尧图网络 高端网站定制 · 原创设计
免费咨询热线
400-888-6620
免费获取方案
Arthas memory 命令详解:查看 JVM 堆、非堆与缓冲区内存信息
Arthas memory 命令详解查看 JVM 堆、非堆与缓冲区内存信息【免费下载链接】arthasAlibaba Java Diagnostic Tool Arthas/Alibaba Java诊断利器Arthas项目地址: https://gitcode.com/gh_mirrors/ar/arthasArthas 的memory命令用于查看目标 JVM 的堆heap、非堆non-heap以及各类内存池Memory Pool与缓冲区Buffer Pool的内存使用情况是排查内存占用、定位泄漏与容量规划的第一手工具。读完本文你将掌握memory命令的输出字段含义、各类内存区域的真实数据来源以及如何结合 JVM 的MemoryMXBean/MemoryPoolMXBean/BufferPoolMXBean机制解读诊断结果。命令概览memory命令在 Arthas 中注册于内置命令包见 BuiltinCommandPack.java执行后直接打印一张内存信息表无需任何参数。它在 MCP 场景下同样以memory工具形式暴露见 MemoryTool.java用于查看 JVM 内存使用情况。使用方式# 进入 Arthas 交互终端后执行 memory输出示例$ memory Memory used total max usage heap 32M 256M 4096M 0.79% g1_eden_space 11M 68M -1 16.18% g1_old_gen 17M 184M 4096M 0.43% g1_survivor_space 4M 4M -1 100.00% nonheap 35M 39M -1 89.55% codeheap_non-nmethods 1M 2M 5M 20.53% metaspace 26M 27M -1 96.88% codeheap_profiled_nmethods 4M 4M 117M 3.57% compressed_class_space 2M 3M 1024M 0.29% codeheap_non-profiled_nmethods 685K 2496K 120032K 0.29% mapped 0K 0K - 0.00% direct 48M 48M - 100.00%注意输出内容与运行 JVM 的具体实现如 G1、CMS、ZGC 等垃圾回收器和启动参数如-Xmx、-XX:MaxMetaspaceSize强相关不同环境下的内存区域名称与数值会有所不同。输出字段解读memory命令的输出是一个五列表格各列含义如下列名含义说明Memory内存区域名称包括 heap / nonheap 汇总行与各内存池、缓冲区名称used已使用内存当前使用的字节数自动以 K/M 为单位格式化total已分配committed内存JVM 向操作系统申请并保证可用的内存大小max最大内存该区域可达到的最大值-1表示最大值未定义如动态扩展的 Eden/Survivor 区-表示无 max 概念如 buffer poolusage使用率used / max当 max 未定义时取used / total的百分比关键点的源码依据见 MemoryView.java单位换算当used / 1024 / 1024 0时以 M 为单位否则以 K 为单位展示。-1的处理max为-1时原样输出-1表示该内存池没有上限例如 G1 的 Eden、Survivor 区大小是动态的。Long.MIN_VALUE的处理输出-用于缓冲区buffer pool条目因为BufferPoolMXBean并不提供 max 概念。usage 计算usage used / (max 未定义 ? total : max) × 100当计算结果为 NaN 或无穷大时归零最终保留两位小数输出如0.79%。内存数据从哪来三类 MXBeanmemory命令的数据完全来自 JDK 的java.lang.management标准管理接口核心逻辑位于 MemoryCommand.javaMemoryMXBean#getHeapMemoryUsage()堆内存整体使用情况作为heap汇总行MemoryMXBean#getNonHeapMemoryUsage()非堆内存整体使用情况作为nonheap汇总行MemoryPoolMXBean遍历所有内存池通过ManagementFactory.getMemoryPoolMXBeans()获取按MemoryType.HEAP/MemoryType.NON_HEAP分为堆内内存池与堆外内存池得到g1_eden_space、g1_old_gen、metaspace、codeheap_*、compressed_class_space等明细行BufferPoolMXBean平台 MXBean通过ManagementFactory.getPlatformMXBeans(BufferPoolMXBean.class)反射加载见 MemoryCommand.java得到mapped映射缓冲区与direct直接缓冲区两行。在遍历内存池时源码对getUsage()做了防御性处理若某些 JVM 选项下抛出InternalError则返回null并跳过该池见 MemoryCommand.java避免个别 JVM 实现 Bug 导致命令整体失败。数据流命令 → 模型 → 视图命令入口 MemoryCommand.javaName(memory)定义命令名process()中构建MemoryModel并输出数据模型 MemoryModel.java以MapString, ListMemoryEntryVO按heap/nonheap/buffer_pool三个分组存放值对象 MemoryEntryVO.java定义type、name、used、total、max五个字段渲染视图 MemoryView.java把模型渲染成上文的五列表格其中heap与nonheap汇总行加粗显示便于与各内存池明细区分。各内存区域含义与常见解读堆内存heap 分组heap整个 Java 堆的汇总行对应-Xmx/-Xms与 GC 动态伸缩后的现状。max通常等于-Xmxusage 反映堆的整体水位。g1_eden_space / g1_survivor_spaceG1 收集器下的年轻代分区。这两类区域大小会随 GC 动态调整通常max为-1无固定上限因此 usage 按used / total计算。g1_old_genG1 的老年代。max接近堆最大值usage 反映老年代占用水平是判断 Full GC 风险的重要指标。若使用 CMS、Parallel 等其他收集器内存池名称会相应变为PS Eden Space、CMS Old Gen等原理一致。非堆内存nonheap 分组nonheap非堆汇总行包括方法区Metaspace、代码缓存、压缩类空间等所有堆外 JVM 结构。metaspaceJDK 8 的元空间存放类元数据max通常为-1默认无上限受物理内存限制usage 反映类加载膨胀程度类加载过多或泄漏时常逼近 100%。codeheap_non-nmethods / codeheap_profiled_nmethods / codeheap_non-profiled_nmethodsJIT 编译代码缓存Code Cache的三个子区对应-XX:ReservedCodeCacheSize约束。compressed_class_space压缩类空间与-XX:CompressedClassSpaceSize相关存放klass元数据。缓冲区buffer_pool 分组mappedMappedByteBuffer映射的缓冲区FileChannel.map产生total为映射的容量max 无概念因此显示-。directDirectByteBuffer直接缓冲区ByteBuffer.allocateDirect、Netty 等框架常用max无概念因此显示-。其使用率是排查直接内存溢出OutOfMemoryError: Direct buffer memory时的关键观察项。结合其他命令交叉验证memory命令的内存数据与其他 Arthas 命令共享同一套 MXBean 数据源可交叉印证jvm命令输出HEAP-MEMORY-USAGE与NO-HEAP-MEMORY-USAGE分别对应MemoryMXBean#getHeapMemoryUsage()和getNonHeapMemoryUsage()并额外给出init初始值、committed已提交与pendingFinalizeCount待终结对象数等字段见 JvmCommand.java。pendingFinalizeCount长期非零往往是对象泄漏的征兆可配合 memory 观察。dashboard命令概览面板中的 Memory 区域同样复用MemoryCommand.memoryInfo()方法见 DashboardCommand.java因此dashboard与memory的内存数据完全一致只是展示维度不同。实践建议先看 heap 汇总行usage 接近或达到 100% 且老年代持续增长说明堆压力大可结合heapdump命令导出堆转储进一步分析。关注 metaspace类加载泄漏如动态代理、反射生成类时 metaspace usage 会不断攀升建议配合sc/classloader命令排查类加载器。关注 direct/mapped使用 Netty、RocketMQ 等框架时 direct 内存占用上升是常态但若持续增长不回落需警惕直接内存泄漏。配合jvm命令查看pendingFinalizeCount等附加指标辅助判断内存释放是否正常。总结memory命令以 JDK 标准MemoryMXBean、MemoryPoolMXBean、BufferPoolMXBean为数据源将 JVM 内存按堆、非堆、缓冲区三个维度以一张表格呈现是 Arthas 诊断内存问题的最直接入口。理解各列字段used / total / max / usage的取值规则与-1、-的语义即可快速定位内存异常区域再结合jvm、dashboard、heapdump等命令进行深挖。更完整的命令说明可参考官方文档 memory.md英文版见 memory.md字段定义以 Oracle 官方MemoryMXBean文档为准。【免费下载链接】arthasAlibaba Java Diagnostic Tool Arthas/Alibaba Java诊断利器Arthas项目地址: https://gitcode.com/gh_mirrors/ar/arthas创作声明:本文部分内容由AI辅助生成(AIGC),仅供参考
RELATED

相关推荐

你的文献综述,可能一直在“假装学术”

你的文献综述,可能一直在“假装学术”

官网:www.shujiangce.com | 微信 公众号 :书匠策AI 你有没有发现一个诡异的现象: 你明明读了二十篇文献,每一篇都做了笔记,每一篇的核心观点你都能复述出来。但你写出来的文献综述,读起来就是“不对劲…

📅 2026/9/19 21:48:51
text-to-audio:基于 gTTS 的文本转语音实战指南

text-to-audio:基于 gTTS 的文本转语音实战指南

text-to-audio:基于 gTTS 的文本转语音实战指南 【免费下载链接】Python My Python Examples 项目地址: https://gitcode.com/gh_mirrors/py/Python 导读 text-to-audio 是当前仓库 gh_mirrors/py/Python 下的一个轻量级文本转语音(TTS&#xff…

📅 2026/9/19 21:48:51
数据编排技术在大数据分析中的效率与准确性优化

数据编排技术在大数据分析中的效率与准确性优化

1. 数据编排的本质与大数据分析痛点数据编排(Data Orchestration)本质上是一种将分散的数据处理任务串联成有机工作流的技术体系。我在金融行业的数据中台建设项目中发现,传统大数据分析流程中普遍存在三个典型问题:资源闲置与过载…

📅 2026/9/19 21:48:51
MORE NEWS

更多资讯

📰

Open-Code-Review:开源可审计的AI代码审查范式

1. “open-code-review”不是新工具,而是代码审查范式的转向信号最近在几个技术群和开源项目讨论区里,频繁看到有人问:“open-code-review 是不是某个新开源的 CLI 工具?”“有没有一键安装包?”“和 codex cli、trae …

📰

大模型工具接入:MCP与Agent方案对比与实践

1. 大模型生态中的工具接入现状当前大模型应用开发面临的核心挑战之一,是如何让语言模型突破纯文本交互的局限,实现与现实系统的深度集成。这就像给一位学识渊博但行动受限的学者配备了一支专业助理团队——模型本身擅长理解和推理,但需要特定…

📰

EffectorP3.0实战:从全蛋白组到候选效应子的高效筛选链路

拿到一个病原菌的基因组或转录组,注释出上万条蛋白序列,接下来最重要的是从中把“真正参与致病”的候选效应子捞出来。这一步纯靠实验验证会把人累死,所以业内通行的做法是先跑一遍EffectorP3.0做计算预筛,再结合信号肽、半胱氨酸…

📰

code-review-graph 完全指南:本地代码知识图谱,让 AI 代码审查只读 1/65 的 token

code-review-graph 完全指南:本地代码知识图谱,让 AI 代码审查只读 1/65 的 token 【免费下载链接】code-review-graph Local-first code intelligence graph for MCP and CLI. Builds a persistent map of your codebase so AI coding tools read only …

📰

10分钟跑通Delta Lake湖仓一体:从安装到时间旅行查询的完整指南

10分钟跑通Delta Lake湖仓一体:从安装到时间旅行查询的完整指南 【免费下载链接】delta An open-source storage framework that enables building a Lakehouse architecture with compute engines including Spark, PrestoDB, Flink, Trino, and Hive and APIs 项…

📰

AI如何重构保险行业:核保、理赔与定价的智能化实践

1. 从一篇长文说起:为什么保险行业突然被AI推到了聚光灯下前阵子黄仁勋那篇长文在圈子里传得很开,我前后读了三遍。第一遍看热闹,第二遍看门道,第三遍我干脆把里面跟保险相关的段落单独摘出来,对着我们团队正在做的几个…

TODAY

今日更新

THIS WEEK

本周精选

THIS MONTH

本月热门

读完文章,想聊聊您的网站?

告诉我们您的行业与需求,资深顾问一对一梳理方案与报价,全程免费。

📞 💬