JFR飞行记录器文件过大无法分析？事件过滤与JMC火焰图堆栈聚合技巧
大家好，今天我们来探讨一个在使用Java Flight Recorder (JFR) 时经常遇到的问题：JFR文件过大，导致分析困难。我们将重点讲解如何通过事件过滤和JMC (Java Mission Control) 的火焰图堆栈聚合技巧来解决这个问题。
问题背景：JFR文件膨胀的原因
JFR 记录了JVM运行时的大量信息，包括CPU使用率、内存分配、垃圾回收、线程活动、I/O操作等等。在长时间运行的应用中，这些数据的积累会导致JFR文件变得非常庞大，动辄几个GB甚至几十GB。
JFR文件过大带来的问题：
- 分析耗时： JMC等分析工具加载和处理大型JFR文件需要很长时间，降低了问题排查效率。
- 内存占用： 分析工具需要占用大量内存来加载和处理数据，可能导致OOM。
- 信息过载： 大量的数据中可能包含许多无关信息，难以快速定位关键问题。
因此，我们需要有效地过滤和聚合JFR数据，以便更高效地进行分析。
策略一：事件过滤 – 精准捕获关键事件
JFR 允许我们配置需要记录的事件类型和阈值，从而减少不必要的数据记录。事件过滤主要分为两种方式：
- 配置文件方式 (.jfc)： 通过编写JFR配置文件来指定需要记录的事件。
- 运行时动态配置： 在应用启动时或运行时，通过JVM参数来配置JFR。
1. 配置文件方式 (.jfc)
JFR配置文件是一个XML文件，用于定义需要记录的事件和相关的配置。
示例：myprofile.jfc
<?xml version="1.0" encoding="UTF-8"?>
<configuration version="2.0">
<control>
<event name="jdk.CPULoad">
<setting name="enabled">true</setting>
<setting name="period">10 ms</setting>
<setting name="threshold">0 ms</setting>
</event>
<event name="jdk.GarbageCollection">
<setting name="enabled">true</setting>
<setting name="period">everyChunk</setting>
<setting name="threshold">0 ms</setting>
</event>
<event name="jdk.ObjectAllocationSample">
<setting name="enabled">true</setting>
<setting name="period">10 ms</setting>
<setting name="threshold">10 ms</setting>
</event>
<event name="jdk.ThreadPark">
<setting name="enabled">true</setting>
<setting name="threshold">10 ms</setting>
</event>
<event name="jdk.SocketRead">
<setting name="enabled">true</setting>
<setting name="threshold">20 ms</setting>
</event>
</control>
</configuration>配置项说明：
<event name="事件名称">：指定要配置的事件类型，例如jdk.CPULoad，jdk.GarbageCollection等。<setting name="enabled">true/false</setting>：是否启用该事件的记录。<setting name="period">时间/everyChunk</setting>：事件的采样周期。时间：例如10 ms表示每 10 毫秒采样一次。everyChunk：表示每个JFR chunk 都会记录一次该事件。
<setting name="threshold">时间</setting>：事件的阈值，只有当事件的持续时间超过该阈值时才会被记录。
启动JFR时指定配置文件：
java -XX:StartFlightRecording=filename=myrecording.jfr,settings=myprofile.jfc MyApp更详细的配置文件示例，关注特定方法的执行时间:
<?xml version="1.0" encoding="UTF-8"?>
<configuration version="2.0">
<control>
<event name="jdk.ExecutionSample">
<setting name="enabled">true</setting>
<setting name="period">10 ms</setting>
<setting name="stackDepth">128</setting>
<filter>
<method name="com.example.MyClass.myMethod" owner="com.example.MyClass" descriptor="()V" />
</filter>
</event>
</control>
</configuration>这个配置只会记录 com.example.MyClass.myMethod() 方法的执行样本。stackDepth 设置堆栈深度。
2. 运行时动态配置
可以通过 jcmd 命令在运行时动态地配置JFR。
示例：启用GC事件，并设置采样周期：
jcmd <pid> JFR.configure recording=1 settings='name=jdk.GarbageCollection#enabled=true,name=jdk.GarbageCollection#period=1s'示例：停止记录某个事件:
jcmd <pid> JFR.configure recording=1 settings='name=jdk.CPULoad#enabled=false'事件过滤的原则：
- 明确目标： 在开始记录之前，明确要诊断的问题类型，例如性能瓶颈、内存泄漏、死锁等。
- 精简配置： 只启用与目标问题相关的事件，避免记录不必要的数据。
- 阈值设置： 合理设置事件的阈值，例如只记录执行时间超过一定阈值的SQL查询或方法调用。
- 动态调整： 在分析过程中，根据需要动态调整事件的配置，逐步缩小问题范围。
常见的事件过滤配置示例：
| 事件类型 | 描述 | 建议配置 |
|---|---|---|
jdk.CPULoad |
CPU 使用率，包括 JVM CPU 使用率和系统 CPU 使用率。 | enabled=true, period=100ms 如果关注 CPU 瓶颈，可以启用并设置较短的采样周期。 |
jdk.GarbageCollection |
垃圾回收事件，包括 GC 类型、耗时、回收前后内存使用量等。 | enabled=true, period=everyChunk 启用并设置 everyChunk，以便记录每次GC事件。 |
jdk.ObjectAllocationSample |
对象分配采样，记录对象分配的类型、大小、分配位置等。 | enabled=true, period=10ms, threshold=10ms 启用并设置合适的采样周期和阈值，避免记录过多的对象分配信息。 |
jdk.ThreadPark |
线程park事件，记录线程阻塞的原因、阻塞时间等。 | enabled=true, threshold=10ms 启用并设置合适的阈值，以便记录长时间的线程阻塞事件。 |
jdk.SocketRead / jdk.SocketWrite |
Socket读写事件，记录Socket读写的字节数、耗时等。 | enabled=true, threshold=20ms 启用并设置合适的阈值，以便记录慢速的Socket读写事件。 |
jdk.FileRead / jdk.FileWrite |
文件读写事件，记录文件读写的字节数、耗时等。 | enabled=true, threshold=20ms 启用并设置合适的阈值，以便记录慢速的文件读写事件。 |
jdk.ExecutionSample |
执行采样，记录方法的执行信息，包括方法名、类名、堆栈信息等。 | enabled=true, period=20ms, stackDepth=64 启用并设置合适的采样周期和堆栈深度。如果只需要关注特定方法，可以使用过滤器。 |
jdk.LockContention |
锁竞争事件，记录锁的持有者、等待者、竞争时间等。 | enabled=true, threshold=10ms 启用并设置合适的阈值，以便记录长时间的锁竞争事件。 |
com.example.MyCustomEvent |
自定义事件，可以根据业务需求自定义事件，例如记录特定业务逻辑的执行时间、状态等。 | enabled=true, period=everyChunk 根据具体需求配置。 |
自定义事件：
JFR 还允许我们自定义事件，以便记录特定于应用程序的信息。
示例：
import jdk.jfr.*;
@Name("com.example.MyCustomEvent")
@Label("My Custom Event")
@Description("This is a custom JFR event.")
public class MyCustomEvent extends Event {
@Label("Request ID")
public String requestId;
@Label("Execution Time (ms)")
public long executionTime;
public static void main(String[] args) {
MyCustomEvent event = new MyCustomEvent();
event.requestId = "12345";
event.executionTime = 100;
event.begin(); // Start timing
// ... Your code here ...
event.end(); // End timing
if (event.shouldCommit()) {
event.commit();
}
}
}编译并运行代码后，MyCustomEvent 事件将被记录到 JFR 文件中。
策略二：JMC火焰图堆栈聚合 – 快速定位热点代码
即使经过事件过滤，JFR文件仍然可能包含大量数据。JMC 的火焰图功能可以帮助我们快速定位热点代码。
火焰图的原理：
火焰图是一种可视化的堆栈跟踪图，用于展示代码的执行路径和时间占比。
- X轴： 表示时间，越宽表示该方法执行的时间越长。
- Y轴： 表示堆栈深度，从下到上表示方法的调用链。
- 颜色： 通常用于区分不同的代码模块。
JMC火焰图的使用：
- 打开JFR文件： 在JMC中打开需要分析的JFR文件。
- 选择 "Flame View" 选项卡： 在JMC的界面中，选择 "Flame View" 选项卡。
- 配置火焰图：
- Aggregation: 选择聚合方式，例如 "Sampled Time" (基于采样时间聚合) 或 "Event Count" (基于事件计数聚合)。
- Filter: 可以根据线程、类、方法等条件过滤数据。
- 查看火焰图： JMC 会根据配置生成火焰图，可以通过鼠标悬停、点击等操作查看方法的执行时间和调用关系。
堆栈聚合的技巧：
- 按线程聚合： 可以按线程聚合火焰图，以便分析特定线程的执行情况。
- 按类/方法聚合： 可以按类或方法聚合火焰图，以便快速定位热点类或方法。
- 时间范围选择： 可以选择特定的时间范围，以便分析特定时间段内的性能问题。
- 忽略特定包/类： 可以忽略特定的包或类，例如 JDK 内部类，以便更专注于应用程序代码。
- 使用 "Focus" 功能： JMC 提供了 "Focus" 功能，可以选中火焰图中的某个节点，然后点击 "Focus" 按钮，以便只显示该节点及其相关的调用链。
示例：定位CPU消耗高的代码：
- 选择 "Flame View" 选项卡。
- Aggregation: 选择 "Sampled Time"。
- Filter: 可以选择特定的线程或类。
- 查看火焰图： 在火焰图中，找到宽度最大的节点，该节点对应的代码就是CPU消耗最高的代码。
JMC火焰图高级技巧：
- 上下文菜单： 在火焰图的节点上右键单击，可以查看方法的详细信息，例如方法签名、类名、包名等。
- 跳转到源代码： 如果JMC配置了源代码路径，可以在火焰图的节点上右键单击，选择 "Go to Source"，JMC 将会自动打开源代码编辑器，并定位到该方法的代码行。
- 比较火焰图： JMC 允许比较两个火焰图，以便分析性能差异。
示例：比较两个时间段的火焰图：
- 分别加载两个JFR文件，或者在同一个JFR文件中选择两个不同的时间段。
- 在JMC中打开两个火焰图。
- 使用 JMC 的比较功能，选择 "Compare" 选项卡。
- JMC 将会显示两个火焰图的差异，可以快速找到性能变化的代码。
策略三：组合应用 – 事件过滤与火焰图的协同
事件过滤和火焰图并非相互独立的策略，而是可以组合应用，以达到更好的分析效果。
示例：
- 初步分析： 首先，使用 JMC 打开 JFR 文件，查看整体的性能概况，例如 CPU 使用率、内存使用率、GC 情况等。
- 事件过滤： 根据初步分析的结果，确定需要关注的事件类型，并配置 JFR 配置文件，只记录与目标问题相关的事件。
- 重新记录： 重新启动应用程序，并使用配置好的 JFR 配置文件进行记录。
- 火焰图分析： 使用 JMC 打开新的 JFR 文件，利用火焰图功能定位热点代码。
- 迭代优化： 根据火焰图的分析结果，优化代码，并重复上述步骤，直到问题解决。
例如：
发现CPU使用率高，初步怀疑是某个方法执行时间过长。
- 事件过滤： 启用
jdk.ExecutionSample事件，并设置合适的采样周期和堆栈深度。 - 火焰图分析： 使用 JMC 打开 JFR 文件，查看火焰图，找到宽度最大的节点，该节点对应的代码就是CPU消耗最高的代码。
- 代码优化： 针对该方法进行优化，例如减少计算量、优化算法等。
- 重新测试： 重新运行应用程序，并使用 JFR 记录性能数据，验证优化效果。
代码示例：使用 JFR API 编程方式控制
除了使用命令行和JMC，还可以通过JFR的API在代码中控制事件的记录和配置。
import jdk.jfr.*;
import jdk.jfr.consumer.*;
import java.io.IOException;
import java.nio.file.Path;
import java.nio.file.Paths;
import java.time.Duration;
import java.util.List;
public class JFRControlExample {
public static void main(String[] args) throws IOException {
// 1. 创建并启动一个 JFR 记录
Recording recording = new Recording();
recording.setName("MyRecording");
recording.setMaxSize(10 * 1024 * 1024); // 10MB
recording.setDuration(Duration.ofSeconds(10));
recording.enable("jdk.CPULoad").withPeriod(Duration.ofMillis(100));
recording.enable("jdk.GarbageCollection").withPeriod(Duration.ofSeconds(1));
recording.start();
try {
// 模拟一些工作
for (int i = 0; i < 1000000; i++) {
Math.random();
}
} finally {
recording.stop();
// 2. 将记录保存到文件
Path output = Paths.get("myrecording.jfr");
recording.dump(output);
System.out.println("JFR recording saved to: " + output);
// 3. 读取 JFR 文件并解析事件
try (var stream = new FlightStream(output)) {
while (true) {
Event event = stream.readEvent();
if (event == null) {
break;
}
if (event instanceof jdk.jfr.consumer.RecordedEvent) {
jdk.jfr.consumer.RecordedEvent recordedEvent = (jdk.jfr.consumer.RecordedEvent) event;
String eventName = recordedEvent.getEventType().getName();
if (eventName.equals("jdk.CPULoad")) {
double jvmUser = recordedEvent.getDouble("jvmUser");
double systemUser = recordedEvent.getDouble("systemUser");
System.out.println("CPU Load - JVM User: " + jvmUser + ", System User: " + systemUser);
} else if (eventName.equals("jdk.GarbageCollection")) {
String gcName = recordedEvent.getString("name");
Duration duration = recordedEvent.getDuration("duration");
System.out.println("GC Event - Name: " + gcName + ", Duration: " + duration);
}
}
}
}
}
}
}这个例子展示了如何使用JFR API 创建、配置、启动、停止和读取JFR recording。 使用API可以更灵活地控制JFR的行为，并集成到自动化测试和监控系统中。
其他优化技巧
除了事件过滤和火焰图堆栈聚合，还有一些其他的优化技巧可以帮助我们处理大型JFR文件：
- 增大JFR chunk size: 可以通过
-XX:FlightRecorderOptions:chunksize=<size>参数增大 JFR chunk size，减少 chunk 的数量，从而减少文件的元数据开销。 - 限制JFR文件大小： 可以通过
-XX:FlightRecorderOptions:maxsize=<size>参数限制 JFR 文件的大小，避免文件无限增长。 - 使用JFR命令行工具： JFR 提供了一些命令行工具，例如
jfr print和jfr assemble，可以用于打印 JFR 文件的内容和组装 JFR 文件。
总结：高效分析JFR文件
面对庞大的JFR文件，不要慌张。通过事件过滤，我们可以精确地捕获关键事件，减少不必要的数据记录。通过JMC的火焰图堆栈聚合功能，我们可以快速定位热点代码，找到性能瓶颈。结合其他的优化技巧，我们可以更高效地分析JFR文件，解决各种性能问题。记住，明确目标、精简配置、动态调整，是使用 JFR 的关键原则。
希望今天的分享能帮助大家更好地利用 JFR 进行性能分析和问题排查。