会再给jvm添堵。
于是就这样微妙的保持了诡异的平衡……
解决方案
以上两个支线任务是我demo模拟中遇到的魑魅魍魉，猿A同志并没有搞出这么多弯弯绕（当然他可能有其它际遇）。
既然已经定位到了问题产生于FixedThreadPool，那么换掉它就好，自己new ThreadPoolExecutor。
- 参数指定有界队列
- 修改拒绝策略为ThreadPoolExecutor.CallerRunsPolicy
拒绝策略默认是ThreadPoolExecutor.AbortPolicy，表现为丢弃任务并抛出异常；而ThreadPoolExecutor.CallerRunsPolicy则不劳烦线程池，直接交由原线程执行任务（demo中就是不麻烦线程T-1了，线程main顶上）
Tip：这里给出全部策略，做个参考 ↓↓↓
ThreadPoolExecutor.AbortPolicy:丢弃任务并抛出RejectedExecutionException异常。 ThreadPoolExecutor.DiscardPolicy：也是丢弃任务，但是不抛出异常。 ThreadPoolExecutor.DiscardOldestPolicy：丢弃队列最前面的任务，然后重新尝试执行任务（重复此过程） ThreadPoolExecutor.CallerRunsPolicy：由调用线程处理该任务
修改之后的demo代码：
public class CMSGCLogs {
//-Xmx10m -Xms10m -Xmn4M -XX:+PrintGC -XX:+UseConcMarkSweepGC
public static void main(String[] args) throws InterruptedException {
BlockingQueue list = new ArrayBlockingQueue(20); //修改1：有界队列
ExecutorService es = new ThreadPoolExecutor(1, 1,
0, TimeUnit.MILLISECONDS, list, new ThreadFactory() {
@Override
public Thread newThread(Runnable r) {
return new Thread(r,"T-1");
}
},
new ThreadPoolExecutor.CallerRunsPolicy()); //修改2：更换拒绝策略
boolean flag = true;
while (flag){
es.execute(()->{
try {
byte[] bytes = new byte[1024*1000*1];
TimeUnit.MILLISECONDS.sleep(50L);
System.out.println(String.format("curThread=%s,run task!",Thread.currentThread())); //打印执行线程
} catch (Exception e) {
e.printStackTrace();
}
});
}
es.shutdown();
}
}看下执行效果：
53.422: [GC (Allocation Failure) 6615K->3550K(9856K), 0.0006514 secs] curThread=Thread[main,5,main],run task! curThread=Thread[main,5,main],run task! curThread=Thread[T-1,5,main],run task! 53.473: [GC (Allocation Failure) 6615K->3550K(9856K), 0.0003791 secs] curThread=Thread[main,5,main],run task! curThread=Thread[T-1,5,main],run task! curThread=Thread[main,5,main],run task! curThread=Thread[T-1,5,main],run task! 53.573: [GC (Allocation Failure) 6615K->3550K(9856K), 0.0003733 secs] curThread=Thread[main,5,main],run task! curThread=Thread[T-1,5,main],run task! 53.623: [GC (Allocation Failure) 6615K->3550K(9856K), 0.0009536 secs] curThread=Thread[main,5,main],run task! curThread=Thread[T-1,5,main],run task! curThread=Thread[main,5,main],run task! curThread=Thread[T-1,5,main],run task! 53.724: [GC (Allocation Failure) 6615K->3550K(9856K), 0.0004394 secs]
我们发现程序已经能够平稳的运行了，再观察此时的jvm堆内存，一切正常：
新生代各区比例的作用
问题解决了，回顾下架构师当时的提议：
猿A：当时的架构有点水，说让调整“伊甸园”和“from-to”的比例……崩溃和这个就没关系
“架构”说的是设定-XX:NewRadio参数来调整新生代各模块比例。
这个比例默认为8:1:1，我们来看下调整这个参数产生的影响。
- 极端一些，把
Edian调的很大
新生代GC时，对象是否进入老年代主要取决于两个因素——对象年龄和对象大小。
如果对象大小超出了某界限，对象就直接进入老年代。如此，会给老年代的GC会增加更多压力，有可能产生更多的STP。
- 反向极端，把
Edian调的很小
因为s1和s2两个区域总有1个是空的，这样调整会浪费更多的内存，并更频繁的触发的新生代GC。
我们感性的理解了这个比例的作用，那么架构师的提议和猿A遇到的问题有关吗？答案是没有，所以那个架构是真的水……