Jvm之NativeMemoryTracking 使用
开启 Native Memory Tracking
通过 -XX:NativeMemoryTracking 开启:
-XX:NativeMemoryTracking=off:这是默认值,即关闭 Native Memory Tracking
-XX:NativeMemoryTracking=summary: 开启 Native Memory Tracking,但是仅仅按照各个 JVM 子系统去统计内存占用情况
-XX:NativeMemoryTracking=detail:开启 Native Memory Tracking,从每次 JVM 中申请内存的不同调用路径的维度去统计内存占用情况。
注意,开启 detail 比开启 summary 的消耗要大不少,因为 detail 每次都要解析 CallSite 分辨调用位置。
查看 Native Memory Tracking 的信息
开启之后,我们可以通过 jcmd 命令去查看 Native Memory Tracking 的信息,即jcmd VM.native_memory:
jcmd <pid> VM.native_memory或者jcmd <pid> VM.native_memory summary:
两者是等价的,即查看 Native Memory Tracking 的 summary 信息。默认单位是 KB,可以指定单位为其他,例如 jcmd <pid> VM.native_memory summary scale=MB
jcmd VM.native_memory detail:
查看 Native Memory Tracking 的 detail 信息,包括 summary 信息,以及按照虚拟内存映射分组的内存使用信息,还有按照不同 CallSite 调用分组的内存使用情况。默认单位是 KB,可以指定单位为其他,例如 jcmd <pid> VM.native_memory detail scale=MB
Native Memory Tracking 的使用
一般地,只有遇到问题的时候,我们才会考虑开启 Native Memory Tracking,并且在定位出问题后,我们想把它关闭,可以通过 jcmd <pid> VM.native_memory shutdown 进行关闭并清理掉之前 Native Memory tracking 使用的埋点以及占用的内存。
我们无法动态开启 Native Memory tracking,所以只要关闭了,这个进程就无法再开启了。
jcmd 本身提供了简单的对比功能,例如:
jcmd <pid> VM.native_memory baseline 记录当前内存占用信息
之后过一段时间
jcmd <pid> VM.native_memory summary.diff
会输出当前 Native Memory Tracking 的 summary 信息,如果与第一步 baseline 的有差异,会在对应位将差异输出
但是这个工具本身比较粗糙,我们有时候并不知道何时调用 jcmd VM.native_memory summary.diff 合适,因为我们不确定什么时候会有我们想看到的内存使用过大的问题。所以我们一般做成一种持续监控的方式
Native Memory Tracking 的 summary 信息每部分含义
Native Memory Tracking:Total: reserved=5226MB, committed=4044MB
- Java Heap (reserved=2688MB, committed=2688MB)(mmap: reserved=2688MB, committed=2688MB) - Class (reserved=1122MB, committed=110MB)(classes #17824)(malloc=2MB #35027) (mmap: reserved=1120MB, committed=108MB) - Thread (reserved=539MB, committed=539MB)(thread #535)(stack: reserved=536MB, committed=536MB)(malloc=2MB #2708) (arena=1MB #1068)- Code (reserved=258MB, committed=89MB)(malloc=15MB #18512) (mmap: reserved=244MB, committed=74MB) - GC (reserved=78MB, committed=78MB)(malloc=69MB #945) (mmap: reserved=9MB, committed=9MB) - Compiler (reserved=1MB, committed=1MB)- Internal (reserved=441MB, committed=441MB)(malloc=441MB #27828) - Symbol (reserved=23MB, committed=23MB)(malloc=20MB #222966) (arena=3MB #1)- Native Memory Tracking (reserved=5MB, committed=5MB)(tracking overhead=5MB)- Arena Chunk (reserved=11MB, committed=11MB)(malloc=11MB) - Unknown (reserved=59MB, committed=59MB)(mmap: reserved=59MB, committed=59MB)
以下是各个部分的内存使用情况:
Java Heap(堆内存):
保留(reserved):2688MB
承诺(committed):2688MB
通过 mmap 方式分配的内存为保留和承诺的相同值。
Class(类元数据):
保留:1122MB
承诺:110MB
包含 17824 个类。
通过 malloc 分配了 2MB,35027 个对象。
通过 mmap 方式分配的内存保留为 1120MB,承诺为 108MB。
Thread(线程):
保留:539MB
承诺:539MB
有 535 个线程。
线程栈通过 mmap 方式分配,保留和承诺均为 536MB。
通过 malloc 分配了 2MB,2708 个对象。
arena 管理的内存为 1MB,1068 个对象。
Code(代码):
保留:258MB
承诺:89MB
通过 malloc 分配了 15MB,18512 个对象。
通过 mmap 方式分配的内存保留为 244MB,承诺为 74MB。
GC(垃圾收集器):
保留:78MB
承诺:78MB
通过 malloc 分配了 69MB,945 个对象。
通过 mmap 方式分配的内存保留和承诺均为 9MB。
Compiler(编译器):
保留:1MB
承诺:1MB
Internal(内部):
保留:441MB
承诺:441MB
通过 malloc 分配了 441MB,27828 个对象。
Symbol(符号表):
保留:23MB
承诺:23MB
通过 malloc 分配了 20MB,222966 个对象。
arena 管理的内存为 3MB,1 个对象。
Native Memory Tracking(NMT 本身):
保留:5MB
承诺:5MB
跟踪开销为 5MB。
Arena Chunk:
保留:11MB
承诺:11MB
通过 malloc 分配了 11MB。
Unknown(未知):
保留:59MB
承诺:59MB
通过 mmap 方式分配的内存保留和承诺均为 59MB。
过一段时间执行jcmd 7 VM.native_memory summary.diff 查看变化如下
Native Memory Tracking:Total: reserved=5344386KB -2372KB, committed=4136894KB -1332KB- Java Heap (reserved=2752512KB, committed=2752512KB)(mmap: reserved=2752512KB, committed=2752512KB)- Class (reserved=1151599KB +2132KB, committed=115055KB +2260KB)(classes #18263 +376)(malloc=2671KB +84KB #37745 +1690)(mmap: reserved=1148928KB +2048KB, committed=112384KB +2176KB)- Thread (reserved=551959KB -2065KB, committed=551959KB -2065KB)(thread #535 -2)(stack: reserved=548952KB -2056KB, committed=548952KB -2056KB)(malloc=1742KB -7KB #2708 -10)(arena=1265KB -2 #1068 -4)- Code (reserved=265074KB +119KB, committed=94126KB +1031KB)(malloc=15474KB +119KB #19137 +474)(mmap: reserved=249600KB, committed=78652KB +912KB)- GC (reserved=79435KB +2KB, committed=79435KB +2KB)(malloc=70595KB +2KB #1043 +65)(mmap: reserved=8840KB, committed=8840KB)- Compiler (reserved=756KB +38KB, committed=756KB +38KB)(malloc=625KB +38KB #943 +90)(arena=131KB #3)- Internal (reserved=452580KB +640KB, committed=452580KB +640KB)(malloc=452580KB +640KB #28587 +557)- Symbol (reserved=23694KB +293KB, committed=23694KB +293KB)(malloc=20841KB +261KB #227524 +4499)(arena=2853KB +32 #1)- Native Memory Tracking (reserved=5656KB +279KB, committed=5656KB +279KB)(malloc=546KB +136KB #8148 +1887)(tracking overhead=5110KB +143KB)- Arena Chunk (reserved=233KB -3810KB, committed=233KB -3810KB)(malloc=233KB -3810KB)- Unknown (reserved=60888KB, committed=60888KB)(mmap: reserved=60888KB, committed=60888KB)
有时需要结合执行进程监控文件
cat /proc/[pid]/smaps_rollup
执行cat /proc/23/smaps_rollup
00400000-7fff957e1000 ---p 00000000 00:00 0 [rollup]
Rss: 3642320 kB
Pss: 3626824 kB
Pss_Anon: 3625332 kB
Pss_File: 1492 kB
Pss_Shmem: 0 kB
Shared_Clean: 16932 kB
Shared_Dirty: 0 kB
Private_Clean: 56 kB
Private_Dirty: 3625332 kB
Referenced: 3642320 kB
Anonymous: 3625332 kB
LazyFree: 0 kB
AnonHugePages: 0 kB
ShmemPmdMapped: 0 kB
FilePmdMapped: 0 kB
Shared_Hugetlb: 0 kB
Private_Hugetlb: 0 kB
Swap: 0 kB
SwapPss: 0 kB
Locked: 0 kB
相关文章:
Jvm之NativeMemoryTracking 使用
开启 Native Memory Tracking 通过 -XX:NativeMemoryTracking 开启: -XX:NativeMemoryTrackingoff:这是默认值,即关闭 Native Memory Tracking -XX:NativeMemoryTrackingsummary: 开启 Native Memory Tracking,但是仅仅按照各个 JVM 子系统…...
PKCS#7、Bit padding(位填充)、Byte padding(字节填充)、Zero padding(零填充)
PKCS#7、Bit padding(位填充)、Byte padding(字节填充)、Zero padding(零填充)是密码学常见的填充方式。 Bit padding(位填充): 位填充可以应用于任意长度的消息。在消息…...
R语言学习笔记-1
1. 基础操作和函数 清空环境:rm(list ls()) 用于清空当前的R环境。 打印输出:print("Hello, world") 用于输出文本到控制台。 查看已安装包和加载包: search():查看当前加载的包。install.packages("package_na…...
我在广州学 Mysql 系列之 数据“表”的基本操作
ℹ️大家好,我是😆练小杰,今天主要讲得是Mysql数据表的基本操作内容~~ 昨天讲了“Mysql 数据“库“的基本操作”~~ 想要了解更多🈶️MYSQL 数据库的命令行总结!!! “真相永远只有一个”——工藤…...
auto-gptq安装以及不适配软硬件环境可能出现的问题及解决方式
目录 1、auto-gptq是什么?2、auto-gptq安装3、auto-gptq不正确安装可能会出现的问题(1)爆出:CUDA extension not installed.(2)没有报错但是推理速度超级慢 1、auto-gptq是什么? Auto-GPTQ 是一…...
【R语言】基础知识
一、对象与变量 R语言中的所有事物都是对象,如向量、列表、函数,变量、甚至环境等。它的所有代码都是基于对象object的操作,变量只是调用对象的手段。 1、对象 在R语言中,对计算机内存的访问是通过对象实现的。 # 字符型向量 …...
【一本通】虫洞
【一本通】虫洞 C语言代码C代码JAVA代码 💐The Begin💐点点关注,收藏不迷路💐 John在他的农场中闲逛时发现了许多虫洞。虫洞可以看作一条十分奇特的有向边,并可以使你返回到过去的一个时刻(相对你进入虫洞之…...
python爬虫--小白篇【爬虫实践】
一、前言 1.1、王者荣耀皮肤爬虫 根据王者荣耀链接,将王者荣耀的全部英雄的全部皮肤图片爬取保存到本地。经过分析得到任务的三个步骤: 根据首页全部英雄列表连接获取全部英雄的名称hero_name以及对应的hero_id;根据单个英雄的hero_name和h…...
Unity背包道具拖拽(极简版实现)
(感觉Csdn代码页面可以再大一点或者加个放大功能 不然得划着看不太舒服) 1.关键接口,三个拖拽相关的 2.关键参数,PointerEventData 一直没仔细看过,其实有包含鼠标相关的很多参数,鼠标点击次数ÿ…...
spark读取普通文件
spark读取普通文件 txt文件 """ 将一行数据当做一个字段,需要自己切割 字段名称为value 表结构 可以从sql中搞 """ df spark.read.text("../../data/wordcount/input/data.txt") df spark.read.format("text"…...
MySQL SQL语句性能优化
MySQL SQL语句性能优化指南 一、查询设计优化1. 避免 SELECT *2. 使用 WHERE 进行条件过滤3. 避免在索引列上使用函数和表达式4. 使用 LIMIT 限制返回行数5. 避免使用子查询6. 优化 JOIN 操作7. 避免全表扫描 二、索引优化1. 使用合适的索引2. 覆盖索引3. 索引选择性4. 多列索引…...
【蓝桥杯每日一题】技能升级
技能升级 2024-12-10 蓝桥杯每日一题 技能升级 二分 题目大意 一个角色有 N 种可以增加攻击力的技能,对于第 i 个技能首次升级可以提升 A i A_i Ai 点攻击力,随后的每次升级增加的攻击力都会减少 B i B_i Bi 。升级 ⌈ A i B i ⌉ \lceil \frac{A…...
css 实现在一条线上流动小物体(offset-path)
直接贴代码,留几个参考网址给大家 【SVG】路径<Path>标签详解,一次搞懂所有命令参数 探秘神奇的运动路径动画 Motion Path <!DOCTYPE html> <html lang="en"> <head><meta charset="UTF-8"><meta name="viewport&quo…...
探索 Robyn 框架 —— 下一代高性能 Web 框架
技术博客:探索 Robyn 框架 —— 下一代高性能 Web 框架 什么是 Robyn? Robyn 是一个用 Rust 编写的高性能 Web 框架,旨在通过极简设计和高效并发处理,帮助开发者快速构建可扩展的现代 Web 应用。得益于 Rust 的内存安全性和性能…...
STL容器-map P3613【深基15.例2】寄包柜 普及-
题目来源:洛谷题库 文章目录 map例题map知识点map使用注意:map的常用用法 map例题 P3613【深基15.例2】寄包柜 普及- 题意 根据数据插入/查询 思路 map键值对可以根据柜子编号查找物品,但是柜子又有很多个,考虑数组或者map数组…...
【MySQL 进阶之路】了解 性能优化 与 设计原则
1.B树的优势 “矮胖”结构: 矮:B树的每个节点存储更多的关键字,从而减少了树的层级(最多三层),减少了磁盘I/O操作,提高了查询效率。胖:叶子节点存储实际的数据,并使用双…...
MySQL之数据库三大范式
一、什么是范式? 范式是数据库遵循设计时遵循的一种规范,不同的规范要求遵循不同的范式。 (范式是具有最小冗余的表结构) 范式可以 提高数据的一致性和 减少数据冗余和 更新异常的问题 数据库有六种范式(1NF/2NF/3NF…...
[大数据]Hudi
G:\Bigdata\17.hudi\大数据技术之数据湖Hudi 第1章 Hudi概述 1.1 Hudi简介 Apache Hudi(Hadoop Upserts Delete and Incremental)是下一代流数据湖平台。Apache Hudi将核心仓库和数据库功能直接引入数据湖。Hudi提供了表、事务、高效的upserts/delete、高级索引、流摄取服…...
jenkins harbor安装
Harbor是一个企业级Docker镜像仓库。 文章目录 1. 什么是Docker私有仓库2. Docker有哪些私有仓库3. Harbor简介4. Harbor安装 1. 什么是Docker私有仓库 Docker私有仓库是用于存储和管理Docker镜像的私有存储库。Docker默认会有一个公共的仓库Docker Hub,而与Dock…...
JavaScript 高级特性与 ES6 新特性:正则表达式的深度探索
在现代 JavaScript 开发中,正则表达式(Regular Expressions)和高级特性、ES6 新特性的结合使用,能够极大地提升代码的简洁性、可读性和功能性。本文将深入探讨 JavaScript 中的正则表达式及其在高级特性和 ES6 新特性中的应用&…...
(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)
题目:3442. 奇偶频次间的最大差值 I 思路 :哈希,时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况,哈希表这里用数组即可实现。 C版本: class Solution { public:int maxDifference(string s) {int a[26]…...
shell脚本--常见案例
1、自动备份文件或目录 2、批量重命名文件 3、查找并删除指定名称的文件: 4、批量删除文件 5、查找并替换文件内容 6、批量创建文件 7、创建文件夹并移动文件 8、在文件夹中查找文件...
定时器任务——若依源码分析
分析util包下面的工具类schedule utils: ScheduleUtils 是若依中用于与 Quartz 框架交互的工具类,封装了定时任务的 创建、更新、暂停、删除等核心逻辑。 createScheduleJob createScheduleJob 用于将任务注册到 Quartz,先构建任务的 JobD…...
linux 错误码总结
1,错误码的概念与作用 在Linux系统中,错误码是系统调用或库函数在执行失败时返回的特定数值,用于指示具体的错误类型。这些错误码通过全局变量errno来存储和传递,errno由操作系统维护,保存最近一次发生的错误信息。值得注意的是,errno的值在每次系统调用或函数调用失败时…...
新能源汽车智慧充电桩管理方案:新能源充电桩散热问题及消防安全监管方案
随着新能源汽车的快速普及,充电桩作为核心配套设施,其安全性与可靠性备受关注。然而,在高温、高负荷运行环境下,充电桩的散热问题与消防安全隐患日益凸显,成为制约行业发展的关键瓶颈。 如何通过智慧化管理手段优化散…...
Module Federation 和 Native Federation 的比较
前言 Module Federation 是 Webpack 5 引入的微前端架构方案,允许不同独立构建的应用在运行时动态共享模块。 Native Federation 是 Angular 官方基于 Module Federation 理念实现的专为 Angular 优化的微前端方案。 概念解析 Module Federation (模块联邦) Modul…...
C# 类和继承(抽象类)
抽象类 抽象类是指设计为被继承的类。抽象类只能被用作其他类的基类。 不能创建抽象类的实例。抽象类使用abstract修饰符声明。 抽象类可以包含抽象成员或普通的非抽象成员。抽象类的成员可以是抽象成员和普通带 实现的成员的任意组合。抽象类自己可以派生自另一个抽象类。例…...
基于 TAPD 进行项目管理
起因 自己写了个小工具,仓库用的Github。之前在用markdown进行需求管理,现在随着功能的增加,感觉有点难以管理了,所以用TAPD这个工具进行需求、Bug管理。 操作流程 注册 TAPD,需要提供一个企业名新建一个项目&#…...
面向无人机海岸带生态系统监测的语义分割基准数据集
描述:海岸带生态系统的监测是维护生态平衡和可持续发展的重要任务。语义分割技术在遥感影像中的应用为海岸带生态系统的精准监测提供了有效手段。然而,目前该领域仍面临一个挑战,即缺乏公开的专门面向海岸带生态系统的语义分割基准数据集。受…...
【MATLAB代码】基于最大相关熵准则(MCC)的三维鲁棒卡尔曼滤波算法(MCC-KF),附源代码|订阅专栏后可直接查看
文章所述的代码实现了基于最大相关熵准则(MCC)的三维鲁棒卡尔曼滤波算法(MCC-KF),针对传感器观测数据中存在的脉冲型异常噪声问题,通过非线性加权机制提升滤波器的抗干扰能力。代码通过对比传统KF与MCC-KF在含异常值场景下的表现,验证了后者在状态估计鲁棒性方面的显著优…...
