NativeMemoryTracking查看java内存信息

默认该功能是禁用的,因为会损失5-10%的性能

开启命令

-XX:NativeMemoryTracking=detail

打印命令

jcmd 45064 VM.native_memory summary scale=MB > NativeMemoryTracking.log

具体的日志信息

➜  ~
➜  ~ jcmd 45064 VM.native_memory summary scale=MB
45064:

Native Memory Tracking:

(Omitting categories weighting less than 1MB)

Total: reserved=5676MB, committed=654MB
       malloc: 58MB #363115
       mmap:   reserved=5618MB, committed=596MB

-                 Java Heap (reserved=4096MB, committed=200MB)
                            (mmap: reserved=4096MB, committed=200MB)

-                     Class (reserved=1025MB, committed=11MB)
                            (classes #16551)
                            (  instance classes #15574, array classes #977)
                            (malloc=1MB #44456)
                            (mmap: reserved=1024MB, committed=10MB)
                            (  Metadata:   )
                            (    reserved=64MB, committed=63MB)
                            (    used=62MB)
                            (    waste=1MB =0.90%)
                            (  Class space:)
                            (    reserved=1024MB, committed=10MB)
                            (    used=9MB)
                            (    waste=0MB =3.79%)

-                    Thread (reserved=258MB, committed=258MB)
                            (thread #129)
                            (stack: reserved=258MB, committed=258MB)

-                      Code (reserved=50MB, committed=19MB)
                            (malloc=2MB #10874)
                            (mmap: reserved=48MB, committed=17MB)

-                        GC (reserved=130MB, committed=54MB)
                            (malloc=17MB #9999)
                            (mmap: reserved=112MB, committed=36MB)

-                  Internal (reserved=1MB, committed=1MB)
                            (malloc=1MB #18262)

-                    Symbol (reserved=26MB, committed=26MB)
                            (malloc=22MB #218120)
                            (arena=4MB #1)

-    Native Memory Tracking (reserved=6MB, committed=6MB)
                            (tracking overhead=6MB)

-        Shared class space (reserved=16MB, committed=13MB, readonly=0MB)
                            (mmap: reserved=16MB, committed=13MB)

-           Synchronization (reserved=3MB, committed=3MB)
                            (malloc=3MB #50578)

-                 Metaspace (reserved=64MB, committed=63MB)
                            (mmap: reserved=64MB, committed=63MB)

堆外内存异常问题排查

https://www.cnblogs.com/duanxz/p/3738858.html

Native Memory Tracking 详解(1):基础介绍 | HeapDump性能社区

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.mfbz.cn/a/767173.html

如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈qq邮箱809451989@qq.com,一经查实,立即删除!

相关文章

JavaScript之深入对象,详细讲讲构造函数与常见内置构造函数

前言:哈喽,大家好,我是前端菜鸟的自我修养!今天给大家详细讲讲构造函数与常见内置构造函数,并提供具体代码帮助大家深入理解,彻底掌握!原创不易,如果能帮助到带大家,欢迎…

达梦数据库的系统视图v$deadlock_history

达梦数据库的系统视图v$deadlock_history 在达梦数据库(DM Database)中,V$DEADLOCK_HISTORY 视图记录了数据库中发生的死锁信息。通过查询这个视图,数据库管理员可以监控和诊断数据库中的死锁问题,从而采取相应的措施…

鸿蒙认证值得考吗?

鸿蒙认证值得考吗? 鸿蒙认证(HarmonyOS Certification)是华为为了培养和认证开发者在鸿蒙操作系统(HarmonyOS)领域的专业技能而设立的一系列认证项目。这些认证旨在帮助开发者和企业工程师提升在鸿蒙生态中的专业技能…

小故事——半个世纪的爱情

半个世纪的爱情 故事的开端永远是在那个情窦初开的年纪,那富有蓬勃朝气的少年时代,眼神中青涩未尽,正是这个时间,才真正的让人难以忘怀。她不过是那班级里面普普通通的小孩,故事的男主角同样也是简简单单的存在&#…

激光SLAM如何动态管理关键帧和地图

Tip: 如果你在进行深度学习、自动驾驶、模型推理、微调或AI绘画出图等任务,并且需要GPU资源,可以考虑使用UCloud云计算旗下的Compshare的GPU算力云平台。他们提供高性价比的4090 GPU,按时收费每卡2.6元,月卡只需要1.7元每小时&…

Activity、Window、DecorView的关系

目录 一、Activity、Window、DecorView的层级关系如下图所示: 1、Activity 2、Window 3、DecorView 二、DecorView初始化相关源码 三、DecorView显示时机 前言: 不同的Android版本有差异,以下基于Android 11进行讲解。 一、Activi…

音乐发行平台无加密开源源码

适用于唱片公司,用于接收物料,下载物料功能:个人或机构认证,上传专辑和歌曲,版税结算环境要求php7.4Nginx 1、导入数据库 2、/inc/conn.php里填写数据库密码等后台路径/admin(可自行修改任意入口名称&…

Meta 3D Gen:文生 3D 模型

是由 Meta 公布的一个利用 Meta AssetGen(模型生成)和 TextureGen(贴图材质生成)的组合 AI 系统,可以在分分钟内生成高质量 3D 模型和高分辨率贴图纹理。 视频演示的效果非常好,目前只有论文,期…

计算机网络--网络层

一、网络层的服务和功能 网络层主要为应用层提供端对端的数据传输服务 网络层接受运输层的报文段,添加自己的首部,形成网络层分组。分组是网络层的传输单元。网络层分组在各个站点的网络层之间传输,最终到达接收方的网络层。接收方网络层将运…

PLC_博图系列☞TP:生成脉冲

PLC_博图系列☞TP:生成脉冲 文章目录 PLC_博图系列☞TP:生成脉冲背景介绍TP: 生成脉冲说明参数脉冲时序图示例 关键字: PLC、 西门子、 博图、 Siemens 、 TP 背景介绍 这是一篇关于PLC编程的文章,特别是关于西门…

快速上手文心一言指令:解锁AI对话新纪元

快速上手文心一言指令 一、引言:文心一言的魅力所在二、准备工作:了解文心一言平台2.1 轻松注册,开启智能对话之旅2.2 深度探索,掌握界面布局奥秘2.2.1 输入框:智慧交流的起点2.2.2 回复区:即时反馈的窗口2…

Echarts-折线图

1.案例1 1.1代码 option {"tooltip": {"trigger": "axis","backgroundColor": "rgba(32, 33, 36,.7)","borderColor": "rgba(32, 33, 36,0.20)","borderWidth": 10,"textStyle"…

星辰资讯 | TiUP v1.16 发版,支持 PD 微服务

如果你对 TiDB 还不太了解,或者你对数据库安装部署的认知仍然停留在手动和脚本时代,那么,请先戳这里了解一下 TiUP 神器: 震惊!数据库小白装国产数据库只需10分钟! TiDB 7.x 源码编译之 TiUP 篇 TiUP&#…

基于改进高斯-拉普拉斯滤波器的一维时间序列平滑与降噪(MATLAB)

以图像处理为例,拉普拉斯算子是基于图像的二阶导数来找到边缘并搜索过零点,传统的拉普拉斯算子常产生双像素宽的边缘,对于较暗区域中的亮斑进行边缘检测时,拉普拉斯运算就会使其变得更亮。因此,与梯度算子一样&#xf…

基于tensorflow2的目标检测完整实现过程

序言 虽然tf1仍然在维护,但tf2毕竟是主流,如果不是项目有明确要求,建议直接选择tf2。本文以tf2为例展开,总结从环境准备到使用自己的数据和tensorflow预训练模型进行快速训练和调用。对tensorflow和目标检测算法有深入了解的&…

Seal^_^【送书活动第8期】——《ChatGLM3大模型本地化部署、应用开发与微调》

Seal^_^【送书活动第8期】——《ChatGLM3大模型本地化部署、应用开发与微调》 一、参与方式二、本期推荐图书2.1 作者建语2.2 编辑推建2.3 图书简介2.4 前 言2.5 目 录 三、正版购买 大模型领域 既是繁星点点的未知宇宙,也是蕴含无数可能的广阔天地, 正…

“不喝鸡汤 不诉离殇”华火电燃灶用实力引领烹饪灶具发展

在这个快节奏的时代,我们常常被各种厨房电器的鸡汤所包围,并悄悄的告诉我们厨房生活是美好与温暖的,但面对现实中的挑战与困难时,常常表现出选择性失明;那些隐藏在传统厨房烹饪环境下的危机,就像是慢性的毒…

参数污染漏洞(HPP)挖掘技巧及实战案例全汇总

目录 概念: 漏洞原理: 实战案例总结: 1. 逻辑漏洞(IDOR) 2. 绕过检测(WAF) 挖掘技巧: 修复方案: 概念: HTTP参数污染,也叫HPP(HTTP Parameter Pollution)。简单地讲就是给一个参数赋上两个或两个以上的值,由于现行的HTTP标准没有提及在遇到多个输入值给相…

设计IC行业SAP软件如何处理芯片成本计算

在集成电路(IC)设计与制造行业中,精确的成本计算对于维持健康的财务状况、优化生产流程以及保持市场竞争力至关重要。SAP软件,作为一种全面的企业资源规划(ERP)解决方案,为IC行业提供了强大且灵活的成本计算工具。以下是SAP软件如何处理芯片成…

【Linux】应用层创建XXX文件,文件系统调用可以查看到文件名

搞了台电脑,昨天把系统装了下,继续搞事: 上次基于内核代码openat的系统打印被操作的文件名,发现不成功,很奇怪,这种问题内核不可能会犯这种低级别的问题吧? 反过来想,那不是内核的问…