内存泄漏是缓慢积累的“慢性病”，表现为老年代使用率持续抬升、full gc频次激增但回收量微小、堆内存呈台阶式上升、响应变慢而cpu不高；需用jstat观察ou阶梯上升趋势，结合heap dump与mat分析定位静态集合、threadlocal等高频泄漏点。
内存泄漏在JVM中不是突然爆发的故障，而是缓慢积累的“慢性病”。它不会立刻报错，但会让老年代内存使用率持续抬升、Full GC越来越频繁却收效甚微，最终以 java.lang.OutOfMemoryError: Java heap space 收场。真正棘手的是：OOM只是结果，泄漏点往往藏在业务逻辑深处，和报错堆栈毫无关系。
看懂内存泄漏的典型信号
别等OOM才行动。以下现象出现任意一项，就该启动排查：
-
老年代使用率（OU）持续爬升：用
jstat -gcutil <pid> 2000</pid>观察，如果 O 列（Old Gen 使用率）每次 Full GC 后只回落一点点，且最低值逐轮抬高，基本可断定存在堆内泄漏； -
Full GC 频次激增但回收量很小：
jstat -gc <pid></pid>中 FGC 次数快速增加，而 OGCMN/OGCMX 不变、OU 却逼近上限，说明老年代对象“死而不僵”； - 堆内存呈“锯齿状上升”趋势：监控图表里，每次 GC 后的内存底边像台阶一样一阶阶抬高，这是最直观的泄漏画像；
- 应用响应变慢、吞吐下降，但 CPU 并不高：GC 停顿时间（FGCT）明显拉长，线程大量阻塞在 safepoint，不是计算瓶颈，而是被 GC 拖累。
用 jstat 快速定位泄漏区域
jstat 是线上诊断的第一把快刀，无需重启、无侵入、开销极低。关键不是看单次数值，而是盯住变化趋势：
- 执行
jstat -gcutil <pid> 1000</pid>，每秒刷新一次，重点关注 E（Eden）、O（Old）、YGC、FGC 四列； - 若 E 频繁打满、YGC 很多但对象总往老年代送，可能是对象存活时间过长（如大对象直接分配、Minor GC 晋升阈值设置不合理）；
- 若 O 持续上涨、FGC 越来越密、FGCT 越来越长，说明老年代里有对象长期驻留——这就是泄漏的主战场；
- 配合
jstat -gccapacity <pid></pid>确认各代容量是否动态调整（G1 下通常固定），排除因扩容导致的假阳性。
抓取并分析堆转储（Heap Dump）
确认泄漏存在后，必须拿到“案发现场”的快照。优先使用自动触发方式，确保捕获到 OOM 前一刻的状态：
- 启动参数加
-XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=/data/dump/，所有生产服务都应默认开启； - 若尚未OOM但已高度怀疑，可用
jmap -dump:live,format=b,file=heap.hprof <pid></pid>手动抓取（注意：该操作会短暂 STW，避开业务高峰）； - 用 MAT（Memory Analyzer Tool）打开 hprof 文件，首选 Leak Suspects Report —— 它会自动扫描并标出最可能的泄漏嫌疑对象及引用链；
- 深入看 Dominator Tree，按 retained heap 排序，找到占用内存最大的对象类型，再右键 → “Show Objects by Class” → 查看具体实例的引用路径，一直追溯到 GC Root。
聚焦高频泄漏场景与代码特征
80% 的泄漏集中在几类模式，看到对应代码要立刻警觉：
-
静态集合无清理：
private static Map, ?> cache = new HashMap();类型，只 put 不 remove，生命周期与 ClassLoader 绑定； -
ThreadLocal 未 remove：尤其在线程池复用场景下，
threadLocal.set(x);后没跟threadLocal.remove();，导致上一个请求的数据滞留在线程中； - 监听器/回调注册后未注销：Spring EventListener、Netty ChannelHandler、GUI 事件绑定等，注册容易，反注册常被遗忘；
-
缓存无淘汰机制：
new ConcurrentHashMap()或本地 Guava Cache 未设 maximumSize/expiryPolicy，数据只进不出； -
未关闭的 NIO 资源：
ByteBuffer.allocateDirect()分配的直接内存，或FileChannel/SocketChannel未显式 close，引发 Direct buffer memory OOM。
