线上OOM需“捕获现场+快速归因+精准干预”：配置-XX:+HeapDumpOnOutOfMemoryError自动保存hprof，结合GC日志区分泄漏型（MAT查Dominator Tree/Leak Suspects）与峰值型（限流、分页优化），禁用盲目调堆、手动GC等误操作。
线上服务偶发内存溢出（OOM）比稳定复现的更难定位，但并非无迹可寻。关键在于“捕获现场+快速归因+精准干预”，而不是盲目调大堆内存。
配置自动堆转储（Heap Dump）
让 JVM 在 OOM 发生时自动生成快照，这是后续分析的唯一可靠依据：
- 启动参数中加入：
-XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=/path/to/dumps/ - 建议同时加
-XX:+PrintGCDetails -Xloggc:/path/to/gc.log，记录 GC 行为辅助判断是泄漏还是瞬时压力 - 确保 dump 目录有足够磁盘空间和写权限；生产环境建议用绝对路径，避免因工作目录变动导致 dump 失败
区分泄漏型 vs 峰值型 OOM
拿到 dump 文件后，先用 MAT 或 VisualVM 快速判断性质：
- 泄漏型：dump 中存在大量相同类型对象（如未关闭的 Connection、缓存未清理的 DTO、静态 Map 持有业务对象），且 dominator tree 显示它们被某条长引用链持续持有
- 峰值型：dump 中对象种类分散，但某次请求触发了大批量数据加载（如分页失效查全表）、或突发流量打满堆空间——此时 GC 日志会显示频繁 Full GC 且老年代使用率持续攀高
针对性加固与监控
根据归因结果落地防护措施：
立即学习“Java免费学习笔记（深入）”；
- 若确认是内存泄漏：修复代码中资源未释放（数据库连接、流、线程池任务）、集合未清理、监听器未反注册等问题；对缓存加 size 限制 + LRU 策略，禁用无上限的 static 集合
- 若属峰值压力：在关键入口加限流（如 Sentinel QPS 控制）、查询层强制分页/游标、大对象处理改用流式响应（Spring WebFlux 或 ResultSet streaming）
- 补充运行时监控：通过 Micrometer + Prometheus 暴露
jvm.memory.used、jvm.gc.pause、java.lang:type=MemoryPool,name=PS Old Gen等指标，设置老年代使用率 >85% 的告警
避免常见误操作
有些做法看似缓解，实则掩盖问题或引入新风险：
- 仅调大
-Xmx而不分析 dump：可能延缓崩溃，但泄漏仍在累积，最终仍会 OOM，且拖慢 GC - 频繁手动
System.gc()：干扰 JVM 自身回收节奏，反而加剧 STW 时间，不推荐 - 用 SoftReference/WeakReference 替代强引用缓存：适合读多写少场景，但不能解决根本泄漏，且易造成缓存击穿
- 忽略元空间（Metaspace）OOM：JDK8+ 后永久代移除，类加载过多（如热部署、动态代理泛滥）会触发
java.lang.OutOfMemoryError: Metaspace，需单独监控并加-XX:MaxMetaspaceSize
