本文目錄一覽：
內存溢出的解決方法
內存溢出是指應用系統中存在無法回收的內存或使用的內存過多，最終使得程序運行要用到的內存大於虛擬機能提供的最大內存。
內存中加載的數據量過於龐大，如一次從數據庫取出過多數據；集合類中有對對象的引用，使用完後未清空，使得JVM不能回收；代碼中存在死循環或循環產生過多重複的對象實體；使用的第三方軟件中的BUG；啟動參數內存值設定的過小；
檢查對數據庫查詢中，是否有一次獲得全部數據的查詢。一般來說，如果一次取十萬條記錄到內存，就可能引起內存溢出。這個問題比較隱蔽，在上線前，數據庫中數據較少，不容易出問題，上線後，數據庫中數據多了，一次查詢就有可能引起內存溢出。因此對於數據庫查詢盡量採用分頁的方式查詢。
檢查代碼中是否有死循環或遞歸調用。
java程序內存溢出一般什麼原因
JVM內存設置小了 或者一次性讀的數據過大 例如list vertor
一、內存溢出類型
1、java.lang.OutOfMemoryError: PermGen space
JVM管理兩種類型的內存，堆和非堆。堆是給開發人員用的上面說的就是，是在JVM啟動時創建；非堆是留給JVM自己用的，用來存放類的信息的。它和堆不同，運行期內GC不會釋放空間。如果web
app用了大量的第三方jar或者應用有太多的class文件而恰好MaxPermSize設置較小，超出了也會導致這塊內存的佔用過多造成溢出，或者tomcat熱部署時侯不會清理前面加載的環境，只會將context更改為新部署的，非堆存的內容就會越來越多。
PermGen space的全稱是Permanent Generation
space,是指內存的永久保存區域，這塊內存主要是被JVM存放Class和Meta信息的,Class在被Loader時就會被放到PermGen
space中，它和存放類實例(Instance)的Heap區域不同,GC(Garbage Collection)不會在主程序運行期對PermGen
space進行清理，所以如果你的應用中有很CLASS的話,就很可能出現PermGen space錯誤，這種錯誤常見在web服務器對JSP進行pre
compile的時候。如果你的WEB APP下都用了大量的第三方jar, 其大小超過了jvm默認的大小(4M)那麼就會產生此錯誤信息了。
一個最佳的配置例子：(經過本人驗證，自從用此配置之後，再未出現過tomcat死掉的情況)
set JAVA_OPTS=-Xms800m -Xmx800m -XX:PermSize=128M -XX:MaxNewSize=256m
-XX:MaxPermSize=256m
2、java.lang.OutOfMemoryError: Java heap space
第一種情況是個補充，主要存在問題就是出現在這個情況中。其默認空間(即-Xms)是物理內存的1/64，最大空間(-Xmx)是物理內存的1/4。如果內存剩餘不到40％，JVM就會增大堆到Xmx設置的值，內存剩餘超過70％，JVM就會減小堆到Xms設置的值。所以服務器的Xmx和Xms設置一般應該設置相同避免每次GC後都要調整虛擬機堆的大小。假設物理內存無限大，那麼JVM內存的最大值跟操作系統有關，一般32位機是1.5g到3g之間，而64位的就不會有限制了。
注意：如果Xms超過了Xmx值，或者堆最大值和非堆最大值的總和超過了物理內存或者操作系統的最大限制都會引起服務器啟動不起來。
垃圾回收GC的角色
JVM調用GC的頻度還是很高的，主要兩種情況下進行垃圾回收：
當應用程序線程空閑；另一個是java內存堆不足時，會不斷調用GC，若連續回收都解決不了內存堆不足的問題時，就會報out of
memory錯誤。因為這個異常根據系統運行環境決定，所以無法預期它何時出現。
根據GC的機制，程序的運行會引起系統運行環境的變化，增加GC的觸發機會。
為了避免這些問題，程序的設計和編寫就應避免垃圾對象的內存佔用和GC的開銷。顯示調用System.GC()只能建議JVM需要在內存中對垃圾對象進行回收，但不是必須馬上回收，
一個是並不能解決內存資源耗空的局面，另外也會增加GC的消耗。
二、JVM內存區域組成
簡單的說java中的堆和棧
java把內存分兩種：一種是棧內存，另一種是堆內存
1。在函數中定義的基本類型變量和對象的引用變量都在函數的棧內存中分配；
2。堆內存用來存放由new創建的對象和數組
在函數（代碼塊）中定義一個變量時，java就在棧中為這個變量分配內存空間，當超過變量的作用域後，java會自動釋放掉為該變量所分配的內存空間；在堆中分配的內存由java虛擬機的自動垃圾回收器來管理
堆的優勢是可以動態分配內存大小，生存期也不必事先告訴編譯器，因為它是在運行時動態分配內存的。缺點就是要在運行時動態分配內存，存取速度較慢；
棧的優勢是存取速度比堆要快，缺點是存在棧中的數據大小與生存期必須是確定的無靈活性。
java堆分為三個區：New、Old和Permanent
GC有兩個線程：
新創建的對象被分配到New區，當該區被填滿時會被GC輔助線程移到Old區，當Old區也填滿了會觸發GC主線程遍歷堆內存里的所有對象。Old區的大小等於Xmx減去-Xmn
java棧存放
棧調整：參數有+UseDefaultStackSize -Xss256K，表示每個線程可申請256k的棧空間
每個線程都有他自己的Stack
三、JVM如何設置虛擬內存
提示：在JVM中如果98％的時間是用於GC且可用的Heap size 不足2％的時候將拋出此異常信息。
提示：Heap Size 最大不要超過可用物理內存的80％，一般的要將-Xms和-Xmx選項設置為相同，而-Xmn為1/4的-Xmx值。
提示：JVM初始分配的內存由-Xms指定，默認是物理內存的1/64；JVM最大分配的內存由-Xmx指定，默認是物理內存的1/4。
默認空餘堆內存小於40%時，JVM就會增大堆直到-Xmx的最大限制；空餘堆內存大於70%時，JVM會減少堆直到-Xms的最小限制。因此服務器一般設置-Xms、-Xmx相等以避免在每次GC
後調整堆的大小。
提示：假設物理內存無限大的話，JVM內存的最大值跟操作系統有很大的關係。
簡單的說就32位處理器雖然可控內存空間有4GB,但是具體的操作系統會給一個限制，
這個限制一般是2GB-3GB（一般來說Windows系統下為1.5G-2G，Linux系統下為2G-3G），而64bit以上的處理器就不會有限制了
提示：注意：如果Xms超過了Xmx值，或者堆最大值和非堆最大值的總和超過了物理內存或者操作系統的最大限制都會引起服務器啟動不起來。
提示：設置NewSize、MaxNewSize相等，”new”的大小最好不要大於”old”的一半，原因是old區如果不夠大會頻繁的觸發”主” GC
，大大降低了性能
JVM使用-XX:PermSize設置非堆內存初始值，默認是物理內存的1/64；
由XX:MaxPermSize設置最大非堆內存的大小，默認是物理內存的1/4。
解決方法：手動設置Heap size
修改TOMCAT_HOME/bin/catalina.bat
在“echo “Using CATALINA_BASE: $CATALINA_BASE””上面加入以下行：
JAVA_OPTS=”-server -Xms800m -Xmx800m -XX:MaxNewSize=256m”
四、性能檢查工具使用
定位內存泄漏：
JProfiler工具主要用於檢查和跟蹤系統（限於Java開發的）的性能。JProfiler可以通過時時的監控系統的內存使用情況，隨時監視垃圾回收，線程運行狀況等手段，從而很好的監視JVM運行情況及其性能。
1. 應用服務器內存長期不合理佔用，內存經常處於高位佔用，很難回收到低位；
2. 應用服務器極為不穩定，幾乎每兩天重新啟動一次，有時甚至每天重新啟動一次；
3. 應用服務器經常做Full GC(Garbage Collection)，而且時間很長，大約需要30-40秒，應用服務器在做Full
GC的時候是不響應客戶的交易請求的，非常影響系統性能。
因為開發環境和產品環境會有不同，導致該問題發生有時會在產品環境中發生，通常可以使用工具跟蹤系統的內存使用情況，在有些個別情況下或許某個時刻確實是使用了大量內存導致out
of memory，這時應繼續跟蹤看接下來是否會有下降，
如果一直居高不下這肯定就因為程序的原因導致內存泄漏。
五、不健壯代碼的特徵及解決辦法
1、儘早釋放無用對象的引用。好的辦法是使用臨時變量的時候，讓引用變量在退出活動域後，自動設置為null，暗示垃圾收集器來收集該對象，防止發生內存泄露。
對於仍然有指針指向的實例，jvm就不會回收該資源,因為垃圾回收會將值為null的對象作為垃圾，提高GC回收機制效率；
2、我們的程序里不可避免大量使用字符串處理，避免使用String，應大量使用StringBuffer，每一個String對象都得獨立佔用內存一塊區域；
String str = “aaa”;
String str2 = “bbb”;
String str3 = str + str2;//假如執行此次之後str
,str2以後再不被調用,那它就會被放在內存中等待Java的gc去回收,程序內過多的出現這樣的情況就會報上面的那個錯誤,建議在使用字符串時能使用StringBuffer就不要用String,這樣可以省不少開銷；
3、盡量少用靜態變量，因為靜態變量是全局的，GC不會回收的；
4、避免集中創建對象尤其是大對象，JVM會突然需要大量內存，這時必然會觸發GC優化系統內存環境；顯示的聲明數組空間，而且申請數量還極大。
這是一個案例想定供大家警戒
使用jspsmartUpload作文件上傳,運行過程中經常出現java.outofMemoryError的錯誤，
檢查之後發現問題：組件里的代碼
m_totalBytes = m_request.getContentLength();
m_binArray = new byte[m_totalBytes];
問題原因是totalBytes這個變量得到的數極大，導致該數組分配了很多內存空間，而且該數組不能及時釋放。解決辦法只能換一種更合適的辦法，至少是不會引發outofMemoryError的方式解決。參考：;id=3747
5、盡量運用對象池技術以提高系統性能；生命周期長的對象擁有生命周期短的對象時容易引發內存泄漏，例如大集合對象擁有大數據量的業務對象的時候，可以考慮分塊進行處理，然後解決一塊釋放一塊的策略。
6、不要在經常調用的方法中創建對象，尤其是忌諱在循環中創建對象。可以適當的使用hashtable，vector
創建一組對象容器，然後從容器中去取那些對象，而不用每次new之後又丟棄
7、一般都是發生在開啟大型文件或跟數據庫一次拿了太多的數據，造成 Out Of Memory Error
的狀況，這時就大概要計算一下數據量的最大值是多少，並且設定所需最小及最大的內存空間值。
如何檢查和解決java虛擬機內存溢出的問題
一，jvm內存區域
1， 程序計數器
一塊很小的內存空間，作用是當前線程所執行的字節碼的行號指示器。
2， java棧
與程序計數器一樣，java棧（虛擬機棧）也是線程私有的，其生命周期與線程相同。通常存放基本數據類型，對象引用（一個指向對象起始地址的引用指針或一個代表對象的句柄），reeturnAddress類型（指向一條字節碼指令的地址）
棧區域有兩種異常類型：如果線程請求的棧深度大於虛擬機所允許的深度，將拋StrackOverflowError異常；如果虛擬機棧可以動態擴展（大部分虛擬機都可動態擴展），當擴展時無法申請到足夠的內存時會拋出OutOfMemoryError異常。
3， 本地方法棧
與虛擬機棧作用很相似，區別是虛擬機棧為虛擬機執行java方法服務，而本地方法棧則是為虛擬機用到的Native方法服務。和虛擬機棧一樣可能拋出StackOverflowError和OutOfMemoryError異常。
4， java堆
java
Heap是jvm所管理的內存中最大的區域。JavaHeap是被所有線程共享的一塊內存區域，在虛擬機啟動時創建。主要存放對象實例。JavaHeap
是垃圾收集器管理的主要區域，其可細分為新生代和老年代。如果在堆中沒有內存完成實例分配，並且也無法再擴展時，會拋出OutOfMemoryError
異常。
5， 方法區
與javaHeap一樣是各個線程共享的內存區域，用於存放已被虛擬機加載的類信息、常量、靜態變量、及時編譯器編譯後的代碼等數據。當方法區無法滿足內
存分配的需求時，將拋出OutOfMemoryError異常。方法同時包含常聽說的運行時常量池，用於存放編譯期生成的各種字面量和符號引用。
6， 直接內存
直接內存並不是虛擬機運行時數據區的一部分，也不是java虛擬機規範中定義的內存區域，是jvm外部的內存區域，這部分區域也可能導致OutOfMemoryError異常。
二，jvm參數
-Xss（StackSpace）棧空間
-Xms ，-Xmx（heap memory
space）堆空間：Heap是大家最為熟悉的區域，他是jvm用來存儲對象實例的區域，Heap在32位的系統中最大為2G，其大小通過-Xms和
-Xmx來控制，-Xms為jvm啟動時申請的最小Heap內存，默認為物理內存的1/64，但小於1G，-Xmx為jvm可申請的最大的Heap內存，
默認為物理內存的1/4,一般也小於1G，默認當空餘堆內存小於40%時，jvm會最大Heap的大小到-Xmx指定大小，可通過
-XX:MinHeapFreeRatio來指定這個比例，當空餘堆內存大於70%時，JVM會將Heap的大小往-Xms指定的大小調整，可通過
-XX:MaxHeapFreeRatio來指定這個比例，但通常為了避免頻繁調整HeapSize的大小，將-Xms和-Xmx的值設為相同。
-XX:PermSize -XX:MaxPermSize ：方法區持久代大小： 方法區域也是全局共享的，在一定的條件下它也會被 GC ，當方法區域需要使用的內存超過其允許的大小時，會拋出 OutOfMemory 的錯誤信息。
三，常見內存溢出錯誤解決辦法
1， OutOfMemoryError異常
除了程序計數器外，虛擬機內存的其他幾個運行時區域都有發生OutOfMemoryError(OOM)異常的可能，
Java Heap 溢出
一般的異常信息：java.lang.OutOfMemoryError:Java heap spacess
java堆用於存儲對象實例，我們只要不斷的創建對象，並且保證GC Roots到對象之間有可達路徑來避免垃圾回收機制清除這些對象，就會在對象數量達到最大堆容量限制後產生內存溢出異常。
出現這種異常，一般手段是先通過內存映像分析工具(如Eclipse Memory
Analyzer)對dump出來的堆轉存快照進行分析，重點是確認內存中的對象是否是必要的，先分清是因為內存泄漏(Memory
Leak)還是內存溢出(Memory Overflow)。
如果是內存泄漏，可進一步通過工具查看泄漏對象到GC Roots的引用鏈。於是就能找到泄漏對象時通過怎樣的路徑與GC Roots相關聯並導致垃圾收集器無法自動回收。
如果不存在泄漏，那就應該檢查虛擬機的參數(-Xmx與-Xms)的設置是否適當。
2， 虛擬機棧和本地方法棧溢出
如果線程請求的棧深度大於虛擬機所允許的最大深度，將拋出StackOverflowError異常。
如果虛擬機在擴展棧時無法申請到足夠的內存空間，則拋出OutOfMemoryError異常
這裡需要注意當棧的大小越大可分配的線程數就越少。
3， 運行時常量池溢出
異常信息：java.lang.OutOfMemoryError:PermGen space
如果要向運行時常量池中添加內容，最簡單的做法就是使用String.intern()這個Native方法。該方法的作用是：如果池中已經包含一個等於
此String的字符串，則返回代表池中這個字符串的String對象；否則，將此String對象包含的字符串添加到常量池中，並且返回此String
對象的引用。由於常量池分配在方法區內，我們可以通過-XX:PermSize和-XX:MaxPermSize限制方法區的大小，從而間接限制其中常量
池的容量。
4， 方法區溢出
方法區用於存放Class的相關信息，如類名、訪問修飾符、常量池、字段描述、方法描述等。
異常信息：java.lang.OutOfMemoryError:PermGen space
方法區溢出也是一種常見的內存溢出異常，一個類如果要被垃圾收集器回收，判定條件是很苛刻的。在經常動態生成大量Class的應用中，要特別注意這點。
java內存溢出怎麼解決？
第一對所有的代碼包括頁面中的java代碼都進行一遍徹底的回顧檢查，
1.對那些靜態(static)的對象要特別留神，特別是類型為Map,List,Set的，靜態的變量會一直駐存在內存中，生命周期比較長，不會被垃圾器回收。
2．對於代碼，要審查是否生成了大量的冗餘的對象，還有一些邏輯業務處理的類，
算法是否過於複雜，調整算法，對於代碼認真審查，再仔細重構一遍代碼，能提高代碼質量，提高程序運行穩定性。
3.Java中的內存溢出大都是因為棧中的變量太多了。其實內存有的是。建議不用的盡量設成null以便回收，多用局部變量，少用成員變量。
1），變量所包含的對象體積較大，佔用內存較多。
2），變量所包含的對象生命周期較長。
3），變量所包含的對象數據穩定。
4），該類的對象實例有對該變量所包含的對象的共享需求。
4．在我的程序中對靜態變量的優化後，使程序佔用內存量至少提升了5k-10k。所以也不容忽視。
第二還有就是String類相關的東西：
1．字符串累加的時候一定要用StringBuffer的append方法，不要使用+操作符連接兩個字符串。差別很大。而且在循環或某些重複執行的動作中不要去創建String對象，因為String對象是要用StringBuffer對象來處理的，一個String對象應該是產生了 3個對象（大概是這樣：））。
2．字符串length()方法來取得字符串長度的時候不要把length放到循環中，可以在循環外面對其取值。(包括vector的size方法)。特別是循環次數多的時候，盡量把length放到循環外面。
int size = xmlVector.size();
for (int i = 2; i size; i++) {
。。。
}
3 寫代碼的時候處理內存溢出
try{
//do sth
….
}catch (outofmemoryerror e){//可以用一個共通函數來執行.
system.out.print (“no memory! ”);
system.gc();
//do sth again
….
} 4.對於頻繁申請內存和釋放內存的操作,還是自己控制一下比較好,但是System.gc()的方法不一定適用，最好使用finallize強制執行或者寫自己的finallize方法。 Java 中並不保證每次調用該方法就一定能夠啟動垃圾收集，它只不過會向JVM發出這樣一個申請，到底是否真正執行垃圾收集，一切都是個未知數。
原創文章，作者：小藍，如若轉載，請註明出處：https://www.506064.com/zh-hant/n/311240.html
微信掃一掃 
支付寶掃一掃 