一、內存溢出類型
1、fMemoryError: PermGen space
JVM管理兩種類型的內存，堆和非堆。堆是給開發人員用的上面說的就是，是在JVM啓動時創建;非堆是留給JVM自己用的，用來存放類的信息的。它和堆不同，運行期內GC不會釋放空間。如果web app用了大量的第三方jar或者應用有太多的class文件而恰好MaxPermSize設置較小，超出了也會導致這塊內存的佔用過多造成溢出，或者tomcat熱部署時侯不會清理前面加載的環境，只會將context更改爲新部署的，非堆存的內容就會越來越多。
PermGen space的全稱是Permanent Generation space,是指內存的永久保存區域，這塊內存主要是被JVM存放Class和Meta信息的,Class在被Loader時就會被放到PermGen space中，它和存放類實例(Instance)的Heap區域不同,GC(Garbage Collection)不會在主程序運行期對PermGen space進行清理，所以如果你的應用中有很CLASS的話,就很可能出現PermGen space錯誤，這種錯誤常見在web服務器對JSP進行pre compile的時候。如果你的WEB APP下都用了大量的第三方jar, 其大小超過了jvm默認的大小(4M)那麼就會產生此錯誤信息了。
一個最佳的配置例子：(經過本人驗證，自從用此配置之後，再未出現過tomcat死掉的情況)
set JAVA_OPTS=-Xms800m -Xmx800m -XX:PermSize=128M -XX:MaxNewSize=256m -XX:MaxPermSize=256m
2、fMemoryError: Java heap space
第一種情況是個補充，主要存在問題就是出現在這個情況中。其默認空間(即-Xms)是物理內存的1/64，最大空間(-Xmx)是物理內存的1/4。如果內存剩餘不到40%，JVM就會增大堆到Xmx設置的值，內存剩餘超過70%，JVM就會減小堆到Xms設置的值。所以服務器的Xmx和Xms設置一般應該設置相同避免每次GC後都要調整虛擬機堆的大小。假設物理內存無限大，那麼JVM內存的最大值跟操作系統有關，一般32位機是1.5g到3g之間，而64位的就不會有限制了。
注意：如果Xms超過了Xmx值，或者堆最大值和非堆最大值的總和超過了物理內存或者操作系統的最大限制都會引起服務器啓動不起來。
垃圾回收GC的角色
JVM調用GC的頻度還是很高的，主要兩種情況下進行垃圾回收：
當應用程序線程空閒;另一個是java內存堆不足時，會不斷調用GC，若連續回收都解決不了內存堆不足的問題時，就會報out of memory錯誤。因爲這個異常根據系統運行環境決定，所以無法預期它何時出現。
根據GC的機制，程序的運行會引起系統運行環境的變化，增加GC的觸發機會。
爲了避免這些問題，程序的設計和編寫就應避免垃圾對象的內存佔用和GC的開銷。顯示調用()只能建議JVM需要在內存中對垃圾對象進行回收，但不是必須馬上回收，
一個是並不能解決內存資源耗空的'局面，另外也會增加GC的消耗。
二、JVM內存區域組成
簡單的說java中的堆和棧
java把內存分兩種：一種是棧內存，另一種是堆內存
1。在函數中定義的基本類型變量和對象的引用變量都在函數的棧內存中分配;
2。堆內存用來存放由new創建的對象和數組
在函數(代碼塊)中定義一個變量時，java就在棧中爲這個變量分配內存空間，當超過變量的作用域後，java會自動釋放掉爲該變量所分配的內存空間;在堆中分配的內存由java虛擬機的自動垃圾回收器來管理
堆的優勢是可以動態分配內存大小，生存期也不必事先告訴編譯器，因爲它是在運行時動態分配內存的。缺點就是要在運行時動態分配內存，存取速度較慢;
棧的優勢是存取速度比堆要快，缺點是存在棧中的數據大小與生存期必須是確定的無靈活性。
java堆分爲三個區：New、Old和Permanent
GC有兩個線程：
新創建的對象被分配到New區，當該區被填滿時會被GC輔助線程移到Old區，當Old區也填滿了會觸發GC主線程遍歷堆內存裏的所有對象。Old區的大小等於Xmx減去-Xmn
java棧存放
棧調整：參數有+UseDefaultStackSize -Xss256K，表示每個線程可申請256k的棧空間
每個線程都有他自己的Stack
三、JVM如何設置虛擬內存
提示：在JVM中如果98%的時間是用於GC且可用的Heap size 不足2%的時候將拋出此異常信息。
提示：Heap Size 最大不要超過可用物理內存的80%，一般的要將-Xms和-Xmx選項設置爲相同，而-Xmn爲1/4的-Xmx值。
提示：JVM初始分配的內存由-Xms指定，默認是物理內存的1/64;JVM最大分配的內存由-Xmx指定，默認是物理內存的1/4。
默認空餘堆內存小於40%時，JVM就會增大堆直到-Xmx的最大限制;空餘堆內存大於70%時，JVM會減少堆直到-Xms的最小限制。因此服務器一般設置-Xms、-Xmx相等以避免在每次GC 後調整堆的大小。
提示：假設物理內存無限大的話，JVM內存的最大值跟操作系統有很大的關係。
簡單的說就32位處理器雖然可控內存空間有4GB,但是具體的操作系統會給一個限制，
這個限制一般是2GB-3GB(一般來說Windows系統下爲1.5G-2G，Linux系統下爲2G-3G)，而64bit以上的處理器就不會有限制了
提示：注意：如果Xms超過了Xmx值，或者堆最大值和非堆最大值的總和超過了物理內存或者操作系統的最大限制都會引起服務器啓動不起來。
提示：設置NewSize、MaxNewSize相等，"new"的大小最好不要大於"old"的一半，原因是old區如果不夠大會頻繁的觸發"主" GC ，大大降低了性能
JVM使用-XX:PermSize設置非堆內存初始值，默認是物理內存的1/64;
由XX:MaxPermSize設置最大非堆內存的大小，默認是物理內存的1/4。
解決方法：手動設置Heap size
修改TOMCAT_HOME/bin/
在“echo "Using CATALINA_BASE: $CATALINA_BASE"”上面加入以下行：
JAVA_OPTS="-server -Xms800m -Xmx800m -XX:MaxNewSize=256m"
四、性能檢查工具使用
定位內存泄漏：
JProfiler工具主要用於檢查和跟蹤系統(限於Java開發的)的性能。JProfiler可以通過時時的監控系統的內存使用情況，隨時監視垃圾回收，線程運行狀況等手段，從而很好的監視JVM運行情況及其性能。
1. 應用服務器內存長期不合理佔用，內存經常處於高位佔用，很難回收到低位;
2. 應用服務器極爲不穩定，幾乎每兩天重新啓動一次，有時甚至每天重新啓動一次;
3. 應用服務器經常做Full GC(Garbage Collection)，而且時間很長，大約需要30-40秒，應用服務器在做Full GC的時候是不響應客戶的交易請求的，非常影響系統性能。
因爲開發環境和產品環境會有不同，導致該問題發生有時會在產品環境中發生，通常可以使用工具跟蹤系統的內存使用情況，在有些個別情況下或許某個時刻確實是使用了大量內存導致out of memory，這時應繼續跟蹤看接下來是否會有下降，
如果一直居高不下這肯定就因爲程序的原因導致內存泄漏。
五、不健壯代碼的特徵及解決辦法
1、儘早釋放無用對象的引用。好的辦法是使用臨時變量的時候，讓引用變量在退出活動域後，自動設置爲null，暗示垃圾收集器來收集該對象，防止發生內存泄露。
對於仍然有指針指向的實例，jvm就不會回收該資源,因爲垃圾回收會將值爲null的對象作爲垃圾，提高GC回收機制效率;
2、我們的程序裏不可避免大量使用字符串處理，避免使用String，應大量使用StringBuffer，每一個String對象都得獨立佔用內存一塊區域;
String str = "aaa";
String str2 = "bbb";
String str3 = str + str2;//假如執行此次之後str ,str2以後再不被調用,那它就會被放在內存中等待Java的gc去回收,程序內過多的出現這樣的情況就會報上面的那個錯誤,建議在使用字符串時能使用StringBuffer就不要用String,這樣可以省不少開銷;
3、儘量少用靜態變量，因爲靜態變量是全局的，GC不會回收的;
4、避免集中創建對象尤其是大對象，JVM會突然需要大量內存，這時必然會觸發GC優化系統內存環境;顯示的聲明數組空間，而且申請數量還極大。
這是一個案例想定供大家警戒
使用jspsmartUpload作文件上傳,運行過程中經常出現fMemoryError的錯誤，
檢查之後發現問題：組件裏的代碼
m_totalBytes = m_ontentLength();
m_binArray = new byte[m_totalBytes];
問題原因是totalBytes這個變量得到的數極大，導致該數組分配了很多內存空間，而且該數組不能及時釋放。解決辦法只能換一種更合適的辦法，至少是不會引發outofMemoryError的方式解決。
5、儘量運用對象池技術以提高系統性能;生命週期長的對象擁有生命週期短的對象時容易引發內存泄漏，例如大集合對象擁有大數據量的業務對象的時候，可以考慮分塊進行處理，然後解決一塊釋放一塊的策略。
6、不要在經常調用的方法中創建對象，尤其是忌諱在循環中創建對象。可以適當的使用hashtable，vector 創建一組對象容器，然後從容器中去取那些對象，而不用每次new之後又丟棄
7、一般都是發生在開啓大型文件或跟數據庫一次拿了太多的數據，造成 Out Of Memory Error 的狀況，這時就大概要計算一下數據量的最大值是多少，並且設定所需最小及最大的內存空間值。
