MAT分析案例

wen java案例 2026-07-31 2

本文目录导读：

MAT分析案例

案例背景：一次“内存泄漏”引发的线上事故
第一步：打开堆文件与基础体检
第二步：定位占用大头（Dominator Tree）
第三步：对象引用链分析（追赶GC Roots）
第四步：深入内部（查看大对象成因）
第五步：确认Finalization与GC问题（进阶排查）
第六步：对比分析（若有两个堆文件）
第七步：形成诊断报告与解决建议
MAT分析黄金三步

MAT（Memory Analyzer Tool） 是分析Java堆转储（Heap Dump）的核心工具，下面通过一个完整的教学案例，带您从拿到堆文件到定位问题，走一遍完整的分析流程。

案例背景：一次“内存泄漏”引发的线上事故

现象：某电商订单系统在每天下午3点（订单高峰期）频繁触发Full GC，响应时间从50ms飙升到5秒，最终导致服务器OOM（OutOfMemory）宕机。

动作：运维在宕机前抓取了一个 heap.bin 文件（约2GB），现在需要我们通过MAT分析出问题根因。

第一步：打开堆文件与基础体检

启动MAT：File -> Open Heap Dump，选择 heap.bin。
等待加载：大文件会弹出提示，选择 Leak Suspects Report（泄漏嫌疑报告），这是最常用的入口。

MAT会生成一个概览（Overview），最上方是关键数据：

Total Heap：总堆内存 2GB。
Classes：类数量 45,000。
Instances：对象数量 8,000,000。
Class Loader：类加载器数量。

一眼看重点：点击右侧工具栏的 “Histogram”（直方图），查看所有类的实例数量和占用空间。

历史图排序列：按 Retained Heap（保留堆内存，即该对象被释放后能回收的内存）降序排列。

此时你可能会看到如下异常数据：

Class Name	Objects	Shallow Heap	Retained Heap
`java.util.HashMap$Node[]`	120,000	1 MB	800 MB
`com.example.order.model.OrderInfo`	1,500,000	45 MB	500 MB

初步判断：HashMap 数组的对象数量虽然不多（12万个），但保留内存高达800MB，说明有大量的对象被这个数组引用，形成了巨大的对象树。

第二步：定位占用大头（Dominator Tree）

关闭直方图,打开 Dominator Tree（支配树）（在 Open Query Browser 中，路径：Java Basics -> Dominator Tree）。

支配树会帮你算清整个堆的依赖关系，直接告诉你谁占用了最多内存。

对象名称	Retained Heap	占比
`java.util.HashMap` @ 0x6c0015e0	850 MB	42%
`java.lang.Thread` @ 0x7a105c20	400 MB	20%
`byte[]` @ 0x3d0f4a2c	200 MB	10%

最大的对象是一个 HashMap，占用了整个堆的 42%，很明显，肯定是一张业务缓存表无限增长导致泄漏。

第三步：对象引用链分析（追赶GC Roots）

右键点击这个 HashMap @ 0x6c0015e0，选择 Path to GC Roots -> with all references（即排查谁引用了它，阻止其被垃圾回收）。

分析结果树形展开如下（这是最核心的一步）：

java.lang.Thread @ 0x7a105c20 'http-nio-8080-exec-12'
 └── org.apache.catalina.core.ContainerBase$ContainerBackgroundProcessor
      └── com.example.order.service.OrderCacheFilter
           └── (referenced by static field) 'orderCache'  <-- 静态变量引用
                └── java.util.HashMap @ 0x6c0015e0   (860 MB)

根因显现：
OrderCacheFilter 类中的 静态字段 orderCache 持有这个HashMap的引用，因为它是 static（静态）的，属于GC Root（根对象），它链接着所有数据，导致整个地图无法被回收。

第四步：深入内部（查看大对象成因）

右键点击这个巨大的HashMap,选择 List Objects -> with outgoing references（查看它引用了什么）。

关键发现：

这个HashMap的 Key 是 String（订单号）。
Value 是 OrderInfo 对象（订单详情）。
条数为 150万条。

结合业务逻辑猜测：这个 OrderCacheFilter 本意是想把“订单查询结果”缓存起来，代码中没有设置缓存的过期时间（TTL）或容量上限（eviction policy），每时每刻有新订单，Map就会无条件地增加新条目，最终占满堆内存。

第五步：确认Finalization与GC问题（进阶排查）

在 Leak Suspects 报告中，MAT通常会给出两个重点提示：

“Problem Suspect 1”：占用了大量内存的 HashMap（如上分析）。
“Problem Suspect 2”：Finalizer 堆积。

很多时候OOM伴随一个现象：堆中有大量 java.util.zip.Inflater 或 java.sql.Statement 对象处于pending finalization（等待终结器）状态，查看 Thread Details，往往能看到 Finalizer 守护线程无法快速处理这些对象，反而是内存泄漏的“帮凶”。

第六步：对比分析（若有两个堆文件）

如果运维在故障前和故障时各抓了一份堆（如 heap_before.bin 和 heap_after.bin），可使用MAT的高级功能：
打开 Window -> Compare，选择文件 heap_after.bin 作为对比对象。
MAT会列出计算出 “顶部的增量”，你会看到 HashMap 增加了 70% 的条目，而其他类保持不变，这进一步压倒了“对象泄漏”，排除了“临时请求”的干扰。

第七步：形成诊断报告与解决建议

最终诊断（MAT分析结论）

问题类型：内存泄漏（非内存溢出瞬时表象）。
泄漏根：OrderCacheFilter 的静态 HashMap orderCache 无容量限制。
数据特征：150万个订单Key未被清除，深入看发现有大量的 byte[] 被缓存的订单JSON序列化数据占用（即Map的Value）。

修复方案（给开发人员的建议）

短期修复：将该静态 HashMap 替换为 Caffeine 或 Guava Cache，并设置最大容量（如10万）和15分钟过期时间。
中期修复：该缓存逻辑本身站不住脚——订单数据变化频繁，高频更新时缓存命中率低，建议改为只在订单状态为“完成”时缓存，其他状态直接查库，并开启定时清理任务。
长期修复：使用 Redis 作为分布式缓存，而不是放在JVM本地（避免单机内存压力）。

MAT分析黄金三步

不管什么案例,请务必记住MAT的三步定位法：

看历史图（Histogram）：找出哪个类的对象数量最多或占内存最大。
看支配树（Dominator Tree）：找出哪个大对象持有的子树最深。
看GC根路径（Path to GC Roots）：查看为什么GC无法回收这些对象，重点是寻找静态变量、ThreadLocal、监听器集合导致的误引用。

这个案例涵盖了MAT分析的完整链路,适合作为您分析线上Java内存问题的参考模板，如果堆文件超过2GB，建议在MAT配置中增加 -Xmx 参数（内存分析软件自身内存要大于堆文件），否则无法加载。