MAT(Memory Analyzer Tool)，一个基于Eclipse的跨平台的内存分析工具，是一个快速、功能丰富的JAVA heap分析工具，它通过读取应用程序运行时由 Java 运行时环境生成的转储文件快照，可以帮助我们查找内存泄漏和减少内存消耗。使用内存分析工具从众多的对象中进行分析，快速的计算出在内存中对象的占用大小，看看是谁阻止了垃圾收集器的回收工作，并可以通过报表直观的查看到可能造成这种结果的对象。

官网地址：https://www.eclipse.org/mat/。

Memory Analyzer 可以用来处理 HPROF 二进制 Heap Dump 文件 、 IBM 系统 dump 文件（经过处理后）、以及来自各个平台上的 IBM portable Heap Dump s (PHD) 文件。通过Memory Analyzer 能够直观的看到Heap Dump文件中的：

对象信息：类、成员变量、直接量以及引用值；

类信息 类加载器 、 名称 、 超类 、 静态成员；

Garbage Collections Roots JVM 可达的对象；

线程栈以及本地变量 获取快照时的线程栈信息 以及局部变量的详细信息 。

1 下载MAT

官方下载地址：https://www.eclipse.org/mat/downloads.php。

下载完毕之后，解压，可以看到MemoryAnalyzer.exe文件，打开即可使用。

2 获取Dump文件

获取Heap Dump文件的方式有很多，通常是通过参数配置在特定的条件下触发堆转储，也可以通过工具来获取。常见命令的方式有如下两个：

启动时添加JVM参数-XX:+HeapDumpOnOutOfMemoryError，将会在发生系统OutOfMemoryError后自动转储一份HPROF二进制Heap Dump文件。

该配置会把快照保存在项目目录或者tomcat目录下，也可以通过 -XX:HeapDumpPath=/xxx/heapdump.hprof来显示指定路径。

OnOutOfMemoryError参数还允许用户指定当出现OOM时，指定某个脚本来完成一些动作，比如自动重启tomcat：-XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=/xxx/heapdump.hprof -XX:OnOutOfMemoryError="sh ~/restart.sh"

使用jmap参数，jmap -dump:[live,]format=b,file=<filename>，将会立即将生成堆转储快照到指定的位置指定的文件中。

3 编写错误程序

我们编写一个简单的代码，循环的创建UUID字符串拼接并添加到一个list中：

publicclassTestJvmOOM{publicstaticvoidmain(String[]args){List<Object>list=newArrayList<>();for(inti=0;i<1000000;i++){Stringstr="";for(intj=0;j<100;j++){str+=UUID.randomUUID().toString();}list.add(str);}System.out.println("ok");}}

4 转储Heap Dump

设置启动参数，最大内存为4m，并且自动转储Heap Dump：-Xms4m -Xmx4m -XX:+HeapDumpOnOutOfMemoryError，IDEA这么设置：

运行程序之后很快抛出了OOM，并且自动生成了Heap Dump文件：

默认位置在项目目录下面：

下面开始分析！

4 使用MAT

双击MemoryAnalyzer.exe文件，打开：

点击File，Open Heap即可选择一个Heap Dump文件，我们选择刚才生成的文件。

选择打开的模式，我们选择第一个Leak Suspects Report模式，即用于分析内存泄漏，点击Finish即可打Heap Dump文件：

常见选项的含义：

Leak Suspects Report：内存泄漏可疑点报告，自动检查堆转储是否存在泄漏嫌疑，报告哪些对象被保存起来，为什么它们没有被垃圾收集，最常用的模式。

Component Report： 元件报告，分析一组对象是否存在可疑的内存问题：重复的字符串、空集合、终结器、弱引用等。

Re-open previously run reports： 打开以前的运行报告；

4.1 OverView概览视图

Dump文件越大，打开的时间就越长，打开之后，OverView界面如下，Overview视图，显示了此份Dump文件的概要的信息，并展示了MAT常用的一些功能：

Details：显示了一些统计信息，包括HeapDump的大小、类（Class）的数量、对象（Object）的数量、类加载器（Class Loader)的数量。

Biggest Objects by Retained Size ：以饼图的方式直观地显示了在dump中最大的几个对象，当鼠标光标移到某块区域的时候会在左边Inspector和Attributes窗口中显示详细的信息，在区块上点击左键可以通过菜单获取更详细的信息。

Actions ：几种常用到的操作，包括Histogram、Dominator Tree、Top Consumers、Duplicate Classes。

Reports ：列出了常用的报告信息，包括Leak Suspects和Top Components。

Step By Step ：以向导的方式逐步的引导使用功能，包括Component Report。

下面我们来看看其他常用的功能。

4.2 Histogram直方图

Histogram直方图，用于展示每个类型的实例的数量，以及 shallow size 和 retained size ：

shallow size：浅堆，代表了对象本身的内存占用，包括对象自身的内存占用，以及“为了引用”其他对象所占用的内存。

非数组类型的对象的 shallow heap=对象头+各成员变量大小之和+对齐填充。其中，各成员变量大小之和就是实例数据，如果存在继承的情况，需要包括父类成员变量

数组类型的对象的shallow heap=对象头+类型变量大小*数组长度+对齐填充，如果是引用类型，则是四字节或者八字节（64 位系统），如果是 boolean 类型，则是一个字节。这里类型变量大小*数组长度就是数组实例数据，强调是变量不实际是对象本身。

Retained heap：深堆，一个统计结果，会循环计算引用的具体对象所占用的内存。但是深堆和“对象大小”有一点不同，深堆指的是一个对象被垃圾回收后，能够释放的内存大小，这些被释放的对象集合，叫做保留集（Retained Set）。

4.2.1 outgoing reference与incoming reference

当右键单击任何对象时，将看到下拉菜单，如果选择“ListObjects”菜单项，可以查看对象的outgoing reference（对象的引出）和incoming reference（对象的引入）。

Incomming Reference 指的是引用当前对象的对象，Outgoing Reference 指的是当前对象引用的对象。对象的incomming reference 保证对象处于 alive 从而免于被垃圾回收掉 ；Outgoing reference 则展示了对象内部的具体内容，有助于我们分析对象的属性 。

我们看看第一个最大的char[]的Incomming Reference：

可以看到，它们几乎都是被一个String对象的value属性引用的，实际上这个String就是我们拼接的UUID字符串。

4.3 Dominator Tree支配树

列出Heap Dump中处于活跃状态中的最大的几个对象，默认按 retained size进行排序，因此很容易找到占用内存最多的对象。

排在第一的最大的对象就是占用内存最多的对象，它在树中的子节点都是被该对象直接或间接引用的对象（这意味着当这个对象被回收的时候它的子节点对象也会被回收）。

一般定位OOM的时候，都是直接查看支配树的最大的对象，我们的Heap Dump中的支配树中，很明显ArrayList占用了最大的内存，里面的元素就是一个个拼接的UUID字符串，就是因为这个原因导致了OOM。

4.4 Thread Overview线程视图

点击上面的黄色齿轮，可以生成Heap Dump文件的时候线程视图Thread Overview，查看线程的运行情况，抛出的异常的分析。

我们的Heap Dump中的Thread Overview，结果如下，很明显OutOfMemoryError是由main线程抛出的：

4.5 Leak Suspects泄露分析报告

MAT会分析 Heap Dump 文件并检测内存泄漏的可能，比如一个或一组异常大的对象 。Leak Suspects用于生成内存泄漏嫌疑分析报告，非常有用，能够帮组我们快速的定位OOM的原因。

查看我们的Heap Dump中的Thread Overview，结果如下，如果此前的几项你还不确定OOM的原因的话，那么这里可以说直接告诉你原因了：

可以看到，有66.79%的内存由Object[]数组占有，所以比较可疑，这是非常有可能出现内存溢出的。点击Details查看详情：

可以看到集合中存储了大量的UUID字符串。实际上这里已经告诉我们是不是因此导致的内存溢出了，我们在details详情的最下面可以看到：

就是这个大对象数组（list集合使用数组存放的元素)，因为需要分配连续的内存，而内存不足导致的OOM。

至此，分析完毕！