生产环境 Spring Boot 应用内存泄漏排查实战

1. 一次真实的线上故障：你以为加内存就能解决问题吗？

生产环境突然报警：服务响应变慢，CPU 飙升，紧接着 OOM。你登录服务器，看到 java.lang.OutOfMemoryError: Java heap space，于是重启服务，加内存，以为万事大吉。但运行数天后，同样的问题再次发生。你有没有想过，内存并不是被无端占满的，而是像漏水一样，一点点漏掉的？内存泄漏（Memory Leak）指的是那些不再使用的对象却仍然被引用，无法被垃圾回收器（GC）回收，导致可用内存越来越少，最终触发 OOM。

本文的目的，不是教你如何"加内存"，而是带你从故障现象出发，掌握一整套排查与定位内存泄漏的方法，并通过多个可复现的示例，让你能够在自己的生产环境中实战运用。

2. 先建立整体思维：内存泄漏的一般模型与排查流程

在进入具体技术细节之前，先记住一句话：内存泄漏的本质是"该回收的对象没有被回收"。对象为什么没有被回收？因为有活着的引用指向它。那么，这些引用从何而来？可能是缓存、ThreadLocal、静态集合、ClassLoader、JNI 引用等。

将整体拆成三部分：

内存分代与对象生命周期：堆内存分为新生代和老年代，大部分对象在新生代 "出生即死亡"，而泄漏对象会不断晋升到老年代，最终撑爆堆。
泄漏来源分类：常见的有线程导致（ThreadLocal、线程池）、缓存未清理（本地缓存、静态集合）、类加载器泄漏（元空间泄漏）、应用容器问题（如 Spring 容器的单例 Bean 中持有临时对象）。
排查工具与手段：jmap、jstat、jcmd、MAT、VisualVM、JProfiler 等，以及 GC 日志分析。

一次请求、线程或数据会按什么顺序流转？我们以一次请求为例：

text 复制代码

请求进入 → DispatcherServlet → Controller → Service → DAO → 数据库
                  ↓
             操作本地缓存、ThreadLocal 等
                  ↓
返回响应 → 应释放所有临时引用

如果某个环节错误地持有了本应释放的引用，就可能导致泄漏。通常，泄漏对象会从新生代慢慢进入老年代，等到老年代占满触发 Full GC，但 Full GC 后仍无法释放，则 OOM。

下面我们通过一个总览图来看排查流程：

text 复制代码

现象：内存持续增长、GC 频繁、OOM
   ↓
收集 GC 日志（启动时打印）与 Heap Dump
   ↓
分析 Heap Dump：找出大对象、重复对象、类加载器引用链
   ↓
定位到嫌疑代码（缓存、ThreadLocal、类加载器）
   ↓
修复代码，并通过压力测试验证

3. 堆转储：看清内存里到底有什么

3.1 堆转储是什么？为什么需要它？

当内存出现问题时，你无法通过代码审查直接"看出"几百个对象的引用关系。堆转储（Heap Dump）就是内存的"快照"，它能告诉你每一个对象的类型、大小、引用关系。它就像事故现场的"行车记录仪"，记录了那一刻内存中所有对象的"存在原因"。

3.2 怎么获得堆转储？

jmap 手动转储（注意会暂停 JVM）：
bash 复制代码
```
jmap -dump:live,format=b,file=/opt/dumps/heap.bin <pid>
```
jcmd（更现代，JDK 8u+）：
bash 复制代码
```
jcmd <pid> GC.heap_dump /opt/dumps/heap.bin
```
自动转储：在 JVM 启动参数中设置 OOM 时自动 dump：
bash 复制代码
```
-XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=/opt/dumps/
```

注意：转储会暂停应用（尤其 /dump:live 会触发 Full GC），谨慎线上操作。推荐在部署时提前开启自动转储。

3.3 分析堆转储

堆转储是二进制文件，需要分析工具。

一张对比表：

工具	优点	缺点	适用场景
MAT（Eclipse Memory Analyzer）	强大、开源	需要安装 Eclipse 插件或独立程序；吃内存	深入分析引用链，找出 GC Root
VisualVM	集成多种 JVM 监控与 dump 分析	分析大型 dump 时较慢	快速查看对象直方图，连接远程 JVM（需要 jstatd）
JProfiler	界面友好、功能全面	商业软件	实时跟踪分配，适合开发者环境
YourKit	性能优秀、功能全面	商业软件	与 JProfiler 类似

推荐初学者使用 VisualVM 先看对象直方图（按 Retained Size 降序），关注大对象或数量异常多的对象。然后用 MAT 检查 Dominator Tree 和 "Suspects"。MAT 能自动推测泄漏可疑点。

3.4 完整示例：从 OOM 到定位 ThreadLocal 泄漏

目标：在 Spring Boot 应用中模拟一个典型的 ThreadLocal 泄漏场景，并完整走一遍排查流程。

前置环境：JDK 11、Maven、IDE。

输入：一个 Spring Boot 2.7 项目，提供一个 REST 接口，每次调用该接口时向一个 static ThreadLocal 中塞入 10MB 的字节数组，但不清理。当线程被线程池复用后，ThreadLocal 会被复用，导致持续积累。

完整示例代码（可运行）：

java 复制代码

// DemoApplication.java
import org.springframework.boot.SpringApplication;
import org.springframework.boot.autoconfigure.SpringBootApplication;
import org.springframework.web.bind.annotation.GetMapping;
import org.springframework.web.bind.annotation.RestController;

@SpringBootApplication
public class DemoApplication {
    public static void main(String[] args) {
        SpringApplication.run(DemoApplication.class, args);
    }
}

@RestController
class LeakController {
    private static final ThreadLocal<byte[]> TL = ThreadLocal.withInitial(() -> new byte[0]);

    @GetMapping("/leak")
    public String leak() {
        byte[] data = new byte[10 * 1024 * 1024]; // 10MB
        TL.set(data); // 存入 ThreadLocal，但从不 remove
        return "ok";
    }
}

启动参数（关键）：

bash 复制代码

-Xms256m -Xmx256m -XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=/tmp/dumps -Xlog:gc*:file=/tmp/gc.log

（注意 JDK 11 使用 -Xlog，JDK 8 使用 -XX:+PrintGCDetails -XX:+PrintGCDateStamps -Xloggc:gc.log）

复现步骤：

启动应用。
用压测工具或循环请求 /leak 数十次，注意不要超过线程池线程数。
观察 GC 日志和内存使用，最终 OOM，生成 heap dump 文件。

预期结果：

多次请求后，老年代持续增长，GC 越来越频繁，最后 OOM。
自动生成的 dump 文件存于 /tmp/dumps 下。

分析步骤：

用 jvisualvm 打开 dump，查看"类"直方图。可以看到 byte\[\] 实例数以十万计，Retained Size 巨大。
双击 byte\[\]，选择"引用" → "谁引用了我"。可以看到每个 byte\[\] 都被某个 ThreadLocalThreadLocalMapThreadLocalMapThreadLocalMapEntry 引用，而 Entry 的 key 是 ThreadLocal 对象本身。
继续回溯，Entry 持有者是一个 Thread 对象。而线程名是什么？很可能是 http-nio-8080-exec-* 。
这就是标准 ThreadLocal 泄漏链。修复方式就是每次使用完 remove。

这里最容易误解的是：ThreadLocal 的 key 通常设计为弱引用，但 value 是强引用。当线程存活时，即使 key 被回收，value 依然存在，且无法访问，导致泄漏。

这个小例子背后的原理：Tomcat 处理 HTTP 请求的工作线程默认不会销毁（因为线程池），请求结束后线程归还池中，但 ThreadLocalMap 中的 entry 并未清除，导致 data 一直活着。

4. ThreadLocal 泄漏：另一层"线程持有"的陷阱

你可能已经从前面的示例中感受到 ThreadLocal 的危险性。现在，我们深入剖析其设计原理与边界。

可以先把它理解成"线程私有变量"，每个线程都有一份独立的副本。其内部通过 Thread 类里的 ThreadLocalMap 实现，每个 Thread 持有一个 ThreadLocalMap，ThreadLocal 作为键，对应 set 的对象作为值。

这里最容易误解的是：很多人以为 ThreadLocal 用完了自动清空，但实际上它需要手动 remove。尤其是使用线程池时，线程会被复用，如果不清理，旧值会带到下一次请求中，造成逻辑错误（串数据）和内存泄漏。

具体场景：假设你在拦截器中设置了一个 ThreadLocal 保存用户 ID，请求结束后忘记 remove。下一次请求由同一个线程处理时，ThreadLocal 中仍是上一个用户的 ID，轻则逻辑错误，重则数据泄露。

什么时候适合用？当你想避免在方法间层层传递参数时，可以使用 ThreadLocal。常见用途包括：分布式 ID、用户上下文、事务传播。但必须遵循"用后即清"原则。

常见错误：

用了静态 ThreadLocal 但从不 remove（如示例）
使用线程池却不清理
没有意识到子线程不会继承父线程的 ThreadLocal（InheritableThreadLocal 才有传递能力，但也需谨慎）

排查建议：如果在堆转储中发现大量被线程持有的对象，且线程是长期存活的，可以重点检查 ThreadLocalMap 的 entry。在 jstack 中也可查看线程栈，但无法直接看到 ThreadLocalMap 内容。

5. 缓存未清理：从本地缓存到静态集合

5.1 常见的缓存泄漏场景

Spring Boot 应用中，缓存是一个非常常见的泄漏点，因为它天生就是保存引用的容器。常见的缓存实现包括：HashMap 作为本地缓存、Guava Cache、Caffeine，以及 Spring Cache 抽象。如果缓存只增不减，且 key 不随时间过期，就会撑爆堆。

举个例子，你写了一个静态 Map 当作缓存：

java 复制代码

public class MyCache {
    private static final Map<String, List<String>> cache = new HashMap<>();

    public static void put(String key, List<String> value) {
        cache.put(key, value);
    }

    // 没有 remove 方法
}

业务代码持续调用 put，而没有清理旧数据。几天后内存就满了。

5.2 缓存设计的取舍

选用带过期策略的缓存（如 Caffeine）能显著降低风险。但要注意即使使用 Caffeine，如果 key 是无限增长的（例如用户ID），也需要设置最大大小或过期时间。

一张对比表：

缓存类型	自动淘汰	适合场景	注意事项
HashMap	无淘汰	数据数量固定且较小	必须手动 remove
LinkedHashMap（LRU）	可以自定义 LRU	需要简单的 LRU	实现麻烦
Guava Cache	可配 LRU、时间过期	需要简化缓存管理	依赖 Google
Caffeine	支持 LRU/LFU、过期	高性能场景	推荐使用
Redis（外部）	有 TTL、淘汰策略	分布式缓存	不占用本地堆

5.3 排查案例：静态集合中的永久引用

场景：一个 Spring Boot 服务，提供用户订阅接口。代码中有一个静态 Map 记录用户ID到其订单列表。订单不断新增，但用户注销后没有删除 key。内存持续上升。

排查步骤：

使用 jvisualvm 查看堆直方图，发现 List 或 ArrayList 实例数量异常，Retained Size 很大。
点击"查看对象" → "引用"，发现 ArrayList 被一个 HashMap$Node 引用，而 Node 被 HashMap 引用，HashMap 被 MyCache 类（静态字段）引用。
最终 GC Root 是系统类。使用 MAT 可以更清晰地看到 Dominator Tree。

修复：

为缓存设置最大大小或时间过期，例如使用 Caffeine：

java 复制代码

Cache<String, List<String>> cache = Caffeine.newBuilder()
    .maximumSize(1000)
    .expireAfterWrite(10, TimeUnit.MINUTES)
    .build();

或者在用户注销时主动 remove。

原则：所有缓存必须设置淘汰策略，并监控缓存大小。

6. 元空间泄漏：不是堆内存，但一样致命

6.1 元空间是什么？

在 Java 8 之后，方法区被实现为"元空间"（Metaspace），存储类的元数据、方法字节码、常量池等。它并不在堆中，而是直接使用本地内存，默认大小是无限的，但 JVM 会根据需要增长。如果不断有新的类加载器加载类，且这些类加载器无法被回收，那么元空间就会持续增长，最终撑爆本机内存（OutOfMemoryError: Metaspace）。

6.2 类加载器泄漏的典型场景

Spring Boot 应用在频繁部署（devtools 热部署）、使用动态代理、生成字节码框架（如 CGLIB、ASM）、使用 JSP 时，可能会创建大量自定义类加载器。如果这些类加载器被全局静态引用，导致无法回收，则元空间泄漏。

6.3 排查与预防

排查元空间泄漏时，使用以下命令观察：

bash 复制代码

jstat -gcmetacapacity <pid> 1000
jcmd <pid> VM.metaspace

查看加载类的数量：

bash 复制代码

jcmd <pid> VM.class_histogram

如果发现某些类被反复加载且数量持续上升，检查是否有类加载器被长期持有。

解决方法：

避免使用 Java 动态代理生成大量类，考虑使用 ASM 并复用类生成器。
如果你在开发中频繁重启类加载器（如 IDE 的 reload），确保没有第三方库持有 AppClassLoader 引用。

以下是一个元空间泄漏模拟示例（适合演示）：

java 复制代码

// MetaspaceLeakSimulator.java 伪代码，不能直接运行
// 演示用一个静态 List 保存所有 ClassLoader
static final List<ClassLoader> CLASSLOADERS = new ArrayList<>();

while (true) {
    ByteArrayOutputStream out = new ByteArrayOutputStream();
    // 通过 JavaCompiler 动态生成一个类，并在自定义 ClassLoader 中加载
    ClassLoader loader = new URLClassLoader(new URL[]{...}, getClass().getClassLoader());
    CLASSLOADERS.add(loader); // 持有了类加载器引用，阻止回收
}

注意：这里仅是示意，动态生成类需要复杂的字节码生成。真正的复现需要大量类加载。

7. GC 日志分析：内存泄漏的第一道防线

7.1 如何开启 GC 日志？

GC 日志记录了每次垃圾回收的耗时、内存变化等。它是检测内存泄漏趋势的利器。开启方式在不同 JDK 版本略有不同。

JDK 8：

bash 复制代码

-Xloggc:/path/to/gc.log -XX:+PrintGCDetails -XX:+PrintGCDateStamps -XX:+UseGCLogFileRotation -XX:NumberOfGCLogFiles=10 -XX:GCLogFileSize=10M

JDK 11+：

bash 复制代码

-Xlog:gc*:file=/path/to/gc.log:time,uptime,level,tags

7.2 如何分析 GC 日志？

可以用工具如 GCEasy、GCViewer 或手动分析。关注以下几点：

GC 频率：是否越来越频繁？
内存曲线：每次 GC 后到底内存是否降下来？如果老年代容量每次 GC 后没有减少，且不断增长，可能是泄漏。
停顿时间：Full GC 时间是否过长？

以下是一个典型的 GC 日志片段（JDK 11 格式），可以从中观察趋势：

text 复制代码

[2023-01-01T00:00:00.000+0800][gc,heap] GC(0) Pause Young (Allocation Failure) 100M->50M(256M) 10ms
[2023-01-01T00:00:05.000+0800][gc,heap] GC(1) Pause Young (Allocation Failure) 200M->150M(256M) 20ms
[2023-01-01T00:00:10.000+0800][gc,heap] GC(2) Pause Full (Allocation Failure) 250M->240M(256M) 500ms
[2023-01-01T00:00:15.000+0800][gc,heap] GC(3) Pause Full (Allocation Failure) 240M->235M(256M) 600ms

可以看到每次 Full GC 后，占用只减少了 5-10M，说明大量对象是存活的，极可能是泄漏。

一个对比表格：

GC 指标	健康系统	泄漏系统
Young GC 后内存	降到基线	每次都在同一水平
Full GC 频率	很少	频繁
Full GC 后老年代	降至合理水平	几乎不降

7.3 从 GC 日志到行动

当你从 GC 日志中预测到泄漏时，应立即获取堆转储进一步定位。不要等待 OOM。

8. 常备排查工具箱：典型命令与使用场景

我们将常使用的命令整理为一张速查表。

工具	命令/用法	能发现什么
jps	jps -l	找到 Java 进程 PID
jstat	jstat -gcutil 1000	查看 GC 利用率、各区容量
jmap	jmap -histo	打印类实例直方图
jmap	jmap -dump:live,format=b,file=heap.bin	获取堆转储
jcmd	jcmd VM.oom_history	JDK 11+ 显示 OOM 历史
jstack	jstack	查看线程栈，协助分析死锁等
jinfo	jinfo	查看 JVM 参数
jcmd	jcmd GC.heap_info	查看堆信息

注意，这些命令会消耗资源或暂停应用。生产环境使用时需谨慎，一般可以选择在低峰期或开启自动 dump。

9. 常见误区：很多人以为这样就没问题

内存泄漏排查中，有以下常见误区，需要特别指出。

误区一：认为内存泄漏只表现 OOM。OOM 是最终结果，之前的持续内存增长和频繁 GC 才是泄漏的信号。
误区二：只加内存而忽略代码问题。这只会让进程活得更久，但最终还是会崩溃，而且可能掩盖问题造成更大损失。
误区三：ThreadLocal 是自动清理的。看看官方文档，它要求最后的 remove 是 best practice。
误区四：堆转储只能在 OOM 时做。应该定期在内存较高时主动获取，也许能避免 OOM。注意 OOM 后 dump 和正常 dump 的环境差异。

10. 生产实践建议：如何预防和快速响应

预防胜于治疗。以下实践建议将降低生产遇到的概率。

应用上线前加入监控：使用 Micrometer 暴露内存指标（heap、nonheap、metaspace），并通过 Prometheus + Grafana 可以实时观测曲线。
启动参数加入 HeapDumpOnOutOfMemoryError 和 GC 日志。
定期压测并观察 GC 日志，尤其是长时间运行后的表现。
代码审查阶段就检查缓存、ThreadLocal、静态集合的使用是否符合规范。

11. 排障清单：当报警来了，你可以按这个顺序执行

第一步：观察指标。确认是否内存持续增长（如已定义 Prometheus 图表则直接查看，否则使用 jstat）。
第二步：获取 GC 日志和线程栈。
第三步：若认为堆内存问题，执行 jmap -histo 快速看 top 对象柱状。也可以直接 jmap -dump 获取 dump。注意停顿。
第四步：用 MAT 打开 dump，分析 Suspects。
第五步：根据嫌疑人对象回溯到代码位置。
第六步：修复后重启，并重复压测以验证。

我们完整画一个决策流程图：

text 复制代码

内存告警
   ↓
是否频繁 Full GC？
  ├─ 否 → 观察服务器资源，可能不是内存泄漏，检查其他方面
  ↓是
获取当前堆前 20 个类实例（jmap -histo）
   ↓
是否有异常大/异常多的类？
  ├─ 否 → 继续监控，可能增长曲线呈锯齿形且稳定
  ↓是
对嫌疑类获取堆转储（保留 dump）
   ↓
用 MAT 分析 GC 根路径
   ↓
定位代码：缓存？ThreadLocal？类加载器？
   ↓
修复并验证

12. 面试/复盘问题：加深你的思路

什么情况会收到"OutOfMemoryError: Java heap space"？它和"OutOfMemoryError: Metaspace"有何不同？
ThreadLocal 为何可能发生内存泄漏？为什么 key 用弱引用仍泄漏？
如何区分正常的内存浮动和内存泄漏？
你会如何设计一个定时监控，以尽早发现内存泄漏？
Java 8 与 Java 11 在元空间上的行为有何区别？

13. 总结：把知识收拢成一张决策地图

现在，我们可以把全篇文章浓缩成一张表：

问题类型	症状	常见场景	主要工具	预防与修复
堆内存泄漏	老年代持续增长，Full GC 后不降低	缓存未清理、ThreadLocal 未 remove、静态集合持有大量对象	jmap、MAT	使用弱引用、清理线程、缓存淘汰、及时 remove
元空间泄漏	Metaspace 占用持续增长	动态生成类未释放、热部署	jcmd VM.metaspace、jcmd VM.class_histogram	控制类加载器数量，去除强引用
本地内存泄漏	RSS 增长但堆未涨	DirectBuffer、JNI 分配未释放	pmap、Native Memory Tracking	使用堆外内存时注意释放；开启 NMT 监控

当你面对一个具体问题时，可以先判断它属于哪一类，再使用对应的工具和手段。

参考资料

Oracle. Java SE Documentation: HotSpot Virtual Machine Garbage Collection Tuning Guide（官方）
埃克尔. Java 编程思想（第 4 版），机械工业出版社，2007。
OpenJDK. JDK 工具参考：jhsdb、jcmd、jmap、jstat（官方文档），见 Oracle 官方文档。

最后，希望你能带着框架去实践，把本文中的示例跑一遍，再结合生产环境优化。你会在实战中发现，内存泄漏并非想象中的那么难。