一次OOM分析-ByteArrayOutPutStream#write引起

2024-03-29 11:38

本文主要是介绍一次OOM分析-ByteArrayOutPutStream#write引起,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

本文产生的原因

上传一个大文件文件的时候报了OOM
在这里插入图片描述

查看代码

以前的上传代码中使用了

URL url = new **URL**(urlStr);
conn = (HttpURLConnection) url.openConnection();
....省略
out = conn.getOutputStream();
conn.setRequestMethod("POST");
conn.connect();
byte[] bufferOut = new byte[1024 * 1024];
int bytes = 0;while ((bytes = in.read(bufferOut)) != -1) {out.write(bufferOut, 0, bytes);}

查看源码

顺着OOM时候的堆栈,查看源码。
write的时候 PosterOutputStream作为ByteArrayOutPutStream的子类,直接使用了super.write,所以直接查看ByteArrayOutPutStream#write(byte b[], int off, int len)即可
在这里插入图片描述
write的时候,将目标数据(数组)写入到ByteArrayOutputStream#buf中,若buf不够大,则扩容至2倍。
注意:扩容时,需要3倍的内存才能成功扩容。

ByteArrayOutPutStream#write源码

public synchronized void write(byte b[], int off, int len) {if ((off < 0) || (off > b.length) || (len < 0) ||((off + len) - b.length > 0)) {throw new IndexOutOfBoundsException();}**ensureCapacity**(count + len);System.arraycopy(b, off, buf, count, len);count += len;
}private void ensureCapacity(int minCapacity) {// overflow-conscious codeif (minCapacity - buf.length > 0)grow(minCapacity);
}
private void grow(int minCapacity) {// overflow-conscious codeint oldCapacity = buf.length;int newCapacity = oldCapacity << 1;//增长为2倍if (newCapacity - minCapacity < 0)newCapacity = minCapacity;if (newCapacity - MAX_ARRAY_SIZE > 0)newCapacity = hugeCapacity(minCapacity);buf = Arrays.copyOf(buf, newCapacity);//新的数组最少需要旧数组两倍的内存
}

为何会使用到PosterOutputStream

getOutPutStream的时候,若不是streaming,就使用PosterOutputStream
#TODO 链接

public boolean streaming() {return this.fixedContentLength != -1 || this.fixedContentLengthLong != -1L || this.chunkLength != -1;}

在这里插入图片描述

解决方式ByteArrayOutPutStream#write引起的OOM

1.设置超大内存。按照最坏情况估计,设置为最大上传文件的3倍内存。(ps:这里仅仅考虑了扩容时的内存,需要再添加一些内存为其他数据)
2.使用conn.setFixedLengthStreamingMode或者conn.setChunkedStreamingMode,避免使用ByteArrayOutPutStream。ps:需要目标服务器支持。

本地测试

java版本:java8
启动参数:-XX:+UseConcMarkSweepGC -Xmx400m -Xms400m -Xmn30m -XX:+PrintGCDetails -XX:+PrintGCDateStamps -Xloggc:G:/学习/gclog.log -XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=G:/学习/dump.hprof

参数说明:
-Xmx400m -Xms400m 最大堆内存 400M,最小堆内存400M, 老年代=400m-30m=370m
-Xmn30m 新生代30M 默认 SurvivorRatio 8, eden:s0:s1为8:1:1,所以新生代为9,即30m*0.9=27m
MetaspaceSize 为本地内存。 非堆。

打算上传的a.apk只有345M ,堆内存400M,老年代370M,看起来是够的

    public static void main(String[] args) throws IOException {File file = new File("G:/学习/a.apk");System.out.println(file.length()/1024/1024);FileInputStream fileInputStream = new FileInputStream(file);OutputStream out = new ByteArrayOutputStream();byte[] bytesRead = new byte[1024*1024*8];int n = 0;int times = 0;while ((n = fileInputStream.read(bytesRead)) != -1) {try { TimeUnit.SECONDS.sleep(3); } catch (InterruptedException e) { e.printStackTrace(); }System.out.println(++times*8 + "m");out.write(bytesRead, 0, n);}System.out.println("----"+((ByteArrayOutputStream) out).size()/1024/1024);}

使用jmap -heap jpsid查看堆内存

在这里插入图片描述

使用JVisualVM查看堆内存增长

在这里插入图片描述
在128M 即将申请256M内存之前,先尝试回收内存。回收后
137.8M, 370-137.8=242.2M, 老年代仍小于256M ,因此OOM。
在这里插入图片描述
gc日志
gclog.log中
[ParOldGen: 253984K->141506K(378880K) 可以看出,老年代内存从248M回收到了137.8M。

2019-10-23T16:57:15.205+0800: 51.679: [Full GC (Allocation Failure) [PSYoungGen: 2312K->0K(27136K)] [ParOldGen: 253984K->141506K(378880K)] 256296K->141506K(406016K), [Metaspace: 9290K->9290K(1058816K)], 0.0327092 secs] [Times: user=0.08 sys=0.00, real=0.03 secs] 
2019-10-23T16:57:15.238+0800: 51.712: [GC (Allocation Failure) [PSYoungGen: 0K->0K(27136K)] 141506K->141506K(406016K), 0.0109249 secs] [Times: user=0.05 sys=0.00, real=0.01 secs] 
2019-10-23T16:57:15.249+0800: 51.723: [Full GC (Allocation Failure) [PSYoungGen: 0K->0K(27136K)] [ParOldGen: 141506K->141136K(378880K)] 141506K->141136K(406016K), [Metaspace: 9290K->9147K(1058816K)], 0.0228731 secs] [Times: user=0.05 sys=0.00, real=0.02 secs] 
HeapPSYoungGen      total 27136K, used 707K [0x00000000fe200000, 0x0000000100000000, 0x0000000100000000)eden space 23552K, 3% used [0x00000000fe200000,0x00000000fe2b0c38,0x00000000ff900000)from space 3584K, 0% used [0x00000000ffc80000,0x00000000ffc80000,0x0000000100000000)to   space 3584K, 0% used [0x00000000ff900000,0x00000000ff900000,0x00000000ffc80000)ParOldGen       total 378880K, used 141136K [0x00000000e7000000, 0x00000000fe200000, 0x00000000fe200000)object space 378880K, 37% used [0x00000000e7000000,0x00000000ef9d4238,0x00000000fe200000)Metaspace       used 9159K, capacity 9426K, committed 9984K, reserved 1058816Kclass space    used 1064K, capacity 1120K, committed 1280K, reserved 1048576K

相关资料

OutputStream OutOfMemoryError when sending HTTP
Understanding the Java Garbage Collection Log
URLConnection 使用流的问题

这篇关于一次OOM分析-ByteArrayOutPutStream#write引起的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/858500

相关文章

Spring Boot Interceptor的原理、配置、顺序控制及与Filter的关键区别对比分析

《SpringBootInterceptor的原理、配置、顺序控制及与Filter的关键区别对比分析》本文主要介绍了SpringBoot中的拦截器(Interceptor)及其与过滤器(Filt... 目录前言一、核心功能二、拦截器的实现2.1 定义自定义拦截器2.2 注册拦截器三、多拦截器的执行顺序四、过

C++ scoped_ptr 和 unique_ptr对比分析

《C++scoped_ptr和unique_ptr对比分析》本文介绍了C++中的`scoped_ptr`和`unique_ptr`,详细比较了它们的特性、使用场景以及现代C++推荐的使用`uni... 目录1. scoped_ptr基本特性主要特点2. unique_ptr基本用法3. 主要区别对比4. u

Nginx内置变量应用场景分析

《Nginx内置变量应用场景分析》Nginx内置变量速查表,涵盖请求URI、客户端信息、服务器信息、文件路径、响应与性能等类别,这篇文章给大家介绍Nginx内置变量应用场景分析,感兴趣的朋友跟随小编一... 目录1. Nginx 内置变量速查表2. 核心变量详解与应用场景3. 实际应用举例4. 注意事项Ng

Java多种文件复制方式以及效率对比分析

《Java多种文件复制方式以及效率对比分析》本文总结了Java复制文件的多种方式,包括传统的字节流、字符流、NIO系列、第三方包中的FileUtils等,并提供了不同方式的效率比较,同时,还介绍了遍历... 目录1 背景2 概述3 遍历3.1listFiles()3.2list()3.3org.codeha

Nginx分布式部署流程分析

《Nginx分布式部署流程分析》文章介绍Nginx在分布式部署中的反向代理和负载均衡作用,用于分发请求、减轻服务器压力及解决session共享问题,涵盖配置方法、策略及Java项目应用,并提及分布式事... 目录分布式部署NginxJava中的代理代理分为正向代理和反向代理正向代理反向代理Nginx应用场景

Redis中的有序集合zset从使用到原理分析

《Redis中的有序集合zset从使用到原理分析》Redis有序集合(zset)是字符串与分值的有序映射,通过跳跃表和哈希表结合实现高效有序性管理,适用于排行榜、延迟队列等场景,其时间复杂度低,内存占... 目录开篇:排行榜背后的秘密一、zset的基本使用1.1 常用命令1.2 Java客户端示例二、zse

Redis中的AOF原理及分析

《Redis中的AOF原理及分析》Redis的AOF通过记录所有写操作命令实现持久化,支持always/everysec/no三种同步策略,重写机制优化文件体积,与RDB结合可平衡数据安全与恢复效率... 目录开篇:从日记本到AOF一、AOF的基本执行流程1. 命令执行与记录2. AOF重写机制二、AOF的

MyBatis Plus大数据量查询慢原因分析及解决

《MyBatisPlus大数据量查询慢原因分析及解决》大数据量查询慢常因全表扫描、分页不当、索引缺失、内存占用高及ORM开销,优化措施包括分页查询、流式读取、SQL优化、批处理、多数据源、结果集二次... 目录大数据量查询慢的常见原因优化方案高级方案配置调优监控与诊断总结大数据量查询慢的常见原因MyBAT

分析 Java Stream 的 peek使用实践与副作用处理方案

《分析JavaStream的peek使用实践与副作用处理方案》StreamAPI的peek操作是中间操作,用于观察元素但不终止流,其副作用风险包括线程安全、顺序混乱及性能问题,合理使用场景有限... 目录一、peek 操作的本质:有状态的中间操作二、副作用的定义与风险场景1. 并行流下的线程安全问题2. 顺

MyBatis/MyBatis-Plus同事务循环调用存储过程获取主键重复问题分析及解决

《MyBatis/MyBatis-Plus同事务循环调用存储过程获取主键重复问题分析及解决》MyBatis默认开启一级缓存,同一事务中循环调用查询方法时会重复使用缓存数据,导致获取的序列主键值均为1,... 目录问题原因解决办法如果是存储过程总结问题myBATis有如下代码获取序列作为主键IdMappe