JRockit Runtime Analyzer记录Java应用程序和JVM的详细运行状态，用于离线分析。JRockit Memory Leak Detector专门用于发现和查找内存泄漏原因，提供趋势分析和详细堆统计信息，帮助快速定位泄漏。通过JRMC，开发人员能够监控和优化JVM性能，确保系统在生产环境中的稳定运行，同时解决开发与测试环境中难以重现的问题。工具的低开销特性使其成为监控和管理生产环境中内存泄漏的理想选择。
-XX：MaxNewSize=512m JVM堆区域新生代内存的最大可分配大小（PermSize不属于堆区）， 生产环境建议设为800M-1024M -XX：MetaspaceSize 表示的并非是元空间的大小，它的含义是：主要控制matesaceGC发生的初始阈值，也就是最小阈值。
然而，将relay_log_recovery设置为ON也会带来问题。当设置为ON时，MySQL在重启或宕机恢复时，会从SQL线程的最后执行位置开始请求binlog，这可能会导致由于之前主备时延大，请求点的binlog已经被主服务器清除，从而导致主备复制关系异常。因此，生产环境中通常会将relay_log_recovery设置为OFF。
Kubernetes 的复杂性意味着问题可能出现在单个容器、Pod、控制或控制平面组件，甚至这些组件的组合。即使是小型本地集群，诊断和修复都具有挑战性，而大规模生产环境中的问题可能会更为棘手。但幸运的是，我们有策略来应对这些挑战。
从JDK8 开始，JVM 将原来存放 klass 元数据的永久代 Perm 换成了本地元空间 Metaspace，Perm 时期会为klass元数据分配一块内存，如果设置不够用就会抛出 OOM，Metaspace 的出现希望能解决这个问题，Metaspace 确实可以最大限度来使用堆外的内存，但是挺遗憾，还是有一些参数会导致 Metaspace 抛出 OOM。
挑选的过程由linux/mm/oom_kill.c里的 oom_badness（） 函数决定，挑选的算法很直接：是那个最占用内存的进程。/ test 2334 6 1 623800 4876 ？ Ssl 09：52 0：00 /usr/sbin/test 0 当然，也可以完全关闭 OOM killer，但线上生产环境最好不要这么做。
1、Java OOM的三大典型场景及解决方案如下： 堆内存溢出 场景描述：当JVM试图为新对象分配空间但堆内存不足时，会发生堆内存溢出。 解决方案： 实时监控内存使用：通过监控工具实时了解应用的内存使用情况。 分析堆转储文件：利用在线和离线工具分析堆转储文件，找出内存泄漏的源头。
2、场景一：堆内存溢出这是最常见的oom场景，当JVM试图分配新对象空间但堆内存不足时发生。例如，运行某些内存消耗大的代码可能导致堆内存溢出。解决方法包括实时监控内存使用、在线和离线分析堆转储文件、调整JVM参数以捕获堆转储，以及利用jmap等命令行工具。
解决情况一：通过调整JVM配置来解决，如检查是否有大内存使用或死循环代码。情况二：java.lang.OutOfMemoryError： GC overhead limit exceeded。是JDK6新增的错误类型，表示当GC释放很小空间时，占用的时间过长。解决方法是增加堆内存大小。情况三：P区内存不足。
堆内存溢出 场景描述：当JVM试图为新对象分配空间但堆内存不足时，会发生堆内存溢出。 解决方案： 实时监控内存使用：通过监控工具实时了解应用的内存使用情况。 分析堆转储文件：利用在线和离线工具分析堆转储文件，找出内存泄漏的源头。 调整JVM参数：调整JVM参数以捕获堆转储，便于后续分析。
这样就会出现堆溢出的错误，然后根据堆溢出的问题来处理。 优化代码，检查新生代，老年代中对象是否正常，是否有过多的对象无法释放。 dump内存，检查是否存在内存泄露，如果没有，加大内存。 本文讲解了几种内存溢出的情况，以及相对应的解决思路。其中常见的错误是堆溢出和线程过多的OOM。
场景一：堆内存溢出这是最常见的oom场景，当JVM试图分配新对象空间但堆内存不足时发生。例如，运行某些内存消耗大的代码可能导致堆内存溢出。解决方法包括实时监控内存使用、在线和离线分析堆转储文件、调整JVM参数以捕获堆转储，以及利用jmap等命令行工具。
根据代码审查和GC日志的分析结果，制定针对性的解决方案。如优化数据库查询逻辑，减少内存占用；调整GC策略，提高内存回收效率等。实施与验证：在测试环境中实施解决方案，并进行充分的测试验证。确保解决方案有效且不会引入新的问题。在生产环境中部署解决方案，并持续监控内存使用情况，确保系统稳定运行。
在日常工作中，我们经常会遇到OOM异常，下面来记录并分享下对OOM异常的处理方法：OOM是比较常见的内存溢出问题。首先，应该先确认是内存泄漏问题还是内存溢出问题。
1、在SpringBoot中，@Async默认线程池导致OOM的问题可以通过以下方式解决：自定义线程池：使用ThreadPoolTaskExecutor来自定义线程池，通过配置核心线程数、最大线程数、队列容量等参数，限制线程池中的线程数量，从而避免线程创建过多导致的内存溢出。
2、面临问题 在进行项目测试时，我们遇到了内存溢出（OOM）问题，具体日志显示为“unable to create new native thread”。该项目使用SpringBoot架构，我们通过Jstack工具分析，发现大量线程处于可运行状态，表明线程创建量过大。
3、面对OOM问题，开发者通常需要找到引发内存溢出的原因并进行修复。这可能涉及到优化代码、减少不必要的内存使用、增加系统内存或调整JVM的内存设置等。同时，用户也可以通过关闭一些不必要的程序或进程来释放系统资源，减轻内存压力。总之，OOM是一个关于系统内存的术语，表示内存溢出的情况。
