JVM 性能诊断

JVM参数

JVM 参数数量极多（官方文档中可配置参数超过千个），且不同 JDK 版本（如 JDK8/JDK11/JDK17）的参数支持存在差异（部分参数被废弃、新增或重命名）

参数的分类

• 标准参数：以 - 开头，所有 JDK 版本通用，稳定且向后兼容（不会轻易废弃），主要用于基础配置。java -help
• 非标准参数：以 -X 开头，特定 JDK 版本支持，可能在后续版本中调整，用于内存、GC 等核心配置。通过java -X查看非标准参数
• 高级参数：以 -XX: 开头，用于细粒度控制 JVM 内部行为（如 GC 算法、编译阈值），通过java -XX:+PrintFlagsFinal当前 JDK 版本支持的所有-XX:开头的高级参数（包括默认值、是否可修改）。
• 设置系统属性：以-D开头，在 Java 代码中，通过 System.getProperty() 方法读取，非jvm参数

核心 JVM 参数

内存配置参数：

垃圾回收（GC）参数：指定GC、GC 调优参数

JIT 编译参数：

监控与诊断参数（问题排查）：

常见问题

OOM（Out of Memory，内存溢出）

• 内存泄漏：程序申请的内存使用完毕后，无法被垃圾回收器（GC）回收，未关闭的资源句柄、静态集合类滥用、对象生命周期过长、匿名内部类 / 闭包引用：匿名内部类会隐式引用外部类对象。
• JVM内存配置过低：堆内存（Heap）栈内存（Stack）配置不足
• 高并发 / 峰值流量冲击

频繁 GC（垃圾回收） 

GC 执行次数异常增多、单次 GC 耗时过长（或总耗时占比过高），最终可能导致应用响应延迟、吞吐量下降，甚至触发 OOM（内存溢出）。日志中出现 GC overhead limit exceeded。

JDK 自带工具（轻量、无依赖）

jps

查看当前运行的 Java 进程 ID（PID）

jps -l（显示进程 PID 和主类名）

jstat

实时监控 JVM 内存、GC 统计信息;

jstat -gcutil 12345 1000 10（每 1 秒输出 1 次，共 10 次，12345 为 PID）

options

-class :类加载相关（-class）,监控类加载、卸载数量及耗时
-compiler：编译相关，查看 JIT 编译统计：编译成功/失败方法
-gc：堆内存各区域 GC 统计
-gccapacity ：堆内存各区域容量变化
-gccause
-gcmetacapacity
-gcnew
-gcnewcapacity
-gcold
-gcoldcapacity
-gcutil ：堆内存使用率统计
-printcompilation：查看当前被 JIT 编译的方法信息：

jmap

生成堆内存快照（dump 文件）、查看内存分布

jstack -l 12345 > thread.dump（生成线程快照并保存到文件）

定位死锁、线程阻塞、热点方法

jinfo

查看 / 修改 JVM 运行时参数

jinfo -flags 12345（查看 JVM 启动参数）jinfo -sysprops 12345（查看系统属性）

确认 JVM 参数是否正确配置

MAT（Memory Analyzer Tool）

堆快照分析（内存泄漏、大对象、对象引用链）

自动检测内存泄漏点、生成分析报告

APM工具

（Application Performance Monitoring，应用性能监控）有全链路APM、前端APM、后端APM、基础设施APM 等。

全链路 APM

是目前最主流的类型，支持跨服务、跨层级的性能追踪（从用户请求发起→前端→API 网关→微服务→数据库→缓存→基础设施），核心是通过 “分布式追踪” 技术串联整个请求链路。

SkyWalking：1. 支持 Java、Go、Python 等多语言；2. 轻量级（Agent 低侵入）；3. 内置链路追踪、指标分析、日志联动；4. 支持 K8s、云原生环境；适用场景：微服务架构、云原生应用、多语言混合项目

后端 APM 工具（聚焦服务 / 数据库性能）

Prometheus + Grafana：1. 开源组合，Prometheus 负责指标采集（时序数据），Grafana 负责可视化；2. 支持自定义指标、告警规则；3. 云原生生态核心工具；适用场景：基础设施监控、后端服务指标监控（如接口 QPS、延迟）

基础

匿名内部类

匿名内部类是定义在外部类的方法体、代码块或表达式中的局部内部类，没有显式的类名，其声明和实例化必须在外部类的内部完成。

匿名内部类可以直接访问外部类的所有成员（包括私有成员private）

访问外部类的局部变量时，变量必须是final或 “事实上的 final”（Java 8+）

非静态匿名内部类（大多数情况）依赖于外部类的实例，持有外部类实例的引用。如果外部类实例被销毁，匿名内部类实例也会失去有效的外部引用。

静态匿名内部类（极少使用，需定义在静态上下文中）：不依赖外部类实例，只能访问外部类的静态成员

匿名内部类必须继承一个类或实现一个接口

// 匿名内部类继承父类
public class OuterClass {public void test() {Object obj = new Object() { // 继承Object类@Overridepublic String toString() {return "匿名内部类的toString()";}};System.out.println(obj.toString()); // 输出：匿名内部类的toString()}
}

JIT 的工作原理

JVM 启动时，首先通过解释器执行字节码（启动速度快）。同时，JVM 内置的热点探测器（HotSpot Detector）会监控代码执行情况，识别出两类 “热点代码”：

1. 被多次调用的方法（方法调用次数达到阈值）。
2. 被多次执行的循环体（循环执行次数达到阈值）。

当代码被判定为热点后，JIT 编译器会将其编译为本地机器码，并优化（如消除冗余计算、循环展开等），之后该代码的执行会直接使用编译后的机器码。

HotSpot 是最常用的 JVM 实现（如 Oracle JDK、OpenJDK），它内置了两种 JIT 编译器，C1（Client Compiler）和C2（Server Compiler），在 64 位 JDK 中，默认启用分层编译（Tiered Compilation）：

• 先通过 C1 快速编译热点代码，保证程序尽快进入高效运行状态。
• 对执行频率极高的代码，再由 C2 进行深度优化，进一步提升性能。

优点

• 提升执行效率：热点代码编译为机器码后，执行速度可比解释执行快 10-100 倍。
• 动态优化：能根据运行时数据（如实际输入、分支执行频率）进行针对性优化，这是静态编译（如 C/C++）难以实现的。
• 平衡启动速度与运行性能：解释器保证快速启动，JIT 渐进式优化实现长期高效运行。

缺点

• 编译开销：JIT 编译过程会消耗 CPU 和内存资源，可能导致程序运行初期出现短暂卡顿（尤其是 C2 深度优化时）。
• 内存占用增加：编译后的机器码需要缓存，会占用额外内存。