Java所占内存中神奇的64MB

一 前言

在生产环境，Java应用程序设置了最大JVM内存后，经常发现实际使用的内存，可能超过设置的JVM最大内存数jmap -heap pid 通过这个命令可以方便查看java的内存分配情况。一般情况下，是因为系统使用了堆外内存，比如使用了netty框架，里面就使用了堆外内存，堆外内存减少了java的heap和系统直接内存的复制，所以在网络应用中作为连接的缓存使用比较合适。堆外内存默认使用的最大大小是JVM虚拟机的最大内存大小，当然可以通过-XX:MaxDirectMemorySize来限定最大大小，有些情况有效，有些情况无效，无效的情况下，此篇文章是针对无效的一种可能情况分析。

二 堆外内存使用查看

由于堆外内存是调用系统默认的内存分配器分配内存的，所以查看内存不能仅从java上面看，最好还要看下各类内存占用情况分类，可以用pmap 命令或者直接cat /proc/pid/maps 来查看内存来的更直接：

[root@izbp14xswj2tx6qgnz9dllz ~]# pmap 2888|grep anon
0000000000ed3000    132K rw---   [ anon ]
00007efea4461000     20K rw---   [ anon ]
00007efea4c70000     84K rw---   [ anon ]
00007efea4e97000     20K rw---   [ anon ]
00007efea4ea4000      8K rw---   [ anon ]
00007efea4ea8000      4K rw---   [ anon ]
00007fff795e9000      8K r-x--   [ anon ]
ffffffffff600000      4K r-x--   [ anon ]

来查看内存分配，匿名内存多数是不是文件或动态库映射的内存，申请的heap内存就在这里面。
为了方便说明，我写个java的测试程序，代码如下：

import java.nio.ByteBuffer;
import java.util.ArrayList;
import java.util.List;
import java.util.concurrent.CountDownLatch;

public class test   {

    private static int i;
    private static CountDownLatch cd = new CountDownLatch(10);

    public static void main(String[] args) throws InterruptedException {
        int i = 0;
        CountDownLatch cd = new CountDownLatch(10);
        List<Thread> lst = new ArrayList<>();
        for (int j = 0; j < 10; j++) {
            lst.add(new Thread() {
                @Override
                public void run() {
                    System.out.println("Thread" + Thread.currentThread().getName()+"Start.");
                    ByteBuffer buffer = ByteBuffer.allocateDirect(1);
                    try {
                        Thread.sleep(500000);
                        cd.countDown();
                        System.out.println("Thread" + Thread.currentThread().getName()+"Over.");
                    } catch (InterruptedException e) {
                        e.printStackTrace();
                    }

                }
            });
        }
        for (Thread thread : lst) {
            thread.start();
        }
        cd.await();
        System.out.println("Running is over!");
    }
}

如果直接简单编译运行：

javac test.java
java test

这时候直接用top看占用内存大概为19MB左右，但是用pmap去查看的时候觉得有些异常，显示大概如下：

[root@localhost ~]# pmap 10377
10377:   java -Xmx1g -XX:NativeMemoryTracking=summary test
0000000000400000      4K r-x-- java
0000000000600000      4K rw--- java
0000000001d46000    132K rw---   [ anon ]
00000000c0000000 339968K rw---   [ anon ]
00000000d4c00000 359424K -----   [ anon ]
00000000eab00000 169984K rw---   [ anon ]
00000000f5100000 179200K -----   [ anon ]
...
...
ffffffffff600000      4K r-x--   [ anon ]
 total          4220956K

占用内存4220956K，明显比我们内存中申请的要多的多，算起来有4GB，虽然没有真正使用，但是占这么多内存，也有点奇怪，来分析下内存：

[root@localhost ~]# pmap 10377|grep anon|grep 65404K
00007fe270021000  65404K -----   [ anon ]
00007fe274021000  65404K -----   [ anon ]
00007fe278021000  65404K -----   [ anon ]
...

统计下：

[root@localhost ~]# pmap 10377|grep anon|grep 65404K|wc -l
22

这些匿名的内存65404K 即是神秘的64MB内存，这些内存来自哪里那？原来是java堆外内存，调用系统的默认的c的内存分配器来分配内存，glibc在 2.11版本以后，其内存分配器ptmalloc2为每个线程都分配了一个thread arena，以前只有一个main thread arena。

一个32位的应用程序进程，最大可创建 2 CPU总核数个arena内存池（MALLOC_ARENA_MAX），每个arena内存池大小为1MB。
一个64位的应用程序进程，最大可创建 8 CPU总核数个arena内存池（MALLOC_ARENA_MAX），每个arena内存池大小为64MB

三 如何解决

3.1 更改配置参数

我们可以限制arena内存池的总个数，通过设置环境变量来更改：

export MALLOC_ARENA_MAX=4

3.2 用TCMalloc内存分配器来替换ptmalloc2

TCMalloc 库全称Thread-Caching Malloc 是谷歌开源工具google-perftools中的成员，是一个内存分配器，这个内存分配器与我们上面说的linux系统下默认的glibc中的ptmalloc2内存分配器有什么不同那。
主要优点：

• tcmalloc 一次malloc或free操作更快，据说ptmalloc2需要300ns，tcmalloc 需要50ns。
• tcmalloc 优化小对象的存储，需要更少的空间。
• tcmalloc 对多线程分配内存，小对象基本不存在锁竞争，因为分配器会给现场分配本地缓存，长期空闲的情况下也不会被回收。
  当然也不能无脑的都采用这种方式，因为TCMalloc 虽然适合多线程情况下的小内存分配，但是如果大内存分配，大于256KB的内存分配，性能并没有ptmalloc2好。

四 TCMalloc 安装和使用

4.1 基本前置工具安装：

yum -y install gcc make
yum -y install gcc gcc-c++
yum -y perl

4.2 libunwind 安装

这个为什么安装我不是太明白，在64位系统下必须安装，据说gperftools使用glibc内置的stack-unwinder可能会引发死锁。

wget http://download.savannah.gnu.org/releases/libunwind/libunwind-1.1.tar.gz
tar xvf libunwind-1.1.tar.gz
cd libunwind-1.1
./configure && make && make install

4.3 安装perftools

 wget http://code.google.com/p/google-perftools/gperftools-2.7.tar.gz

tar zxvf google-perftools-2.7.tar.gz
./configure
make
make install

4.4 java使用

export LD_PRELOAD="/usr/local/lib/libtcmalloc.so"; java -Xmx1g  -XX:NativeMemoryTracking=summary  test

再次通过pmap去查看内存,虚拟内存占用会少很多，也看出里面已经使用了tcmalloc

[root@localhost soft]# pmap -p 17484
17484:   java -Xmx1g -XX:NativeMemoryTracking=summary test
0000000000400000      4K r-x-- /usr/java/jdk1.8.0_77/bin/java
0000000000600000      4K rw--- /usr/java/jdk1.8.0_77/bin/java
...
00007fd904341000    280K r-x-- /usr/local/lib/libtcmalloc.so.4.5.3
00007fd904387000   2044K ----- /usr/local/lib/libtcmalloc.so.4.5.3
00007fd904586000      4K r---- /usr/local/lib/libtcmalloc.so.4.5.3
00007fd904587000      4K rw--- /usr/local/lib/libtcmalloc.so.4.5.3
...
00007ffdebdcc000      8K r-x--   [ anon ]
ffffffffff600000      4K r-x--   [ anon ]
 total          2612376K

长期使用，可以用：

export LD_PRELOAD=/usr/local/lib/libtcmalloc.so

如果需要调试可以通过下面文件生成profile文件：

mkdir  /home/logs/gperftools/tcmalloc/heap  
chmod 0777 /home/logs/gperftools/tcmalloc/heap  
export HEAPPROFILE=/home/logs/gperftools/tcmalloc/heap

分析这些文件通过：

pprof --pdf  java xxx.heap > xxx.pdf

4.5 C 程序使用

编译时候连接下：

g++ main.cpp -o main -ltcmalloc -g -O0

五 诗词欣赏

八归·秋江带雨
[宋] [史达祖] 

秋江带雨，寒沙萦水，人瞰画阁愁独。
烟蓑散响惊诗思，还被乱鸥飞去，秀句难续。
冷眼尽归图画上，认隔岸、微茫云屋。
想半属、渔市樵村，欲暮竞然竹。
须信风流未老，凭持酒、慰此凄凉心目。
一鞭南陌，几篙官渡，赖有歌眉舒绿。
只匆匆眺远，早觉闲愁挂乔木。应难奈，故人天际，望彻淮山，相思无雁足。