上周運維反饋線上程序出現了OOM，程序日志中的輸出為
Exception in thread "http-nio-8080-exec-1027" java.lang.OutOfMemoryError: Java heap space
Exception in thread "http-nio-8080-exec-1031" java.lang.OutOfMemoryError: Java heap space
看線程名稱應該是tomcat的nio工作線程，線程在處理程序的時候因為無法在堆中分配更多內存出現了OOM，幸好JVM啟動參數配置了-XX:+HeapDumpOnOutOfMemoryError，使用MAT打開拿到的hprof文件進行分析。
第一步就是打開Histogram看看占用內存最大的是什么對象：
可以看到byte數組占用了接近JVM配置的最大堆的大小也就是8GB，顯然這是OOM的原因。
第二步看一下究竟是哪些byte數組，數組是啥內容：
可以看到很明顯這和HTTP請求相關，一個數組大概是10M的大小。
第三步通過查看GC根查看誰持有了數組的引用：
這符合之前的猜測，是tomcat的線程在處理過程中分配了10M的buffer在堆上。至此，馬上可以想到一定是什么參數設置的不合理導致了這種情況，一般而言tomcat不可能為每一個請求分配如此大的buffer。
第四步就是檢查代碼里是否有tomcat或服務器相關配置，看到有這么一個配置：
max-http-header-size: 10000000
至此，基本已經確定了八九不離十就是這個不合理的最大http請求頭參數導致的問題。
到這里還有3個疑問：
- 即使一個請求分配10M內存，堆有8GB，難道當時有這么多並發嗎？800個tomcat線程？
- 參數只是設置了最大請求頭10M，為什么tomcat就會一次性分配這么大的buffer呢？
- 為什么會有如此多的tomcat線程？感覺程序沒這么多並發。
先來看問題1，這個可以通過MAT在dump中繼續尋找答案。
可以打開線程視圖，搜索一下tomcat的工作線程，發現線程數量的確很多有401個，但是也只是800的一半：
再回到那些大數組的清單，按照堆分配大小排序，往下看：
可以發現除了有10008192字節的數組還有10000000字節的數組，查看引用路徑可以看到這個正好是10M的數組是output buffer，區別於之前看到的input buffer：
好吧，這就對了，一個線程分配了輸入輸出兩個buffer，占用20M內存，一共401個線程，占用8GB，所以OOM了。
還引申出一個問題為啥有這么多工作線程，
再來看看問題2，這就需要來找一下源碼了，首先max-http-header-size是springboot定義的參數，查看springboot代碼可以看到這個參數對於tomcat設置的是MaxHttpHeaderSize：
然后來看看tomcat源碼：
進一步看一下input buffer：
buffer大小是MaxHttpHeaderSize+ReadBuffer大小，后者默認是8192字節：
<attribute name="socket.appReadBufSize" required="false">
<p>(int)Each connection that is opened up in Tomcat get associated with
a read ByteBuffer. This attribute controls the size of this buffer. By
default this read buffer is sized at <code>8192</code> bytes. For lower
concurrency, you can increase this to buffer more data. For an extreme
amount of keep alive connections, decrease this number or increase your
heap size.</p>
</attribute>
這也就是為什么之前看到大量的buffer是10008192字節的。顯然還有一批內容是空的10000000字節的buffer應該是output buffer，來看看源碼：
嗯這是一個header buffer，所以正好是10000000字節。
至於問題3，顯然我們的應用程序是配置過最大線程的（查看配置后發現的確，我們配置為了2000，好吧有點大），否則也不會有401個工作線程（默認150），如果當時並發並不大的話就一種可能，請求很慢，雖然並發不大，但是因為請求執行的慢就需要更多線程，比如TPS是100，但是平均RT是4s的話，就是400線程了。這個問題的答案還是可以通過MAT去找，隨便看幾個線程可以發現很多線程都在等待一個外部服務的返回，這說明外部服務比較慢，去搜索當時的程序日志可以發現有很多"feign.RetryableException: Read timed out executing的日志"。。。。追殺下游去！慢點，我們的feign的timeout也需要再去設置一下，別被外部服務拖死了。