[图片源：https://bell-sw.com/announcem...]
介绍
相信很多人都知道，云环境中，所有服务都必须作资源限制。内存作为一个重要资源当然不会例外。限制说得容易，但如何在限制的同时，保证服务的性能指标(SLA)就是个技术和艺术活。
为应用内存设置上限，从来不是个容易的事。因为设置上限的理据是：
- 应用程序对内存的使用和回收逻辑，而这个逻辑一般异常地复杂
- 现代操作系统复杂的虚拟内存管理、物理内存分配、回收机制
如果是 Java ，还要加上：
- JVM 中各类型组件的内存管理机制
以上 3 个方面还可以进一步细分。每一个细分都有它的内存机制。而只要我们漏算了其中一个，就有可能让应用总内存使用超限。
而让人揪心的是，当应用总内存使用超限时，操作系统会无情地杀死应用进程(OOM, Out Of Memory)。而很多人对这一无所觉，只知道容器重启了。而这可能是连锁反应的开端：
- 如果容器 OOM 的原因只是个偶然，那还好说。如果是个 BUG 引起的，那么这种 OOM 可能会在服务的所有容器中逐个爆发，最后服务瘫痪
- 原来服务容器群的资源就紧张，一个容器 OOM 关闭了，负载均衡把流量分到其它容器，于是其它容器也出现同样的 OOM。最后服务瘫痪
JVM 是个 Nice 的经理，在发现内存紧张时，就不厌其烦地停止应用线程和执行 GC，而这种内存紧张的信号，在设计界称为“背压(Backpressure)”。
但操作系统相反，是个雷厉风行的司令，一发现有进程超限，直接一枪 OOM Killed。
或者你深入研究过 cgroup memory，它其实也有一个 Backpressure 的通知机制，不过现在的容器和 JVM 均忽略之。
终上所述，容器进程 OOM Kllled 是件应该避免，但需要深入研究才能避免的事情。
网路上，我们可以找到很多现实案例和教训:
Java 内存管理很复杂。我们对它了解越多，应用出现 OOM Killed 的可能性就越低。下面我拿一个遇到的测试案例进行分析。
分析报告分为两个部分:
- 研究应用实测出的指标、内存消耗，内存限制配置
- 潜在的问题和改进建议
测试环境
主机：裸机(BareMetal)
CPU: 40 cores, 共 80 个超线程
Linux:
Kernel: 5.3.18
glibc: libc-2.26.so
Java: 1.8.0_261-b12
Web/Servlet 容器： Jetty配置容量
POD 容量配置
resources:
limits:
cpu: "8"
memory: 4Gi
# 4Gi = 4 * 1024Mb = 4*1024*1024k = 4194304k = 4294967296 bytes = 4096Mb
requests:
cpu: "2"
memory: 4GiJVM 容量配置
开始说 JVM 容量配置前，我假设你已经对 JVM 内存使用情况有个基本印象:
图片源：https://www.twblogs.net/a/5d8...
下面是我在测试环境收集到的配置:
| 配置 | 实际生效配置(Mbyte) | |
|---|---|---|
| Young Heap + Old Heap | -Xmx3G -XX:+AlwaysPreTouch | 3072 |
| MaxMetaspaceSize | [默认] | Unlimited |
| CompressedClassSpaceSize | [默认] | 1024 |
| MaxDirectMemorySize | [默认] | 3072 |
| ReservedCodeCacheSize | [默认] | 240 |
| ThreadStackSize*maxThreadCount | [默认] * 276(实测线程数) | 276 |
| 汇总 | 7684 + (没限制 MaxMetaspaceSize) |
神秘的 MaxDirectMemorySize 默认值
MaxDirectMemorySize 默认值，https://docs.oracle.com/javas... 如事说：
Sets the maximum total size (in bytes) of the New I/O (the java.nio package) direct-buffer allocations. Append the letter k or K to indicate kilobytes, m or M to indicate megabytes, g or G to indicate gigabytes. By 默认, the size is set to 0, meaning that the JVM chooses the size for NIO direct-buffer allocations automatically.
意思就是说了等于没说 🤨。
在我的测试环境中, 我使用 Arthas attached 到 JVM 然后查看内部的静态变量:
[arthas@112]$ dashboard
ognl -c 30367620 '@io.netty.util.internal.PlatformDependent@maxDirectMemory()'
@Long[3,221,225,472]
ognl '@java.nio.Bits@maxMemory'
@Long[3,221,225,472]3221225472/1024/1024 = 3072.0 Mb
如果你想深入，请参考资料:
- http://www.mastertheboss.com/...
https://developer.aliyun.com/...
MaxDirectMemorySize ~= `from -Xmx (Young Heap + Old Heap )` - `Survivor(Young) Capacity` ~= 3G
maxThreadCount 最大线程数来源
既然上面用了 Arthas ， 下面学是继续 Arthas 吧:
[arthas@112]$ dashboard
Threads Total: 276应用使用的是 Jetty， 线程池配置 jetty-threadpool.xml
<Configure>
<New id="threadPool" class="org.eclipse.jetty.util.thread.QueuedThreadPool">
<Set name="maxThreads" type="int"><Property name="jetty.threadPool.maxThreads" deprecated="threads.max" default="200"/></Set>
...
</New>
</Configure>因为除了 Jetty，还有其它各种线程。
使用量
Java 的视角看使用量
| 容量配置 | 生效配置(Mbyte) | 实际使用(Mbyte) | |
|---|---|---|---|
| Young Heap + Old Heap | -Xmx3G -XX:+AlwaysPreTouch | 3072 | 3072 |
| MaxMetaspaceSize | [默认] | Unlimited | 128 |
| CompressedClassSpaceSize | [默认] | 1024 | 15 |
| MaxDirectMemorySize | [默认] | 3072 | 270 |
| ReservedCodeCacheSize | [默认] | 240 | 82 |
| ThreadStackSize*maxThreadCount | [默认]*276线程 | 276 | 276 |
| Sum | 7684 + (没限制 MaxMetaspaceSize) | 3843 |
如何采集实际使用量
- ReservedCodeCache
在应用经过热身、压力测试之后，用 Arthas attached:
[arthas@112]$ dashboard
code_cache : 82Mb- DirectMemory
[arthas@112]$
ognl '@java.nio.Bits@reservedMemory.get()'
@Long[1,524,039]
ognl -c 30367620 '@io.netty.util.internal.PlatformDependent@usedDirectMemory()'
@Long[268,435,456]- Metaspace
- CompressedClassSpaceSize
$ jcmd $PID GC.heap_info
garbage-first heap total 3145728K, used 1079227K [0x0000000700000000, 0x0000000700106000, 0x00000007c0000000)
region size 1024K, 698 young (714752K), 16 survivors (16384K)
Metaspace used 127,323K, capacity 132,290K, committed 132,864K, reserved 1,167,360K
class space used 14,890K, capacity 15,785K, committed 15,872K, reserved 1,048,576K原生应用的视角看使用量
原生应用的视角看使用量，包括下面这个方面：
- *lib.so 动态库占用: 16Mb
- *.jar 文件映射占用: 8Mb
- GC 算法消耗: 未调查
- glibc malloc 空间回收不及时消耗: 158Mb
总的原生应用消耗: 16+8+158 = 182Mb
小结一下:
Java 角度看使用量: 3843Mb
总应用使用量 = 3843 + 158 ~= 4001Mb
4001Mb，这里我们没有算 *lib.so 动态库占用 和 *.jar 文件映射占用。为什么？将在下面内容中作出解释。
4001Mb 这个数字有点可怕，离容器配置的上限 4096Mb 不远了。但这个数字有一定水分。为什么？将在下面内容中作出解释。
以下我尝试分析每个子项的数据来源
*lib.so 动态库占用
运行命令：
pmap -X $PID部分输出：
Address Perm Offset Device Inode Size Rss Pss Referenced Anonymous Mapping
...
7f281b1b1000 r-xp 00000000 08:03 1243611251 48 48 3 48 0 /lib64/libcrypt-2.26.so
7f281b1bd000 ---p 0000c000 08:03 1243611251 2044 0 0 0 0 /lib64/libcrypt-2.26.so
7f281b3bc000 r--p 0000b000 08:03 1243611251 4 4 4 4 4 /lib64/libcrypt-2.26.so
7f281b3bd000 rw-p 0000c000 08:03 1243611251 4 4 4 4 4 /lib64/libcrypt-2.26.so
...
7f28775a5000 r-xp 00000000 08:03 1243611255 92 92 5 92 0 /lib64/libgcc_s.so.1
7f28775bc000 ---p 00017000 08:03 1243611255 2048 0 0 0 0 /lib64/libgcc_s.so.1
7f28777bc000 r--p 00017000 08:03 1243611255 4 4 4 4 4 /lib64/libgcc_s.so.1
7f28777bd000 rw-p 00018000 08:03 1243611255 4 4 4 4 4 /lib64/libgcc_s.so.1
7f28777be000 r-xp 00000000 08:03 1800445487 224 64 4 64 0 /opt/jdk1.8.0_261/jre/lib/amd64/libsunec.so
7f28777f6000 ---p 00038000 08:03 1800445487 2044 0 0 0 0 /opt/jdk1.8.0_261/jre/lib/amd64/libsunec.so
7f28779f5000 r--p 00037000 08:03 1800445487 20 20 20 20 20 /opt/jdk1.8.0_261/jre/lib/amd64/libsunec.so
7f28779fa000 rw-p 0003c000 08:03 1800445487 8 8 8 8 8 /opt/jdk1.8.0_261/jre/lib/amd64/libsunec.so
...
7f28f43a7000 r-xp 00000000 08:03 1243611284 76 76 3 76 0 /lib64/libresolv-2.26.so
7f28f43ba000 ---p 00013000 08:03 1243611284 2048 0 0 0 0 /lib64/libresolv-2.26.so
7f28f45ba000 r--p 00013000 08:03 1243611284 4 4 4 4 4 /lib64/libresolv-2.26.so
7f28f45bb000 rw-p 00014000 08:03 1243611284 4 4 4 4 4 /lib64/libresolv-2.26.so
7f28f45bc000 rw-p 00000000 00:00 0 8 0 0 0 0
7f28f45be000 r-xp 00000000 08:03 1243611272 20 20 1 20 0 /lib64/libnss_dns-2.26.so
7f28f45c3000 ---p 00005000 08:03 1243611272 2044 0 0 0 0 /lib64/libnss_dns-2.26.so
7f28f47c2000 r--p 00004000 08:03 1243611272 4 4 4 4 4 /lib64/libnss_dns-2.26.so
7f28f47c3000 rw-p 00005000 08:03 1243611272 4 4 4 4 4 /lib64/libnss_dns-2.26.so
7f28f47c4000 r-xp 00000000 08:03 1243611274 48 48 2 48 0 /lib64/libnss_files-2.26.so
7f28f47d0000 ---p 0000c000 08:03 1243611274 2044 0 0 0 0 /lib64/libnss_files-2.26.so
7f28f49cf000 r--p 0000b000 08:03 1243611274 4 4 4 4 4 /lib64/libnss_files-2.26.so
7f28f49d0000 rw-p 0000c000 08:03 1243611274 4 4 4 4 4 /lib64/libnss_files-2.26.so
7f28f49d1000 rw-p 00000000 00:00 0 2072 2048 2048 2048 2048
7f28f4bd7000 r-xp 00000000 08:03 1800445476 88 88 6 88 0 /opt/jdk1.8.0_261/jre/lib/amd64/libnet.so
7f28f4bed000 ---p 00016000 08:03 1800445476 2044 0 0 0 0 /opt/jdk1.8.0_261/jre/lib/amd64/libnet.so
7f28f4dec000 r--p 00015000 08:03 1800445476 4 4 4 4 4 /opt/jdk1.8.0_261/jre/lib/amd64/libnet.so
7f28f4ded000 rw-p 00016000 08:03 1800445476 4 4 4 4 4 /opt/jdk1.8.0_261/jre/lib/amd64/libnet.so
7f28f4dee000 r-xp 00000000 08:03 1800445477 68 64 4 64 0 /opt/jdk1.8.0_261/jre/lib/amd64/libnio.so
7f28f4dff000 ---p 00011000 08:03 1800445477 2044 0 0 0 0 /opt/jdk1.8.0_261/jre/lib/amd64/libnio.so
7f28f4ffe000 r--p 00010000 08:03 1800445477 4 4 4 4 4 /opt/jdk1.8.0_261/jre/lib/amd64/libnio.so
7f28f4fff000 rw-p 00011000 08:03 1800445477 4 4 4 4 4 /opt/jdk1.8.0_261/jre/lib/amd64/libnio.so💡 如果你不太了解 Linux 的 memory map 和 pmap 的输出，建议阅读： https://www.labcorner.de/chea... 。
如果你懒惰如我，我还是上个图吧：
大家知道，现代操作系统都有进程间共享物理内存的机制，以节省物理内存。如果你了解COW(Copy on Write)就更好了。一台物理机上，运行着多个容器，而容器的镜像其实是分层的。对于同一个机构生成的不同服务的镜像，很多时候是会基于同一个基础层，而这个基础层包括是 Java 的相关库。而所谓的层不过是主机上的目录。即不同容器可能会共享读(Mapping)同一文件。
回到我们的主题，内存限制。容器通过 cgroup 限制内存。而 cgroup 会记账容器内进程的每一次内存分配。而文件映射共享内存的计算方法显然要特别处理，因为跨了进程和容器。现在能查到的资料是说，只有第一个读/写这块 mapping 内存的 cgroup 才记账(https://www.kernel.org/doc/Do... 中 [2.3 Shared Page Accounting])。所以这个账比较难预计的，一般我们只做再坏情况的保留。
*.jar mapping 占用
pmap -X $PID记账原理和上面的 .so 类似。不过 Java 9 后，就不再做 .jar mapping 了。就算是 Java 8 ，也只是 mapping 文件中的目录结构部分。
在我的测试中，只使用了 8Mb 内存.
glibc malloc 消耗
Java 在两种情况下使用 glibc malloc:
- NIO Direct Byte Buffer / Netty Direct Byte Buffer
- JVM 内部基础程序
业界对 glibc malloc 的浪费颇有微词. 主要集中在不及时的内存归还(给操作系统）。这种浪费和主机的 CPU 数成比例，可参考:
不幸的是，我的测试环境是祼机，所有 CPU 都给容器看到了。而主机是 80 个 CPU 的。那么问题来了，如何测量浪费了多少？glibc 提供了一个 malloc_stats(3) 函数，它会输出堆信息（包括使用和保留）到标准输出流。那么问题又来了。如果调用这个函数？修改代码，写JNI吗？当然可以。不过，作为一个 Geek，当然要使用 gdb 。
cat <<"EOF" > ~/.gdbinit
handle SIGSEGV nostop noprint pass
handle SIGBUS nostop noprint pass
handle SIGFPE nostop noprint pass
handle SIGPIPE nostop noprint pass
handle SIGILL nostop noprint pass
EOF
export PID=`pgrep java`
gdb --batch --pid $PID --ex 'call malloc_stats()'输出：
Arena 0:
system bytes = 135168
in use bytes = 89712
Arena 1:
system bytes = 135168
in use bytes = 2224
Arena 2:
system bytes = 319488
in use bytes = 24960
Arena 3:
system bytes = 249856
in use bytes = 2992
...
Arena 270:
system bytes = 1462272
in use bytes = 583280
Arena 271:
system bytes = 67661824
in use bytes = 61308192
Total (incl. mmap):
system bytes = 638345216
in use bytes = 472750720
max mmap regions = 45
max mmap bytes = 343977984所以结果是: 638345216 - 472750720 = 165594496 ~= 158Mb
即浪费了 158Mb。因为我测试场景负载不大，在负载大，并发大的场景下，80个CPU 的浪费远不止这样。
有一点需要指出的，操作系统物理内存分配是 Lazy 分配的，即只在实际读写内存时，才分配，所以，上面的 158Mb 从操作系统的 RSS 来看，可能会变小。
GC 内存消耗
未调查
tmpfs 内存消耗
未调查
操作系统 RSS
RSS(pmap -X $PID) = 3920MB。即操作系统认为使用了 3920MB 的物理内存。
CGroup 限制
cgroup limit 4Gi = 4*1024Mb = 4096Mb
pagecache 可用空间 : 4096 - 3920 = 176Mb
下面看看 cgroup 的 memory.stat 文件
$ cat cgroup `memory.stat` file
rss 3920Mb
cache 272Mb
active_anon 3740Mb
inactive_file 203Mb
active_file 72Mb # bytes of file-backed memory on active LRU list细心如你会发现:
3920 + 272 = 4192 > 4096Mb不对啊，为何还不 OOM killed?
说来话长， pagecache 是块有弹性的内存空间，当应用需要 anonymous 内存时，内核可以自动回收 pagecache.
💡 感兴趣可参考:
https://engineering.linkedin....
https://github.com/kubernetes...
https://www.kernel.org/doc/ht...
潜在问题和推荐解决方法
Native Buffer 限制
默认 MaxDirectMemorySize ~= -Xmx - survivor size ~= 3G .
这在高并发时，内存得不到及时回收时，会使用大量的 Direct Byte Buffer。所以建议显式设置限制：
java ... -XX:MaxDirectMemorySize=350Mb💡 感兴趣可参考:
Cassandra客户端和Redisson均基于Netty，固均使用了Native Buffer. 注意的是Netty在Unsafe.class基础上，还有内部的内存池。
glibc malloc arena 的浪费
在我的测试环境中，主机有 80 个CPU。glibc 为了减少多线程分配内存时的锁竞争，在高并发时最多为每个 CPU 保留 8 个内存块(Arena)，而 Arena 的空间归还给操作系统的时机是不可预期的，和堆中内存碎片等情况有关。
在我的测试环境中观察的结果是：共创建了 271 个Arena。使用了 608Mb 的 RSS。而实际程序用到的内存只有 450Mb。浪费了 157 Mb。浪费的情况有随机性，和内存碎片等情况有关。对于容器，我们不可能分配所有主机的 CPU。可以设置一个显式上限是合理的，且这个上限和容器的 memory limit、CPU limit 应该联动。
MALLOC_ARENA_MAX 这个环境变量就是用于配置这个上限的。
和内存使用的联系:
我们实测中，共使用了 700Mb glibc 堆内存. 而每个Arena大小为 64Mb. 所以:700/64=10 Arena和容器 cpu limit 的联系:
cpu * (每个cpu 8 arena) = 64 Arena.
我们保守地使用大的保留空间:
export MALLOC_ARENA_MAX=64💡 感兴趣可参考:
https://www.gnu.org/software/...
Jetty 线程池
经调查，每 API 的调用用时大约 100 ms。而现有配置指定了最大 200 个线程。所以:
200 thread / 0.1s = 2000 TPS在我们的测试中，单容器的 TPS 不出 1000。所以 100 个线程足以。减少线程数的好处是，可以同时可以减少过度的线程上下文切换、cgroup CPU 限流(cpu throttling)、线程堆栈内存、Native Buffer 内存。让请求堆在 Request Queue，而不是内核的 Runnale Queue。
<!-- jetty-threadpool.xml -->
<Configure>
<New id="threadPool" class="org.eclipse.jetty.util.thread.QueuedThreadPool">
...
<Set name="maxThreads" type="int"><Property name="jetty.threadPool.maxThreads" deprecated="threads.max" default="100"/></Set>
...
</New>
</Configure>Java code cache 慢涨
在我们测试中，在经过系统预热后，Java code cache 仍然会慢涨。Java 8 的 code cache 最大值是 240Mb。 如果 code cache 消耗了大量的内存，可能会触发 OOM killed。 所以还是要作显式限制的。 从测试环境的观察，100Mb 的空间已经足够。
java ... -XX:ReservedCodeCacheSize=100M -XX:UseCodeCacheFlushing=true💡 感兴趣可参考:
https://docs.oracle.com/javas...
容器的内存限制
从上面的调查可知， 3G java heap + JVM overhead + DirectByteBuffer 已经很接近 4Gi 的容器内存上限了。在高并发情况下，OOM killed 风险还是很高的。而且这个问题在测试环境不一定能出现，有它的随机性。
cgroup 对容器接近 OOM 的次数是有记录(memory.failcnt)的，在测试时发现这个数字在慢张。在内存紧张的时候，内核通过丢弃文件缓存(pagecache)来优先满足应用对内存的需求。而丢弃文件缓存意味什么？更慢的读，更频繁和慢的写硬盘。如果应用有读写IO压力，如果读 *.jar，写日志，那么 IO 慢问题会随之而来。
watch cat ./memory.failcnt
19369💡 感兴趣可参考:
https://engineering.linkedin....
https://www.kernel.org/doc/Do...
https://srvaroa.github.io/jvm...
对于我的应用，我建议是放宽内存限制：
resources:
limits:
memory: 4.5Gi
requests:
memory: 4.5Gi展望
不全面地说，从服务运维者的角度看, 服务的资源分配基于这些系数:
容器的 SLA
- 目标容器的呑吐量
如我把上面系数作为一个工具程序的 输入, 那么 输出 应该是:
- 应该部署多少个容器
每个容器的资源配置应该如何
CPU
- 容器 CPU limit
- 应用线程池 limit
Memory
- 容器 memory limit
应用线程池d limit:
- java: 堆内/堆外
💡 有一个开源工具可参考:
https://github.com/cloudfound...
免责声明
Every coin has two sides， 应用调优更是，每种调优方法均有其所需要的环境前提，不然就不叫调优，直接上开源项目的默认配置 Pull Request 了。大师常说，不要简单 copy 调参就用。要考虑自己的实际情况，然后作充分测试方可使用。
体会
2016 年开始，各大公司开始追赶时尚，把应该的应用放入容器。而由于很多旧项目和组件在设计时，没考虑在一个受限容器中运行，说白了，就是非 contaier aware。时隔数年，情况有所好转，但还是有不少坑。而作为一个合格的架构师，除了 PPT 和远方外，我们还得有个玻璃心。
以上是对一个 Java 容器内存的分析，如果你对 Java 容器 CPU和线程参数有兴趣，请移步：Java 容器化的历史坑（史坑） - 资源限制篇。
用一个漫画了结本文：
java
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用。你还可以使用@来通知其他用户。