HeapDump本身是内存快照,不直接显示趋势,但通过多次规律采集并横向对比可识别对象增长、泄漏或异常驻留趋势;需定期在业务关键节点主动采集,结合MAT跨dump分析Retained/Shallow Heap变化及GC Roots引用链,并关联GC日志验证。

HeapDump本身不直接展示“趋势”,它是一次快照,反映的是导出时刻的内存状态。但通过**多次、有规律地采集HeapDump并横向对比**,就能清晰识别对象增长、泄漏或异常驻留的趋势。关键不在单个dump,而在对比分析。
定期采集HeapDump,建立时间维度基线
不能只在OOM时才导出,那样只能看到“结果”,看不到“过程”。应结合业务节奏,在稳定期、高峰期、压测后等节点主动触发:
- 使用 jmap -dump:live,format=b,file=heap_$(date +%s).hprof
手动采集(注意加 live过滤已不可达对象) - 更推荐配置自动触发:启动时添加 -XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=/data/dumps/,再配合定时脚本每2小时执行一次
jmap -dump:live,file=/data/dumps/heap_$(date +%Y%m%d_%H%M).hprof - 确保路径有足够空间,hprof文件通常为堆占用的70%~90%,1GB堆可能生成700MB+ dump
用MAT工具做跨dump对比,聚焦三类变化
将多个dump导入Eclipse Memory Analyzer(MAT),使用 Compare Basket 功能并列打开,重点观察:
- Retained Heap增长最快的类:不是实例数最多,而是“被它直接/间接持有的内存总量”持续变大,比如某缓存Map的Retained Heap从50MB→200MB→800MB,基本锁定问题源头
-
相同类的Shallow Heap增量:例如
char[]实例数从10万→15万→22万,且每个实例平均大小稳定,说明字符串对象在持续创建未释放 -
GC Roots引用链变化:对增长类右键 → Paths to GC Roots → exclude weak/soft references,对比不同dump中“强引用链”的深度和节点类型——若发现越来越多对象被静态集合(如
static Map, ?>)持有,就是典型泄漏信号
关联GC日志,验证内存行为是否匹配
单看dump容易误判。必须同步检查同一时段的GC日志(启用 -XX:+PrintGCDetails -Xloggc:gc.log):
- 如果Old Gen使用率从30%缓慢爬升到95%,且Full GC后仅下降5%,但dump显示某业务对象实例数翻倍 → 基本确认该对象无法被回收
- 若Young GC频率高、Eden区反复打满,但dump里新生代对象大多短命,而Old Gen中
HashMap$Node占比异常高 → 可能是小对象频繁晋升,需调-XX:MaxTenuringThreshold或增大Survivor区 - 注意Metaspace增长趋势:dump中
java.lang.Class实例持续增加,GC日志出现Metaspace GC,说明类加载泄漏(如OSGi、热部署未清理)
识别常见趋势模式及对应动作
实际分析中,高频趋势模式与应对方式如下:
- 线性增长型:某DAO类实例数每小时+200,Retained Heap同步上升 → 检查是否每次请求都new对象未close(如未关闭数据库连接、流)
-
阶梯跃升型:dump时间点对应某定时任务执行后,
ArrayList实例暴增10倍且长期不降 → 定位该任务逻辑,确认是否缓存未清理或分页参数错误导致全量加载 -
周期波动型:每24小时出现一次Old Gen尖峰,dump显示
org.springframework.web.context.request.RequestContextHolder引用大量ThreadLocal变量 → 检查Web容器线程复用机制,确认RequestScope Bean是否正确销毁











