记录一次典型oom的处理过程

背景

有同学反馈收到应用RT的报警，其中的流量都来自于网关集群中的一台机器。因为负责网关，就上去看了下并进行排查。整体是一个比较明显的oom，这里只是记录下排查过程，老司机可以略过了。

初步现象

常规步骤，使用top 和jstat -gcutil 能直观的看到在拼命full gc。推测是出现了oom。

初步排查

一开始是用 jmap -histo:live [pid] >a.log 导出当前内存对象，为什么没有直接用jmap -dump:live 也是想偷懒，因为-dump 生成的文件太大，我们的服务器又跑在k8s上面，要拿回本地需要通过ftp 中转，想着能省就省。结果发现这个给后面埋了个大坑。

基于上面的结果，一度怀疑是sentinel 引起的问题。特别是对比了正常的机器上的内存分布

在上面浪费了大量时间，后面回过头看其实ConcurrentHashMap 占比这么高说明是缓存管理出现了问题。

进一步排查

老老实实用 jmap -dump:live,format=b,file=xxx.xxx [pid] 打印出详细的内存堆栈，拿到本地后用 IBM HeapAnalyzer（比较好用） 或者MAT 打开分析。

从上面比较直观看到出现oom的类。这里只是看到单个的类比较大，从源码上看：
会发现有块缓存没有设置长度和失效时间，这个很可能是导致oom的原因。