生产环境最多的几种事故之一就是程序执行慢，如果是web服务的话，表现就是响应时间长。本文分享，从业多年形成的排查守则。

诊断步骤

系统资源查看

首先是系统资源查看，而且必须是在第一步。因为很多事故都是最开始慢后面就会出现卡死，被系统杀死，程序抛出异常结束等等情况，当时的状态没法保存下来，不行进行复盘，所以第一步先查看系统的资源，如果出现紧张情况，赶紧把状态保存。

top命令

查看基本就是top命令，可以看到系统cpu,内存等资源情况。经过查看系统资源大概可以分为以下情况。

问题：cpu使用率过高。

如果发现cpu成为了瓶颈的话，必须马上进行线程情况和当时cpu占用情况的保存。在糟糕的情况下，cpu可能被占满，那时候ssh都登录不上去了，就没法获取当时的情况。

使用top -Hp pid获取线程cpu使用率高的tid printf "%x\n" tid,获取线程id的16进制主要是为了在jstack中查看 jstack pid|grep tid(16)

然后就会把线程cpu使用率特别高的线程栈打出来，然后可以分析这段逻辑了。

内存使用率过高或者没有系统资源占用过高

jmap -dump:format=b,file=heapdump.bin pid

这里必须打dump的原因是res过高，可能出发系统的oom killer，进程可能被系统杀死，此时不获取，可能进程就会被杀死了。如果不是系统资源问题，堆dump以后也是要用的。

堆占用查看

jstat -gc -h 10 pid 1000 jstat -gcutil -h 10 pid 1000 jstat -gccause -h 10 pid 1000

这里一般是开三个窗口对比看数据的。-gc主要是关注堆的分区总大小。-gcutil主要是关注已使用的百分比。-gccause主要是关注fgc次数，时间以及gc原因。

内存问题的分类就比较多了，造成问题的卡顿的根本其实是gc问题。stw的时候虚拟机停顿了，导致反应不过来了。

问题：堆内存占用空间接近满

这种情况就利用mat去查看dump分析吧，可能出现内存使用不合理或者内存泄漏，这里需要根据代码来分析。

问题：perm,metaspace占用接近满

jps -lvm

查看一下jvm参数设置，很可能是参数设置不合理，-XX:MetaspaceSize是发生gc的最小空间，这里是不是设置太小。MaxMetaspaceSize，MaxPermSize的值是否设置太小。java6如果设置都不小而且还占满了，那就得检测代码里是不是在运行时常量池加了字符串。1.7，1.8就考虑是不是业务用了什么字节码生成技术，动态做了一些字节码操作。

问题：system.gc()

gccause查看gc的原因是system.gc()。需要检测是否用了rmi,使用了直接内存，或者业务代码调用了system.gc()。直接内存查看现在没有现成的工具。

问题：gc频繁但不是system.gc()

空间都不是特别紧张，但是gc次数频繁，并且不是system.gc()。那可能就是gc参数设置不对了，例如cms，老年代回收是一个2秒一次的轮训操作，很有可能是现在的空间占用每次都是满足gc的条件的，于是出现了这种情况。

问题：gc时间特别长

gc时间特别长，这个就从gc算法选择还有内存情况来协调参数吧。但是有两个特例，cms和g1。这两个垃圾回收器都是有单线程回收的算法的可能的，这里需要gc日志分析确认。

问题：堆占用不大，res特别大

这种情况可能性太大，常见的是jni，jna操作，mmap文件，直接内存使用，jdk的bug。需要根据实际情况来分析。

问题： 业务问题

如果以上表现都没有的话，那需要不断的打jstack去看线程栈的变化。这个只能是结合业务来看。