对于容器应用程序来说，很难发现内存过度使用导致的问题。如果使用超过了容器内存限制，应用程序可能会悄无声息地失败而不会留下任何痕迹。

在本文中，我将介绍一些可用于识别Java容器应用程序中内存消耗来源的技术。

 

内存类型

在典型的Java应用程序中，内存可以大致分为堆和非堆。堆内存可以通过在启动任何Java应用程序时提供相关的JVM参数来设置。

非堆内存由JVM本身使用的本机内存或任何使用JNI (Java本机接口)的应用程序中使用的库组成。

 

方法

对于堆内存，可以使用堆转储分析工具获取和分析堆转储。用于堆转储分析的最佳工具之一是eclipseMAT。

Java通过启用本机内存跟踪提供了一种跟踪本机内存分配的机制，但它可能不会显示本机库分配的所有内存。

Jemalloc是一个实用程序，可用于跟踪本地库分配的内存。使用名为malloc的默认内存分配器来分配本机内存。Jemalloc是一种通用的malloc实现，使用它可以启用内存分配跟踪。它跟踪所有本机内存分配并生成堆配置文件转储。

然后可以使用Jeprof实用程序来分析这些堆配置文件。Jeprof生成堆分配报告，突出显示应用程序中函数使用的内存。

 

分析

下面是一个示例容器Java应用程序的内存分析。该应用程序加载一个示例Tensorflow模型以实现本机内存利用率，并在Docker容器中运行。

以下是Docker内存消耗情况，它显示254MB。让我们试着找出内存消耗的来源。

总内存

为了了解应用程序进程正在使用的总内存，我们可以检查常驻集大小（RSS）。它是驻留在主内存或RAM中的总提交内存。有多个实用程序可以帮助检查这一点，如top、ps或pmap。

检查RSS无助于确定使用的根本来源。对于示例应用程序，使用以下命令，总RSS为376MB。

堆积分析

下面是eclipse MAT工具生成的堆内存消耗。总保留堆显示为2.2MB，远低于Docker显示的总内存消耗，表明大部分消耗来自非堆区域。

本地内存分析

使用以下命令查看本机内存摘要时，总内存使用量似乎约为99MB。但是，该值小于总内存消耗，不能准确识别问题的根本原因。

堆外内存分析

使用Jemalloc和Jeprof进行的分析显示，本机内存使用主要归因于Tensorflow库，总消耗约为112MB。

这种见解清楚地表明了本机内存使用的来源，可以进一步调查以最大限度地减少任何过度消耗。

结论

Java内存分析至关重要，尤其是对于基于容器的应用程序。了解应用程序中内存消耗的来源可以帮助我们了解内存需求，并通过消除不必要的消耗来降低应用程序成本。

检查内存消耗时，需要查明所有类型的内存及其来源。堆转储分析可以查明堆内存消耗源，Jemalloc和Jeprof在查明本机内存消耗源方面非常有用。