第2章 堆转储文件采集策略：何时触发heap dump、jmap/jcmd命令参数、生产环境安全采集与文件清理
现象识别：何时触发堆转储？
堆转储（Heap Dump）是内存分析的“现场照片”，但随意采集会带来严重的生产风险。只有以下症状同时满足时才应考虑触发：
- 持续高水位：老年代使用率稳定超过85%，Full GC后回收率低于10%
- 渐进式增长：堆占用每10分钟增长超过200MB，且GC日志显示“晋升失败”或“元空间溢出”
- 响应劣化：接口P99延迟飙升>5s，同时young GC耗时>2s
判断规则：使用以下故障树快速决策——若OOM + 堆增长趋势线斜率>0.3，立即采集；若仅OOM警告但无增长趋势，优先分析GC日志而非dump；若CPU飙升+堆稳定，则非内存泄漏，不应触发dump。
数据采集：jmap与jcmd命令参数对比
生产环境推荐使用jcmd（JDK 8u20+）而非jmap，因其无停顿、支持压缩、可自动清理。下面表格对比核心参数：
| 特性 | jmap | jcmd |
|---|---|---|
| 基础命令 | jmap -dump:format=b,file=heap.hprof <pid> | jcmd <pid> GC.heap_dump heap.hprof |
| 压缩输出 | 不支持（需自行gzip） | jcmd <pid> GC.heap_dump -gz=9 heap.hprof.gz |
| JVM停顿 | 可能触发STW（安全点） | 几乎无停顿（异步+并行） |
| 实时触发 | 需连接JMX或本地 | 支持远程（需开启JMX）和本地 |
| 文件覆盖 | 手动管理 | 自动创建时间戳版本 |
生产环境安全规则：
- 采集前必须确认当前堆大小（
jstat -gc <pid> 1000 5），若已占用超过95%且GC频繁，禁止使用jmap的-live选项（会强制Full GC） - 固定采集窗口：仅在凌晨低峰期或业务降级后执行，且单次采集耗时控制在5秒内
- 预留磁盘空间：确保
df -h显示剩余空间>2倍当前堆最大值
原因定位（采集阶段）：判断dump文件是否可用
采集完成后立即执行以下检查，避免分析无效数据：
- 文件完整性：
ls -lh heap.hprof大小是否接近堆最大值±10% - 时间戳验证：
stat heap.hprof采集时间与触发时间间隔<3秒 - 快速预览：使用
jhat -J-Xmx2g heap.hprof & 2>/dev/null若能加载则可用（之后关闭）
# 采集命令示例（生产安全模式）
# 1. 获取堆使用情况
jstat -gcutil 12345 1000 3
# 2. 使用jcmd采集并压缩（推荐）
jcmd 12345 GC.heap_dump -gz=5 /data/dumps/heap_$(date +%Y%m%d_%H%M%S).hprof.gz
# 3. 验证文件及MD5
md5sum /data/dumps/heap_*.hprof.gz | tee /data/dumps/checksum.txt
修复动作：采集参数调优与文件清理策略
针对频繁采集场景（如压测或灰度验证），需调整采集参数以减少开销：
| 参数 | 推荐值 | 说明 |
|---|---|---|
-gz | 5～7 | 压缩级别；5平衡速度与压缩比，7适合磁盘紧张 |
-overwrite | false（默认） | 禁止覆盖已有文件，保留历史快照 |
GC.heap_dump 超时 | 30秒 | 配合 -Dcom.sun.management.jmxremote.timeout=30 |
文件清理最佳实践：
- 按目录分仓：
/data/dumps/<日期>/每天独立子目录 - 保留策略：保留最近3天+每周全量压缩包，其余自动删除
- 使用cron作业执行安全清理（不要用
rm -rf裸奔）：
#!/bin/bash
# /usr/local/bin/clean_dumps.sh
DUMP_DIR=/data/dumps
RETENTION_DAYS=3
find $DUMP_DIR -name "*.hprof*" -mtime +$RETENTION_DAYS -type f \
! -name "*weekly*" -exec gzip {} \; -exec mv {} /archive/ \;
# 保留每周的压缩包
find /archive/ -name "*.gz" -mtime +30 -delete
复测：验证采集策略的有效性
在预发环境进行模拟泄漏压测，验证整个链路：
- 启动压测工具（如wrk），制造堆增长（每秒分配128MB对象）
- 当堆使用达到80%时，自动触发采集（通过JMX监听）
- 检查：
- 采集耗时（jcmd < 5ms，jmap < 500ms）
- 文件大小波动（变异系数 < 15%）
- 清理脚本执行后磁盘占用回落到基线
验证指标：采集成功率≥99.9%，清理后磁盘碎片率＜10%，单次采集对业务QPS影响＜1%。
预防：建立生产环境安全采集规范
将以下规则纳入线上变更准入清单：
- 禁止在IO峰值时段使用
jmap -dump:live；必须用jcmd - 所有采集操作必须记录审计日志（
whoami, pid, 命令, 耗时） - 部署堆转储自动保护：当磁盘使用率>85%时，采集命令自动拒绝
- 定期（每月）通过混沌工程注入泄漏场景，验证采集链路高可用