不止一次，我们都萌发过想对运行中程序的底层状况一探究竟的念头。产生这种需求的原因可能是运行缓慢的服务、Java虚拟机（JVM）崩溃、挂起、死锁、频繁的JVM暂停、突然或持续的高CPU使用率、甚至于可怕的内存溢出（OOME）。好消息是现在已有许多工具能帮你得到Java虚拟机运行过程中的不同参数，这些信息有助于你了解其内部状况，从而诊断上述的各种情况。
在这篇文章中，我将介绍一些优秀的开源工具。其中一些是JVM自带的，另一些则是第三方工具。我将从最简单的工具开始介绍，逐渐过渡到一些比较复杂的工具。本文的目的是帮助你找到合适的调试诊断工具，这样当程序出现执行异常、缓慢或根本不能执行时，手头随时有可用的工具。
好了，让我们出发。
如果程序出现不正常的高内存负载、频繁无响应或内存溢出，通常最好的分析切入点是查看内存对象。幸好JVM内置了工具“jmap”，让它天生就能完成这种任务。
Jmap（借助JPM的一点帮助）
Oracle将jmap描述为一种“输出进程、核心文件、远程调试服务器的共享对象内存映射和堆内存细节”的程序。本文将使用jmap打印一张内存统计图。
为了运行jmap，你需要知道被调试程序的PID（进程标识符）。得到PID的简单办法是使用JVM提供的jps，它能列出机器上每一个JVM进程及其PID。jps输出结果如下图：
图1：jps命令的终端输出
为了打印内存统计图，我们需要打开jmap控制台程序，并输入程序的PID和“-histo:live”选项。如果不添加这个选项，jmap将完整导出该程序的堆内存,这不是我们想要的结果。所以，如果想得到上图中“eureka.Proxy”程序的内存统计图，我们应该用如下命令来运行jmap：
jmap –histo:live 45417
上述命令输出如下：
图2：命令jmap -histo:live的输出结果显示了堆中现有对象的个数
结果中每行显示了当前堆中每种类类型的信息，包含被分配的实例个数及其消耗的字节数。
本例中，我请同事有意给程序增加了一处明显的内存泄露。请特别注意位于第8行的类，CelleData。将它与下图显示的4分钟后截屏进行比较：
图3：jmap的输出表明CelleData类的对象数目增加了
请注意CelleData类现在已经变为系统中第二多的类，短短4分钟内已经增加了631,701个额外实例。等待约一小时后，我们观察到如下结果：
图4：程序执行1小时后jmap的输出结果，显示超过2千5百万个CelleData类实例
现在有超过2千5百万个CelleData类实例，占用了超过1GB内存！我们可以确认这是一个内存泄露。
这类数据信息的好处是，不仅非常有用而且对于很大的JVM堆也能快速反馈结果。我曾经试过检测一个运行频繁并且占用17GB堆内存的程序，使用jmap能够在1分钟内生成程序的性能统计图。
需要注意的是，jmap不是运行分析工具，在生成统计图时JVM可能会暂停，因此当生成统计图时需要确认这种暂停对程序是可接受的。以我的经验，通常在调试一个严重bug时需要生成这种统计图，这种情况下，这些1分钟的暂停对程序来说是可接受的。这里，我们引出了下一个话题 - 半自动的运行分析工具VisualVM。
VisualVM
另一个包含于JVM中的工具是VisualVM，它的开发者将它描述为“一种集成了多个JDK命令行工具的可视化工具，它能为您提供轻量级的运行分析能力”。这样看来，VisualVM是另一种你最有可能用到的事后分析工具，一般是错误已出现或性能问题已经用传统方法(客户抱怨大多属于此类)发现。
继续之前的示例程序和它严重的内存泄露问题，在程序执行30分钟后，VisualVM帮我们绘制了如下图表：
图5：程序初始运行的VisualVM 内存图
从这个图表，我们可以清晰地看到截止到7:00pm，运行仅仅10分钟后，程序已经消耗掉超过1GB的堆空间。又过了23分钟，JVM已经到了它启动参数–Xmx3g最大值，导致程序响应缓慢，系统响应缓慢(持续的垃圾回收)和数量惊人的内存溢出错误。
借助jmap，我们定位了这种内存消耗攀升的原因。修复后，我们让程序重新运行于VisualVM的严格监测之下，观察到下面的情况：
图6：修复内存泄露问题后的VisualVM内存图
如你所见，程序的内存曲线（启动参数仍然为–Xmx3g）有了明显改善。
除了内存图像工具，VisualVM还提供了一个采样器和一个轻量级的剖析器（Profiler）。
VisualVM采样器能周期采样程序CPU和内存的使用情况。得到的统计数据类似jmap的反馈，此外，你还可以通过采样得到方法调用对CPU的占用情况。它让你能快速了解周期采样过程中的方法执行次数：
图7：VisualVM方法执行时间表
VisualVM剖析器无需对程序周期采样就可以提供类似采样器的反馈信息，它还可以收集程序在整个正常执行过程中的统计数据（通过操纵程序源代码的字节码）。从剖析器得到的这种统计数据比从采样器而来的更精确和实时。
图8：VisualVM剖析器的输出
但是，你必须考虑的另一方面是该剖析器属于一种“暴力”分析工具。它的检测方法本质上是重新定义程序执行中的大多数类和方法，结果必然会明显减缓程序执行速度。例如，上述程序运行部分的常规分析，大约要35秒。开启VisualVM的内存剖析器后，导致程序完成相同分析要31分钟。
我们需要清楚的是VisualVM并非功能齐全的剖析器。它无法在你的产品JVM上持续运行，不会保存分析数据，无法指定阈值，也不会在超过阈值时发出警报。要想更多的了解功能齐全的剖析器的目标。下面，让我们看看BTrace，这个功能齐全的开源java代理程序。
BTrace
想象一下，如果能收集JVM当前的任何信息，那么你感兴趣的信息有哪些？我猜想问题列表会将因人而异，因情形而异。就个人来说，我通常感兴趣的是以下的问题：
程序对堆、非堆、永久保存区（Permanent Generation），以及JVM包含的不同内存池（新生对象区、长期对象区、存活空间等）的内存使用情况
当前程序的线程数量，以及哪种类型线程正在被使用（单独计数）
JVM的CUP负载
系统平均负载/系统CPU使用总和
对程序中的某些类和方法，我需要了解它们被调用次数，各自平均执行时间和整体平均时间
对SQL调用的调用计数及执行次数
对硬盘和网络操作的调用计数及执行次数
利用BTrace可以采集到所有以上信息，你可以使用BTrace脚本定义需要采集的数据。方便的是，BTrace脚本就是普通Java类，包含一些特殊注解来定义BTrace在什么地方及如何跟踪你的程序。BTrace脚本会被BTrace编译器-btracec编译成标准的.class文件。
BTrace脚本包含许多部分，正如下图所示。如果需要了解下图脚本的详细内容，请点击该链接或访问BTrace项目网站。
由于BTrace仅仅是一个代理，记录结果后，它的任务就算完成了。除了文本输出，BTrace并不具备动态展现被收集信息的功能。缺省情况下，BTrace脚本输出结果将在btrace.class文件所在位置生成一个名为BTrace脚本名.class.btrace的text文件。
我们可以通过给BTrace设置一个额外参数，让它按某时间间隔循环记录日志。切记，它最多能在100个日志文件间循环，当达到*.class.btrace.99，它将覆盖*.class.btrace.00文件。若让循环间隔在一个合理数字（如，每7.5秒）内，你就有充足时间来处理这些输出。只要在java代理的输入参数中加上fileRollMilliseconds=7500，就可以实现日志循环。
BTrace一大缺点是它比较原始，难以定义它的输出格式。你也许非常希望有一种更好的方式来处理BTrace的输出和数据，比如可以用一种一致的图形用户界面来展示。你可能还需要比较不同时间点的数据和超出阈值能发送警告。一个新的开源工具EurekaJ，就此应运而生。
图9：激活方法分析时必需的BTrace脚本
JVM的CUP负载
系统平均负载/系统CPU使用总和
对程序中的某些类和方法，我需要了解它们被调用次数，各自平均执行时间和整体平均时间
对SQL调用的调用计数及执行次数
对硬盘和网络操作的调用计数及执行次数
利用BTrace可以采集到所有以上信息，你可以使用BTrace脚本定义需要采集的数据。方便的是，BTrace脚本就是普通Java类，包含一些特殊注解来定义BTrace在什么地方及如何跟踪你的程序。BTrace脚本会被BTrace编译器-btracec编译成标准的.class文件。
BTrace脚本包含许多部分，正如下图所示。如果需要了解下图脚本的详细内容，请点击该链接或访问BTrace项目网站。
由于BTrace仅仅是一个代理，记录结果后，它的任务就算完成了。除了文本输出，BTrace并不具备动态展现被收集信息的功能。缺省情况下，BTrace脚本输出结果将在btrace.class文件所在位置生成一个名为BTrace脚本名.class.btrace的text文件。
我们可以通过给BTrace设置一个额外参数，让它按某时间间隔循环记录日志。切记，它最多能在100个日志文件间循环，当达到*.class.btrace.99，它将覆盖*.class.btrace.00文件。若让循环间隔在一个合理数字（如，每7.5秒）内，你就有充足时间来处理这些输出。只要在java代理的输入参数中加上fileRollMilliseconds=7500，就可以实现日志循环。
BTrace一大缺点是它比较原始，难以定义它的输出格式。你也许非常希望有一种更好的方式来处理BTrace的输出和数据，比如可以用一种一致的图形用户界面来展示。你可能还需要比较不同时间点的数据和超出阈值能发送警告。一个新的开源工具EurekaJ，就此应运而生。
图9：激活方法分析时必需的BTrace脚本