博客
关于我
jvm,导致cpu过高问题和排查演示
阅读量:333 次
发布时间:2019-03-04

本文共 1244 字,大约阅读时间需要 4 分钟。

实验环境:CentOS7

实验代码

以下是一个模拟死循环的代码段,用于测试并解决死循环问题:

public Map
deadIterator() { Map
paramMap = new HashMap<>(); paramMap.put("onekey", new Object()); Map
dataMap = new HashMap<>(); Iterator
iterator = paramMap.keySet().iterator(); while (iterator.hasNext()) { System.out.println("iterator.hasNext()"); for (String keySet : dataMap.keySet()) { System.out.println("for.dataMap.keySet()()"); if (iterator.next().equals(keySet)) { iterator.remove(); } } } return paramMap;}

实验步骤

在Controller中,通过外部调用上述死循环代码:

@RequestMapping("/deadIterator")@ResponseBodypublic String deadIterator() {    deadLockService.deadIterator();    return "deadIterator";}

部署项目到Linux环境并启动

java -Xmx32M -Xms32M -XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=./ -jar order-0.0.1-SNAPSHOT.jar

调用接口:CPU飙升

在实际应用中,可能会观察到CPU使用率急剧上升的情况。

排查过程

  • 使用top命令查看进程状态,发现PID 4906占用高。

  • 使用jps -l确认,发现对应的Java应用进程为PID 4906。

  • 使用jstack 4906 > 4906.txt导出线程栈信息。

  • 分析线程文件,定位到死循环代码,完成排查。

  • 补充命令示例

    • 查看进程状态:top -Hp pid
    • 获取线程PID:printf "%x\n" 线程pid
    • 导出线程栈信息:jstack pid | grep 转换成16进制的数值 -A 30
    • 查看具体线程信息:sudo jsatck pid > 789.txt

    通过以上步骤,可以有效识别并解决死循环问题,确保系统性能正常运行。

    转载地址:http://wjuh.baihongyu.com/

    你可能感兴趣的文章
    OpenCV与AI深度学习 | CoTracker3:用于卓越点跟踪的最新 AI 模型
    查看>>
    OpenCV与AI深度学习 | OpenCV中八种不同的目标追踪算法
    查看>>
    OpenCV与AI深度学习 | OpenCV图像拼接--Stitching detailed使用与参数介绍
    查看>>
    OpenCV与AI深度学习 | OpenCV如何读取仪表中的指针刻度
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(一) :直接拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(三):基于特征匹配拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(二) :基于模板匹配拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV常用图像拼接方法(四):基于Stitcher类拼接
    查看>>
    OpenCV与AI深度学习 | OpenCV快速傅里叶变换(FFT)用于图像和视频流的模糊检测(建议收藏!)
    查看>>
    OpenCV与AI深度学习 | PaddleOCR 2.9 发布, 正式开源文本图像智能分析利器
    查看>>
    OpenCV与AI深度学习 | SAM2(Segment Anything Model 2)新一代分割一切大模型介绍与使用(步骤 + 代码)
    查看>>
    OpenCV与AI深度学习 | T-Rex Label !超震撼 AI 自动标注工具,开箱即用、检测一切
    查看>>
    OpenCV与AI深度学习 | YOLO11介绍及五大任务推理演示(目标检测,图像分割,图像分类,姿态检测,带方向目标检测)
    查看>>
    OpenCV与AI深度学习 | YOLOv10在PyTorch和OpenVINO中推理对比
    查看>>
    OpenCV与AI深度学习 | YOLOv11来了:将重新定义AI的可能性
    查看>>
    OpenCV与AI深度学习 | YOLOv8自定义数据集训练实现火焰和烟雾检测(代码+数据集!)
    查看>>
    OpenCV与AI深度学习 | YOLOv8重磅升级,新增旋转目标检测,又该学习了!
    查看>>
    OpenCV与AI深度学习 | 一文带你读懂YOLOv1~YOLOv11(建议收藏!)
    查看>>
    OpenCV与AI深度学习 | 五分钟快速搭建一个实时人脸口罩检测系统(OpenCV+PaddleHub 含源码)
    查看>>
    OpenCV与AI深度学习 | 什么是 COCO 数据集?
    查看>>