直接内存是JVM堆外由操作系统分配的内存，通过ByteBuffer.allocateDirect()调用native方法（如malloc/mmap）分配，不受-Xmx限制但受-XX:MaxDirectMemorySize管控，无GC自动回收，依赖Cleaner异步释放，频繁分配未释放或Cleaner延迟会触发OutOfMemoryError: Direct buffer memory。
直接内存不是 JVM 堆的一部分，它由操作系统直接分配，常用于 NIO 的高性能 I/O 场景。分配不当或未及时释放，容易触发 java.lang.OutOfMemoryError: Direct buffer memory。关键在于理解它的独立性、不受 GC 管理、以及与系统内存的强绑定关系。
Direct Memory 是什么？怎么分配出来的？
直接内存是堆外内存，通过 ByteBuffer.allocateDirect() 分配，底层调用的是操作系统的 native 内存（如 Linux 的 mmap 或 malloc）。它不经过 JVM 堆，因此：
- 不受
-Xmx/-Xms控制，但受-XX:MaxDirectMemorySize限制（默认等于堆最大值） - 分配成本高（涉及系统调用），但读写性能好（避免 Java 堆与内核缓冲区之间的数据拷贝）
- 没有 GC 自动回收机制，依赖
Cleaner（JDK 9+）或finalize（旧版本）异步清理，延迟不可控
为什么会出现 Direct Memory OOM？
溢出本质是操作系统无法再分配足够连续的 native 内存，常见原因有：
- 频繁调用
allocateDirect()且未显式清理（比如 ByteBuffer 没被 GC 回收，或 Cleaner 执行滞后） - 设置了过小的
-XX:MaxDirectMemorySize（例如设为 64m，但业务单次需 100m） - 大量 DirectByteBuffer 对象长期被引用（如缓存到静态集合、线程局部变量未清理）
- 应用运行时间长 + 高并发 NIO 操作（如 Netty 服务端未合理复用 Buffer）
如何排查 Direct Memory 泄漏或溢出？
不能靠常规堆 dump 工具（如 MAT）直接看到 Direct Memory 占用，需结合多维度指标：
立即学习“Java免费学习笔记（深入）”；
- 查看 JVM 启动参数是否含
-XX:MaxDirectMemorySize，确认配置是否合理 - 用
jstat -gc <pid>观察CCST（压缩类空间）、YGC/FGC频率，间接判断是否因 DirectBuffer 清理慢拖累 GC - 用
jcmd <pid> VM.native_memory summary scale=MB查看 native 内存总用量及 “direct” 子项（需开启-XX:NativeMemoryTracking=summary启动） - 用
jmap -histo:live <pid>统计java.nio.DirectByteBuffer实例数，数量持续增长即存在泄漏风险 - 检查代码中是否手动调用
buffer.cleaner().clean()（不推荐，易出错），更应优先使用BufferPool或框架提供的池化机制（如 Netty 的PooledByteBufAllocator）
怎么预防和优化？
核心思路是“少分配、重利用、早释放”：
- 避免在循环或高频路径中反复调用
allocateDirect()；改用ByteBuffer.wrap(byte[])（堆内）或池化 Buffer - 使用 Netty、Grizzly 等框架时，启用其内置的 direct buffer 池，并设置合理容量（如
maxOrder = 11对应最大 2MB chunk） - 若必须手动管理，确保 ByteBuffer 使用后尽快置为 null，并避免被长生命周期对象（static、ThreadLocal）意外持有
- 上线前压测时，监控 native memory 增长趋势；生产环境建议开启 NMT（Native Memory Tracking）并定期采样
