MAT（Memory Analyzer Tool）深度分析实录

xulihua2

165人浏览 · 2026-09-19 00:19:00

xulihua2 · 2026-09-19 00:19:00 发布

将几个 G 大小的 .hprof 快照文件下载并导入 Eclipse MAT 工具进行排查。

[GC Roots (静态变量 / 活动线程)]
│ (Strong Reference 强引用链路未切断)
▼
[com.example.billing.service.ReportExportService]
│
▼
[java.util.concurrent.ConcurrentHashMap]
│ (持有 2,500,000+ 个 Entry)
▼
[com.example.billing.dto.FinancialRecordDTO] <-- 吞噬 3.2GB 内存

查看 Leak Suspects 报告
MAT 打开后首先分析内存泄漏疑似点。报告首行给出明确警告：

“The class java.util.concurrent.ConcurrentHashMap, loaded by , occupies 3,421,123,072 bytes (78.34%) of memory. The memory is accumulated in one instance of com.example.billing.service.ReportExportService.”

借助 Dominator Tree（支配树）定位大对象

展开 Dominator Tree，按 Retained Heap（保留内存大小）降序排列。

发现单一集合实例占用近 3.4GB 内存。集合内部塞满了 250 万个 FinancialRecordDTO 对象，每个对象包含上百个明细字段。

检查 Path to GC Roots（排查无法释放的原因）

右键该对象 -> Path To GC Roots -> 选择 exclude all phantom/weak/soft references（排除虚/弱/软引用）。

追踪出的引用链清晰显示：该集合被一个声明为 @Service 的 Spring 单例 Bean 内部的 private final Map<String, List> cacheMap 强引用所持有。

四、代码根因分析与代码重构

【问题代码还原】
研发团队为了加速“月末多维度财务报表导出”的性能，编写了类似如下逻辑：

Java

@Service
public class ReportExportService {
// 危险：常驻单例内存的静态/属性级缓存，且无淘汰机制
private final Map<String, List> exportTaskCache = new ConcurrentHashMap<>();

public void processExport(String taskId, List<Long> recordIds) {
    // 每次导出拉取全量明细并无脑堆积在内存 Map 中
    List<FinancialRecordDTO> records = financialRecordMapper.batchSelect(recordIds);
    exportTaskCache.put(taskId, records);
    
    // 异步线程处理导出文件...
    // 关键缺陷：任务异常终止或导出成功后，未在 finally 块中调用 exportTaskCache.remove(taskId)！
}

}
【重构与优化方案】

杜绝使用无界 JVM 本地集合做缓存：若必须使用单机内存缓存，使用带最大容量限制和 TTL 自动驱逐策略的 Caffeine 替代原生 Map。

大数据量流式导出：避免将百万级大集合一次性 Load 进内存，改用 MyBatis 的 ResultHandler 配合 EasyExcel 进行流式写出。

Java

// 正确做法：使用带上限与淘汰策略的 Caffeine Cache 兜底
private final Cache<String, List> safeTaskCache = Caffeine.newBuilder()
.maximumSize(500)
.expireAfterWrite(10, TimeUnit.MINUTES)
.recordStats()
.build();

// 大数据量流式导出（降低 JVM 峰值压力）
public void streamExport(HttpServletResponse response) throws IOException {
response.setContentType(“application/vnd.openxmlformats-officedocument.spreadsheetml.sheet”);

// 使用流式写出，内存中常驻仅数十条记录
ExcelWriter excelWriter = EasyExcel.write(response.getOutputStream(), FinancialRecordDTO.class).build();
WriteSheet writeSheet = EasyExcel.writerSheet("财务明细").build();

// 流式遍历游标查询，逐批次写入磁盘/网络 IO，避免一次性消耗堆内存
financialRecordMapper.selectWithStream(resultContext -> {
    FinancialRecordDTO record = resultContext.getResultObject();
    excelWriter.write(Collections.singletonList(record), writeSheet);
});

excelWriter.finish();

}
五、生产环境高频 OOM 避坑清单

ThreadLocal 忘记 remove()：在线程池环境下，核心线程复用导致线程私有变量生命周期无限延长，其持有的上下文对象永远无法被 GC。

滥用堆外内存（DirectBuffer / Netty）：未限制堆外内存大小（-XX:MaxDirectMemorySize），Native 内存耗尽触发操作系统直接杀死进程，且堆快照中看不到异常。