应用程序出现OOM异常，你是否仍然通过看日志的方式去排查问题（该方式定位解决问题是大概率的巧合而已）？正确的排查方案是进行dump文件分析，你知道为什么吗？
Zabbix自带监控系统的内存利用率和CPU利用率，但是系统内存并不能反应JVM内存情况
jps是java提供的一个显示当前所有java进程pid的命令，适合在linux/unix平台上简单察看当前java进程的一些简单情况。
本章分析单个节点的启动和关闭流程。看看进程是如何解析配置、检查环境、初始化内部模块的，以及在节点被“kill”的时候是如何处理的。
分别复制tomcat目录下的 conf logs temp webapps work 这5个目录到 test1 和 test2下。
jps（JVM Process Status Tool）是JDK中的一个小工具，它的功能和UNIX的ps命令类似：可以列出正在运行的虚拟机进程，并显示虚拟机执行主类（Main Class，main()函数所在的类）名称以及这些进程的本地虚拟机唯一ID（LVMID，Local Virtual Machine Identifier），LVMID和操作系统的进程ID是一致的，当同时启动多个虚拟机进程，无法根据进程名称进行定位时，就可以使用jps命令显示主类的功能来区分。
Java中，引用和对象是有关联的。如果要操作对象则必须引用进行。因此，简单的办法是通过引用计数来判断一个对象是否可以回收。简单的说，给对象中添加一个引用计数，每当有一个引用失效时，计数器值减1，任何时刻计数器值为0的对象就是不可能再被利用的，那么这个对象就是可回收对象。那么为什么主流的Java虚拟机里面都没有选择这种算法呢？主要的原因是它很难解决对象之间相互循环引用的问题。
这篇文章将研究如何处理和调试那些只发生在生产环境（或其他远程环境）而本地开发环境可能没办法重现的“问题”。任何碰到过这种情况的人都不得不承认，试图定位这种“问题”原因的过程，很大可能性是以一堆胡乱猜测而告终：一个非常耗时且低效的过程。
1、错误提示：java.lang.OutOfMemoryError: Java heap space
在高并发下，Java程序的GC问题属于很典型的一类问题，带来的影响往往会被进一步放大。不管是「GC频率过快」还是「GC耗时太长」，由于GC期间都存在Stop The World问题，因此很容易导致服务超时，引发性能问题。
这个常量是java进程存活时长阈值，当一个java进程存活时间大于此值时，才会被zabbix视为监控对象。此值的单位为秒。
在网上查询尝试了一些办法如：修改tomcat文件下的bin/catalina 文件中set JAVA_OPTS= -Duser.timezone=GMT+08
在SpringBoot的Web项目中，默认采用的是内置Tomcat，当然也可以配置支持内置的jetty，内置有什么好处呢？
前面提到了虚拟内存需要映射物理内存才能使用，这个映射关系被保存在内存中的页表（Page Table）。现代 CPU 架构中一般有 TLB （Translation Lookaside Buffer，翻译后备缓冲，也称为页表寄存器缓冲）存在，在里面保存了经常使用的页表映射项。TLB 的大小有限，一般 TLB 如果只能容纳小于 100 个页表映射项。 我们能让程序的虚拟内存对应的页表映射项都处于 TLB 中，那么能大大提升程序性能，这就要尽量减少页表映射项的个数：页表项个数 = 程序所需内存大小 / 页大小。我们要么缩小程序所需内存，要么增大页大小。我们一般会考虑增加页大小，这就大页分配的由来，JVM 对于堆内存分配也支持大页分配，用于优化大堆内存的分配。那么 Linux 环境中有哪些大页分配的方式呢？
在SpringBoot的Web项目中，默认采用的是内置Tomcat，当然也可以配置支持内置的jetty，内置有什么好处呢？ 1. 方便微服务部署。 2. 方便项目启动，不需要下载Tomcat或者Jetty
折腾了两天总算搞定c调用jar包，其中遇到的问题这里总结一下： 1、起始demo 参考C调用java例子先跑起来 2、开发环境 使用linux虚拟机效率很低，找到了gnuwin32实现在windows下运行Makefile，使用的是https://sourceforge.net/projects/gnuwin32/ ，只需要把 mingw32-make.exe文件改名为make.exe 3、java开发 直接使用eclipse生成一个mvn项目，以这个最简项目开始入手 使用mvn编译出jar给c调用，参考maven将所有的依赖打成一个包，确保依赖没有问题，验证方法：
可以使用wget方式进行安装包的下载或直接访问downloads地址下载安装包后上传至相应节点并进行解压。
远程调试，特别是当你在本地开发的时候，你需要调试服务器上的程序时，远程调试就显得非常有用。
Linux 内存管理模型不是咱们这个系列的讨论重点，我们这里只会简单提一些对于咱们这个系列需要了解到的，如果读者想要深入理解，建议大家查看 bin 神（公众号：bin 的技术小屋）的系列文章：一步一图带你深入理解 Linux 虚拟内存管理
这里推荐使用Spotify的dockerfile-maven-plugin，理由是这个plugin用起来最简单且容易掌握。
在《Java虚拟机规范》的规定里，除了程序计数器外，虚拟机内存的其他几个运行时区域都有发生 OutOfMemoryError 异常的可能。
原文地址：https://www.cnblogs.com/superfj/p/8667977.html
Linux服务器至少1台，服务器数量视乎计划的Saturn Console的集群及ZK集群的大小。
介绍 在SpringBoot的Web项目中，默认采用的是内置Tomcat，当然也可以配置支持内置的jetty，内置有什么好处呢？ 1. 方便微服务部署。 2. 方便项目启动，不需要下载Tomcat或者Jetty 针对目前的容器优化，目前来说没有太多地方，需要考虑如下几个点 线程数 超时时间 jvm优化 针对上述的优化点来说，首先线程数是一个重点，初始线程数和最大线程数，初始线程数保障启动的时候，如果有大量用户访问，能够很稳定的接受请求， 而最大线程数量用来保证系统的稳定性，而超时时间用来保障
周松，长期从事在ITOM、ITOA领域，拥有丰富的IT系统管理和监控实施经验，精通Zabbix开源监控系统的架构、部署、使用和维护；精通IBM Tivoli、BMC Patrol等商业软件产品
有些时候我们需要查看jvm的运行参数，这个需求可能会存在2种情况： 第一，运行java命令时打印出运行参数； 第二，查看正在运行的java进程的参数；
【导读】笔者（许鹏）看Spark源码的时间不长，记笔记的初衷只是为了不至于日后遗忘。在源码阅读的过程中秉持着一种非常简单的思维模式，就是努力去寻找一条贯穿全局的主线索。在笔者看来，Spark中的线索就是如果让数据的处理在分布式计算环境下是高效，并且可靠的。 在对Spark内部实现有了一定了解之后，当然希望将其应用到实际的工程实践中，这时候会面临许多新的挑战，比如选取哪个作为数据仓库，是HBase、MongoDB还是Cassandra。即便一旦选定之后，在实践过程还会遇到许多意想不到的问题。 要想快速的解决开
Java 应用程序在启动时会指定所需要的内存大小，它被分割成两个不同的区域：Heap space（堆空间）和Permgen（永久代）：
byte, short, int, long, float, double, char, boolean
线上问题的解决一直是java程序员头疼的一个问题。有的应用很敏感，例如游戏行业，可能需要做到1个月都不能停服，那线上问题出了问题怎么办呢？谁也不能保证更新线上的逻辑百分百不出问题，这就需要我们在不停应用的情况下在线解决。随着技术的逐渐成熟，java社区也逐渐提供了一些线上解决方案，比如说下面3个方面：
前言：从毕业到现在已经三年多了，回忆一下这三年基本上没有写过博客，总是觉得忙，没时间写，也觉得写博客没什么大用。但是看到很多大牛们都在写博客，分享自己的东西，所以嘛本着向大牛看齐，分享第一，记录第二的目的开始写一个系列的文章，我会把我做一个项目的详细过程分享给大家，供大家参考和交流。好了，评书开讲！ 可能大家做Android机顶盒或者Android电视开发的比较少，这类开发基本上都是基于源码的开发，大家有一个git版本库，大家开发完了编译出来一个版本烧到板子上跑，要编译肯定就要编译环境什么的
在上一章节中，我们在一个节点上快速构建了一个ES集群，方便我们快速入门。但是实际生产应用中，我们都会根据公司实际的生产情况，比如公司业务日志的数据量、平台的数据访问量去选择我们服务器节点的配置。那么关于节点的配置这块，这里先不做过多讲解。腾云ES服务提供了各种场景下的套餐，用户可以非常方便的选择适合自己的产品。后续我将陆续给出我的建议。
最初，SQLlin 在 Kotlin/Native 平台上基于开源项目 SQLiter（见参考链接 1），目的是避免重复造轮子。虽然 SQLliter 是来自 Touchlab的优秀开源项目，但最近一年维护更新缓慢。在本文撰写时，SQLiter 于 2023 年 11 月发布了 1.3.0 和 1.3.1 两个版本（1.3.1升级到了 Kotlin 1.9.21，用于修复 1.9.20 的 Kotlin/Native 库版本号相关的问题）。但在这之前的版本，即 1.2.1 发布于 2022年 8 月，基于 Kotlin 1.6.20，一年以上没有更新。对于 2023 年的项目来说，1.6.20 过于老旧。老旧的版本导致了如下一些问题。
Linux 内核有个机制叫OOM killer（Out-Of-Memory killer），该机制会监控那些占用内存过大，尤其是瞬间很快消耗大量内存的进程，为了防止内存耗尽而内核会把该进程杀掉。
Netflix的云数据工程团队运行各种JVM应用程序，包括诸如Cassandra和Elasticsearch之类的流行数据存储。尽管我们大多数集群在分配给它们的内存下都能稳定运行，但有时“死亡查询”或数据存储区本身的错误将导致内存使用失控，这可能触发垃圾回收（GC）循环甚至运行JVM内存不足。
ELK介绍 在平时的工作当中，需要一个日志分析系统来分析各种各样的告警信息，而ELK可以简单满足这个需求。
1 先将hadoop用户权限改为root的就可以执行sudo gedit命令打开文件进行配置，修改权限操作为 root@ubuntu : nano/etc/sudoers打开修改权限的文件，在root ALL=(ALL:ALL) ALL下面添加 hadoop ALL=(ALL:ALL) ALL 然后保存退出 2 在ubuntu中安装jdk 在/usr/lib下新建一个jvm包，将jdk-6u30-linux-i586.bin移动到/usr/lib/jvm中，然后运行 root@ubu
最近开发中遇到很多相同的问题，下意识去翻自己的历史记录，但又没能快速定位。我的trilium一直用来记录自己的周报和相关教程，对于常见的bug和修复方案也找不到合适的地方，只能穿插在日报的历史中，随时间沉没。无意间翻到子舒的奇趣周刊，Bug周刊也由此而生。
在一些物理内存为8g的服务器上，主要运行一个Java服务，系统内存分配如下：Java服务的JVM堆大小设置为6g，一个监控进程占用大约 600m，Linux自身使用大约800m。从表面上，物理内存应该
2. 管理和分配HRegion，比如在HRegion split 时分配新的HRegion；在HRegionServer 退出时迁移其内的
先说结论，Kafka 部署在 Linux 上要比 Windows 和 Mac 上性能高的多，主要是以下几个原因：
Java 19 中 Loom 终于 Preview 了，虚拟线程（VirtualThread）是我期待已久的特性，但是这里我们说的线程内存，并不是这种 虚拟线程，还是老的线程。其实新的虚拟线程，在线程内存结构上并没有啥变化，只是存储位置的变化，实际的负载线程（CarrierThread）还是老的线程。
工作当中遇到的事情比较杂，因此涉及的知识点也很多。这里暂且记录一下，今天遇到的知识点，纯干货~ 关于文件的解压和压缩 如果你的系统不支持tar -z命令 如果是古老的Unix系统，可能并不认识tar -z命令，因此如果你想要压缩或者解压tar.gz的文件，就需要使用gzip或者gunzip以及tar命令了。 关于tar.gz可以这么理解，tar结尾的压缩包，其实只负责把文件打包，并没有进行压缩；而gz结尾的包，则是进行压缩操作。 因此，tar.gz的文件可以理解为，先进行打包，再进行压缩。 那么，压缩
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
对象存储
腾讯会议
实时音视频
