JVM--监控和故障处理工具

一、命令行工具

1. jps (Java Process Status)

作用:列出当前系统中所有的 Java 进程
常用命令

jps -l  # 显示进程ID和主类全名
jps -v  # 显示JVM启动参数

输出示例

1234 com.example.MainApp
5678 org.apache.catalina.startup.Bootstrap

2. jstat (JVM Statistics Monitoring Tool)

作用:实时监控 JVM 运行状态(GC、类加载、JIT编译等)
核心功能

   jstat -gcutil <pid> 1000 5 # 每1秒打印1次GC统计,共5次

关键指标

  • S0/S1:Survivor 区使用率

  • E:Eden 区使用率

  • O:Old 区使用率

  • YGC/YGCT:Young GC 次数/耗时

  • FGC/FGCT:Full GC 次数/耗时


3. jinfo (Configuration Info for Java)

作用:查看和动态修改 JVM 参数
常用命令

jinfo -flags <pid>       # 查看所有JVM参数
jinfo -flag MaxHeapSize <pid>  # 查看特定参数
jinfo -flag +PrintGC <pid>    # 动态启用PrintGC

4. jmap (Memory Map for Java)

作用:生成堆内存快照和内存统计
核心功能

典型场景:内存泄漏分析、对象分布统计


5. jhat (JVM Heap Analysis Tool)

作用:分析 jmap 生成的堆转储文件
使用流程

  1. 生成堆转储:jmap -dump:file=heap.bin <pid>

  2. 启动分析服务:jhat heap.bin

  3. 浏览器访问:http://localhost:7000/
    功能:对象查询、引用链分析、内存泄漏检测


6. jstack (Stack Trace for Java)

作用:生成线程快照(thread dump)
关键命令

jstack -l <pid> > thread.txt  # 生成线程快照并保存

诊断场景

  • 死锁检测(查找deadlock关键词)

  • 线程阻塞分析

  • CPU 飙高问题定位

二、图形化监控工具

   jvisualvm.exe JDK 自带的图形化监控诊断工具与你jps/jstack/jmap 等属于同一套工具链,但提供可视化操作界面。以下是关键解析:

一、典型使用场景

1. 快速定位内存泄漏
  • 步骤:

    1. 在进程列表中选择应用

    2. 点击 “堆 Dump” 生成快照

    3. 分析 “类” 标签页 → 按实例数/大小排序 → 定位可疑对象

2. 诊断 CPU 飙高
  • 步骤:

    1. 打开 “抽样器” → 点击 CPU 按钮

    2. 查看 “热点方法” 排名

    3. 结合 线程快照 分析阻塞栈

3. 分析死锁
  • 步骤:

    1. 打开 “线程” 标签页

    2. 点击 “检测死锁” → 自动标记死锁线程


二、与命令行工具对比

需求推荐工具原因
快速检查进程状态jps一条命令即完成
脚本自动化监控jstat适合集成到运维系统
深度分析内存泄漏jvisualvm可视化引用链,效率提升 10 倍+
生产环境紧急诊断jcmd + jstack轻量级,避免图形界面资源消耗
长期性能趋势分析jvisualvm支持保存快照对比历史数据

三、注意事项

  1. 版本兼容性

    • JDK 8 及之前:内置 jvisualvm

    • JDK 9+:需单独下载(从 JDK 分离为独立项目)

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。
如若转载,请注明出处:http://www.pswp.cn/news/913980.shtml
繁体地址,请注明出处:http://hk.pswp.cn/news/913980.shtml

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈email:809451989@qq.com,一经查实,立即删除!

相关文章

推荐 7 个本周 yyds 的 GitHub 项目。

01.开源的 CRM 软件这是一个开源的客户关系管理&#xff08;CRM&#xff09;系统&#xff0c;现在又 32.5K 的 Star。为企业和团队提供比肩 Salesforce 等商业产品的功能&#xff0c;同时强调用户自主权、数据自由与高度可定制性。开源地址&#xff1a;https://github.com/twen…

linux网络编程之单reactor模型(一)

Reactor 是一种事件驱动的设计模式&#xff08;Event-Driven Pattern&#xff09;&#xff0c;主要用于处理高并发 I/O&#xff0c;特别适合网络服务器场景。它通过一个多路复用机制监听多个事件源&#xff08;如 socket 文件描述符&#xff09;&#xff0c;并在事件就绪时将事…

浏览器重绘与重排

深入解析浏览器渲染&#xff1a;重排(Reflow)与重绘(Repaint)的性能陷阱与优化策略作为一名前端开发者&#xff0c;你是否遇到过界面突然卡顿、滚动时页面抖动或输入框响应迟钝&#xff1f;这些常见性能问题背后&#xff0c;往往是重排与重绘在作祟。本文将深入剖析浏览器渲染机…

day049-初识Ansible与常用模块

文章目录0. 老男孩思想-人脉的本质1. Ansible1.1 密钥认证1.2 安装ansible1.3 添加ansible配置文件1.4 配置主机清单文件&#xff08;Inventory&#xff09;1.5 测试1.6 ansible的模块思想1.7 command模块1.8 需求&#xff1a;每台服务器的密码都不同&#xff0c;怎么批量执行业…

力扣网编程134题:加油站(双指针)

一. 简介 前面两篇文章使用暴力解法&#xff0c;或者贪心算法解决了力扣网的加油站问题&#xff0c;文章如下&#xff1a; 力扣网编程150题&#xff1a;加油站&#xff08;暴力解法&#xff09;-CSDN博客 力扣网编程150题&#xff1a;加油站&#xff08;贪心解法&#xff09…

XPath 语法【Web 自动化-定位方法】

&#x1f9ed; XPath 语法简介&#xff08;Web 自动化核心定位手段&#xff09;一、XPath 是什么&#xff1f;XPath&#xff08;XML Path Language&#xff09;是用于在 XML/HTML 文档中定位节点的语言&#xff0c;由 W3C 标准定义。浏览器支持的是 XPath 1.0。应用场景广泛&am…

记一次 Linux 安装 docker-compose

一.下载 1.手动下载 下载地址&#xff1a;https://github.com/docker/compose/releases 下载后&#xff0c;放在/usr/local/bin/目录下&#xff0c;命名为&#xff1a;docker-compose 2.命令下载 sudo curl -L "https://github.com/docker/compose/releases/download/…

Go语言WebSocket编程:从零打造实时通信利器

1. WebSocket的魅力&#xff1a;为什么它这么火&#xff1f;WebSocket&#xff0c;简单来说&#xff0c;就是一种在单条TCP连接上实现全双工通信的神器。相比HTTP的请求-响应模式&#xff0c;它像是一条随时畅通的电话线&#xff0c;客户端和服务器可以随时“喊话”&#xff0c…

速学 RocketMQ

目录 本地启动&测试&可视化 核心概念 集群 主从 集群 Dledger 集群 总结 客户端消息确认机制 广播模式 消息过滤机制 顺序消息机制 延迟消息与批量消息 事务消息机制 ACL权限控制体系 RocketMQ客户端注意事项 消息的 ID、Key、Tag 最佳实践 消费者端…

【个人思考】不点菜的美学:Omakase 的信任、四季与食艺

本文原创作者:姚瑞南 AI-agent 大模型运营专家/音乐人/野生穿搭model,先后任职于美团、猎聘等中大厂AI训练专家和智能运营专家岗;多年人工智能行业智能产品运营及大模型落地经验,拥有AI外呼方向国家专利与PMP项目管理证书。(转载需经授权) 目录 🍣 什么是 Omakase?…

vivo Pulsar 万亿级消息处理实践(3)-KoP指标异常修复

作者&#xff1a;vivo 互联网大数据团队- Chen Jianbo 本文是《vivo Pulsar万亿级消息处理实践》系列文章第3篇。 Pulsar是Apache基金会的开源分布式流处理平台和消息中间件&#xff0c;它实现了Kafka的协议&#xff0c;可以让使用Kafka API的应用直接迁移至Pulsar&#xff0c;…

Marin说PCB之Allegro高亮BOM器件技巧详解

一&#xff0c;首先在原理图输出BOM的时候&#xff0c;只需要勾选器件的位号这个选项即可&#xff0c;具体操作如下所示&#xff1a;二&#xff0c;输出BOM完成后&#xff0c;打开表格选择我们器件的位号那列即可&#xff0c;然后复制到我们的TEXT文本中。三&#xff0c;接着就…

数据结构与算法——从递归入手一维动态规划【2】

前言&#xff1a; 记录一下对左程云系列算法课程--算法讲解066【必备】的剩余习题的学习。本文主要简单记录个人学习心得和提供C版本代码。如需要题目的细致讲解&#xff0c;请前往原视频。 涉及内容&#xff1a; 动态规划、三指针、 参考视频&#xff1a; 左程云--算法讲…

【理念●体系】Windows AI 开发环境搭建实录:六层架构的逐步实现与路径治理指南

【理念●体系】从零打造 Windows WSL Docker Anaconda PyCharm 的 AI 全链路开发体系-CSDN博客 Windows AI 开发环境搭建实录&#xff1a;六层架构的逐步实现与路径治理指南 ——理念落地篇&#xff0c;从路径规划到系统治理&#xff0c;打造结构化可复现的 AI 开发环境 AI…

5G标准学习笔记15 --CSI-RS测量

5G标准学习笔记15 --CSI-RS测量 前言 前面讲了&#xff0c;在5GNR中&#xff0c;CSI-RS 是支持信道状态评估、波束管理和无线资源管理&#xff08;RRM&#xff09;的关键参考信号。下面孬孬基于3GPP TS 38.331中的内容&#xff0c;详细定义了基于 CSI-RS 的测量程序&#xff0c…

第P28:阿尔茨海默病诊断(优化特征选择版)

&#x1f368; 本文为&#x1f517;365天深度学习训练营 中的学习记录博客&#x1f356; 原作者&#xff1a;K同学啊 一、进阶说明 针对于特征对模型结果的影响我们做了特征分析 特征选择 1. SelectFromModel 工作原理&#xff1a;基于模型的特征选择方法&#xff0c;使用…

AI的欧几里得要素时刻:从语言模型到可计算思维

引言 人工智能正在经历一个关键的转折点。就像欧几里得的《几何原本》为数学奠定了公理化基础一样&#xff0c;AI也正在寻找自己的"要素时刻"——一个能够将当前的语言模型能力转化为真正可计算、可验证思考的转变。 最近发表的论文《AI’s Euclid’s Elements Momen…

番外-linux系统运行.net framework 4.0的项目

基础环境&#xff1a;linux系统&#xff0c;.net framework 4.0&#xff0c;npgsql 2.2.5.0 &#xff08;版本不同&#xff0c;构建可能失败&#xff09; 方法背景&#xff1a;linux不支持运行.net framework 4.0&#xff0c;高版本mono不支持npgsql 2.x 主要使用&#xff1a…

国内AI训练都有哪些企业?:技术深耕与场景实践

国内AI训练都有哪些企业&#xff1f;当人工智能从实验室走向产业一线&#xff0c;AI 训练就像为智能系统 “施肥浇水” 的关键环节&#xff0c;让技术根系在各行业土壤里扎得更深。国内一批 AI 训练企业正各展所长&#xff0c;有的专攻技术优化&#xff0c;有的深耕场景应用。它…

微算法科技基于格密码的量子加密技术,融入LSQb算法的信息隐藏与传输过程中,实现抗量子攻击策略强化

随着量子计算技术的发展&#xff0c;传统加密算法面临被量子计算机破解的风险&#xff0c;LSQb 算法也需考虑应对未来可能的量子攻击。微算法科技基于格密码的量子加密技术&#xff0c;融入LSQb算法的信息隐藏与传输过程中&#xff0c;实现抗量子攻击策略强化。格密码在面对量子…