這是個比較典型的java內存使用問題，定位過程也比較直接，但對新人還是有點參考價值的，所以就紀錄了一下。
下面介紹一下在不瞭解系統代碼的情況下，如何一步步分析和定位到具體代碼的排查過程
（以便新人參考和自己回顧）
初步的現象
業務系統消費MQ中消息速度變慢，積壓了200多萬條消息，通過jstat觀察到業務系統fullgc比較頻繁,到最後乾脆OOM了：
進一步分析
既然知道了內存使用存在問題，那麼就要知道是哪些對象佔用了大量內存.
很多人都會想到把堆dump下來再用MAT等工具進行分析，但dump堆要花較長的時間，並且文件巨大，再從服務器上拖回本地導入工具，這個過程太折騰不到萬不得已最好別這麼幹。
可以用更輕量級的在線分析，用jmap查看存活的對象情況（jmap -histo:live [pid]），可以看出HashTable中的元素有5000多萬，佔用內存大約1.5G的樣子：
定位到代碼
現在已經知道了是HashTable的問題，那麼就要定位出什麼代碼引起的
接下來自然要看看是什麼代碼往HashTable裡瘋狂的put數據，於是用神器btrace跟蹤Hashtable.put調用的堆棧。
首先寫btrace腳本TracingHashTable.java：
然後運行：
bin/btrace -cp build 4947 TracingHashTable.java
看到有大量類似下圖的調用堆棧
可以看出是在接收到消息後查詢入庫的代碼造成的，業務方法調用ibatis再到mysql jdbc驅動執行statement時put了大量的屬性到HashTable中。
通過以上排查已基本定位了由那塊代碼引起的，接下來就是打開代碼工程進行白盒化改造了，對相應代碼進行優化（不在本文範圍內了。幾個圖中的pid不一致就別糾結了，有些是系統重啟過再截圖的）.
