这几天，一直在为Java的“内存泄露”问题纠结。Java应用程序占用的内存在不断的、有规律的上涨，最终超过了监控阈值。福尔摩 斯不得不出手了！
内存溢出 out of memory，是指程序在申请内存时，没有足够的内存空间供其使用，出现out of memory；比如申请了一个integer,但给它存了long才能存下的数，那就是内存溢出。
内存泄露 memory leak，是指程序在申请内存后，无法释放已申请的内存空间，一次内存泄露危害可以忽略，但内存泄露堆积后果很严重，无论多少内存,迟早会被占光。
memory leak会最终会导致out of memory！
内存溢出就是你要求分配的内存超出了系统能给你的，系统不能满足需求，于是产生溢出。
内存泄漏是指你向系统申请分配内存进行使用(new)，可是使用完了以后却不归还(delete)，结果你申请到的那块内存你自己也不能再访问（也许你把它的地址给弄丢了），而系统也不能再次将它分配给需要的程序。一个盘子用尽各种方法只能装4个果子，你装了5个，结果掉倒地上不能吃了。这就是溢出！比方说栈，栈满时再做进栈必定产生空间溢出，叫上溢，栈空时再做退栈也产生空间溢出，称为下溢。就是分配的内存不足以放下数据项序列,称为内存溢出.
从用户使用程序的角度来看，内存泄漏本身不会产生什么危害，作为一般的用户，根本感觉不到内存泄漏的存在。真正有危害的是内存泄漏的堆积，这会最终消耗尽系统所有的内存。从这个角度来说，一次性内存泄漏并没有什么危害，因为它不会堆积，而隐式内存泄漏危害性则非常大，因为较之于常发性和偶发性内存泄漏它更难被检测到
分析内存泄露的一般步骤
如果发现Java应用程序占用的内存出现了泄露的迹象，那么我们一般采用下面的步骤分析
00001. 把Java应用程序使用的heap dump下来
00002. 使用Java heap分析工具，找出内存占用超出预期（一般是因为数量太多）的嫌疑对象
00003. 必要时，需要分析嫌疑对象和其他对象的引用关系。
00004. 查看程序的源代码，找出嫌疑对象数量过多的原因。
dump heap
如果Java应用程序出现了内存泄露，千万别着急着把应用杀掉，而是要保存现场。如果是互联网应用，可以把流量切到其他服务器。保存现场的目的就是为了把 运行中JVM的heap dump下来。
JDK自带的jmap工具，可以做这件事情。它的执行方法是：
Java代码
00001. jmap -dump:format=b,file=heap.bin <pid>
format=b的含义是，dump出来的文件时二进制格式。
file-heap.bin的含义是，dump出来的文件名是heap.bin。
<pid>就是JVM的进程号。
（在linux下）先执行ps aux | grep java，找到JVM的pid；然后再执行jmap -dump:format=b,file=heap.bin <pid>，得到heap dump文件。
analyze heap
将二进制的heap dump文件解析成human-readable的信息，自然是需要专业工具的帮助，这里推荐Memory Analyzer 。
Memory Analyzer，简称MAT，是Eclipse基金会的开源项目，由SAP和IBM捐助。巨头公司出品的软件还是很中用的，MAT可以分析包含数亿级对 象的heap、快速计算每个对象占用的内存大小、对象之间的引用关系、自动检测内存泄露的嫌疑对象，功能强大，而且界面友好易用。
MAT的界面基于Eclipse开发，以两种形式发布：Eclipse插件和Eclipe RCP。MAT的分析结果以图片和报表的形式提供，一目了然。总之个人还是非常喜欢这个工具的。下面先贴两张官方的screenshots：
言归正传，我用MAT打开了heap.bin，很容易看出，char[]的数量出其意料的多，占用90%以上的内存 。一般来说，char[]在JVM确实会占用很多内存，数量也非常多，因为String对象以char[]作为内部存储。但是这次的char[]太贪婪 了，仔细一观察，发现有数万计的char[]，每个都占用数百K的内存 。这个现象说明，Java程序保存了数以万计的大String对象 。结合程序的逻辑，这个是不应该的，肯定在某个地方出了问题。
顺藤摸瓜
在可疑的char[]中，任意挑了一个，使用Path To GC Root功能，找到该char[]的引用路径，发现String对象是被一个HashMap中引用的 。这个也是意料中的事情，Java的内存泄露多半是因为对象被遗留在全局的HashMap中得不到释放。不过，该HashMap被用作一个缓存，设置了缓 存条目的阈值，导达到阈值后会自动淘汰。从这个逻辑分析，应该不会出现内存泄露的。虽然缓存中的String对象已经达到数万计，但仍然没有达到预先设置 的阈值（阈值设置地比较大，因为当时预估String对象都比较小）。
但是，另一个问题引起了我的注意：为什么缓存的String对象如此巨大？内部char[]的长度达数百K。虽然缓存中的 String对象数量还没有达到阈值，但是String对象大小远远超出了我们的预期，最终导致内存被大量消耗，形成内存泄露的迹象（准确说应该是内存消 耗过多） 。
就这个问题进一步顺藤摸瓜，看看String大对象是如何被放到HashMap中的。通过查看程序的源代码，我发现，确实有String大对象，不过并没有把String大对象放到HashMap中，而是把String大对象进行split（调用String.split方法），然后将split出 来的String小对象放到HashMap中 了。
这就奇怪了，放到HashMap中明明是split之后的String小对象，怎么会占用那么大空间呢？难道是String类的split方法有问题？
查看代码
带着上述疑问，我查阅了Sun JDK6中String类的代码，主要是是split方法的实现：
Java代码
00001. public
00002. String[] split(String regex, int limit) {
00003. return Pattern.compile(regex).split(this, limit);
00004. }可以看出，Stirng.split方法调用了Pattern.split方法。继续看Pattern.split方法的代码：
Java代码
00001. public
00002. String[] split(CharSequence input, int limit) {
00003. int index = 0;
00004. boolean matchLimited = limit > 0;
00005. ArrayList<String> matchList = new
00006. ArrayList<String>();
00007. Matcher m = matcher(input);
00008. // Add segments before each match found
00009. while(m.find()) {
00010. if (!matchLimited || matchList.size() < limit - 1) {
00011. String match = input.subSequence(index,
00012. m.start()).toString();
00013. matchList.add(match);
00014. index = m.end();
00015. } else if (matchList.size() == limit - 1) { // last one
00016. String match = input.subSequence(index,
00017.
00018. input.length()).toString();
00019. matchList.add(match);
00020. index = m.end();
00021. }
00022. }
00023. // If no match was found, return this
00024. if (index == 0)
00025. return new String[] {input.toString()};
00026. // Add remaining segment
00027. if (!matchLimited || matchList.size() < limit)
00028. matchList.add(input.subSequence(index,
00029. input.length()).toString());
00030. // Construct result
00031. int resultSize = matchList.size();
00032. if (limit == 0)
00033. while (resultSize > 0 &&
00034. matchList.get(resultSize-1).equals(""))
00035. resultSize--;
00036. String[] result = new String[resultSize];
00037. return matchList.subList(0, resultSize).toArray(result);
00038. }注意看第9行：Stirng match = input.subSequence(intdex, m.start()).toString();
这里的match就是split出来的String小对象，它其实是String大对象subSequence的结果。继续看 String.subSequence的代码：
Java代码
00001. public
00002. CharSequence subSequence(int beginIndex, int endIndex) {
00003. return this.substring(beginIndex, endIndex);
00004. }String.subSequence有调用了String.subString，继续看：
Java代码
00001. public String
00002. substring(int beginIndex, int endIndex) {
00003. if (beginIndex < 0) {
00004. throw new StringIndexOutOfBoundsException(beginIndex);
00005. }
00006. if (endIndex > count) {
00007. throw new StringIndexOutOfBoundsException(endIndex);
00008. }
00009. if (beginIndex > endIndex) {
00010. throw new StringIndexOutOfBoundsException(endIndex - beginIndex);
00011. }
00012. return ((beginIndex == 0) && (endIndex == count)) ? this :
00013. new String(offset + beginIndex, endIndex - beginIndex, value);
00014. }看第11、12行，我们终于看出眉目，如果subString的内容就是完整的原字符串，那么返回原String对象；否则，就会创建一个新的 String对象，但是这个String对象貌似使用了原String对象的char[]。我们通过String的构造函数确认这一点：
Java代码
00001. // Package
00002. private constructor which shares value array for speed.
00003. String(int offset, int count, char value[]) {
00004. this.value = value;
00005. this.offset = offset;
00006. this.count = count;
00007. }为了避免内存拷贝、加快速度，Sun JDK直接复用了原String对象的char[]，偏移量和长度来标识不同的字符串内容。也就是说，subString出的来String小对象 仍然会指向原String大对象的char[]，split也是同样的情况 。这就解释了，为什么HashMap中String对象的char[]都那么大。
原因解释
其实上一节已经分析出了原因，这一节再整理一下：
00001. 程序从每个请求中得到一个String大对象，该对象内部char[]的长度达数百K。
00002. 程序对String大对象做split，将split得到的String小对象放到HashMap中，用作缓存。
00003. Sun JDK6对String.split方法做了优化，split出来的Stirng对象直接使用原String对象的char[]
00004. HashMap中的每个String对象其实都指向了一个巨大的char[]
00005. HashMap的上限是万级的，因此被缓存的Sting对象的总大小=万*百K=G级。
00006. G级的内存被缓存占用了，大量的内存被浪费，造成内存泄露的迹象。
解决方案
原因找到了，解决方案也就有了。split是要用的，但是我们不要把split出来的String对象直接放到HashMap中，而是调用一下 String的拷贝构造函数String(String original)，这个构造函数是安全的，具体可以看代码：
Java代码
00001. /**
00002. * Initializes a newly created {@code String} object so that it
00003. represents
00004. * the same sequence of characters as the argument; in other words,
00005. the
00006. * newly created string is a copy of the argument string. Unless an
00007. * explicit copy of {@code original} is needed, use of this
00008. constructor is
00009. * unnecessary since Strings are immutable.
00010. *
00011. * @param original
00012. * A {@code String}
00013. */
00014. public String(String original) {
00015. int size = original.count;
00016. char[] originalValue = original.value;
00017. char[] v;
00018. if (originalValue.length > size) {
00019. // The array representing the String is bigger than the new
00020. // String itself. Perhaps this constructor is being called
00021. // in order to trim the baggage, so make a copy of the array.
00022. int off = original.offset;
00023. v = Arrays.copyOfRange(originalValue, off, off+size);
00024. } else {
00025. // The array representing the String is the same
00026. // size as the String, so no point in making a copy.
00027. v = originalValue;
00028. }
00029. this.offset = 0;
00030. this.count = size;
00031. this.value = v;
00032. }只是，new String(string)的代码很怪异，囧。或许，subString和split应该提供一个选项，让程序员控制是否复用String对象的 char[]。
是否Bug
虽然，subString和split的实现造成了现在的问题，但是这能否算String类的bug呢？个人觉得不好说。因为这样的优化是比较合理 的，subString和spit的结果肯定是原字符串的连续子序列。只能说，String不仅仅是一个核心类，它对于JVM来说是与原始类型同等重要的 类型。
JDK实现对String做各种可能的优化都是可以理解的。但是优化带来了忧患，我们程序员足够了解他们，才能用好他们。
一些补充
有个地方我没有说清楚。
我的程序是一个Web程序，每次接受请求，就会创建一个大的String对象，然后对该String对象进行split，最后split之后的String对象放到全局缓存中。如果接收了5W个请求，那么就会有5W个大String对象。这5W个大String对象都被存储在全局缓存中，因此会造成内存泄漏。我原以为缓存的是5W个小String，结果都是大String。
“抛出异常的爱”同学，在回帖（第7页）中建议用"java.io.StreamTokenizer"来解决本文的问题。确实是终极解决方案，比我上面提到的“new String()”，要好很多很多。
