一次真实的线上OOM问题定位

概述

近日，负责的一系统生产环境上出现了OutOfMemoryError,伴随着这个问题随之而来的是一堆Full GC, CPU 百分之百，频繁宕机重启等问题，严重影响业务的推广及使用，此类问题一般处理起来比较棘手，本文将此问题的出现及定位解决过程做下梳理，以便对后续处理类似问题提供参考指导。

注：该问题前面发了一版，因有些描述不太恰当，后来删除了，少数先得者看到了，想再看下发现已被删除，私信咨询我怎么找不到了，由此可见，很多同事还是比较在意此类问题的，很好，重新梳理下，补上一篇。

问题出现

软件:WildFly standalone 8.1.0.Final(OpenJDK)
报警内容:日志中有OutOfMemoryError信息
环境:PRD
报警级别:严重
报警时间:2019-04-09 11:04:59
当前时间:2019-04-09 11:06:03
监控项名称:jboss日志OutOfMemoryError
最新数据:2019-04-09 11:03:38,791 ERROR [stderr] (RMI RenewClean-[net.sf.ehcache.distribution.ConfigurableRMIClientSocketFactory@1d4c0]) Exception in thread “RMI RenewClean-[net.sf.ehcache.distribution.ConfigurableRMIClientSocketFactory@1d4c0]” java.lang.OutOfMemoryError: Java heap space

第一步：重启服务

做好机器隔离，重启服务，保证不影响业务使用！

第二步：收集dump文件

第三步：利用JVM故障处理工具分析问题

打开jvisualvm工具

载入dump文件

查找保留大小最大的对象

重点关注前几位

查看实例数最大的实例

分析可能的原因

从实例上看JDBC42ResultSet占用空间最大，从而大胆猜测与查询相关，那么就看详情中能否找到是哪个sql导致的问题，查看owningstatemeng语句集：

查看原始sql:originalSql

sql详情：

纳尼，where 1=1？相当于没带条件查所有记录，那么，表中有多少记录呢，不多，也就20万不到吧

至此，改问题的原因似乎显而易见。

第四步：紧急发布

于当晚拉紧急版本，通宵发布处理，以免问题重现。

总结

此问题是由于研发人员疏漏，查询字典表数据未带查询条件，导致查出表中所有记录进行ORM处理导致内存溢出。定位过程看似简单，但如何能在第一时间迅速排查原因并给出解决方案，难度还是不小的，由于缺乏经验，往往不知该怎么入手，况且线上异常场景复杂多变，不保证这个地方优化了，后续就没有问题了，需要在现网环境经住考验才行。

事实证明，此问题优化后，现网仍然有较多其他问题待解决，目前正在组织专家会诊，待后续有时间再做总结吧。