1.SpringBatch中ListItemReader问题分析与总结
2.SSH框架总结（框架分析+环境搭建+实例源码下载）
3.注解@Autowired和@Resource的源码区别总结
4.Spring Boot引起的“堆外内存泄漏”排查及经验总结
5.Tomcat 的工作原理万字总结，这回终于搞懂了！总结

SpringBatch中ListItemReader问题分析与总结

       在项目中使用SpringBatch作为批处理框架时，源码遇到ListItemReader问题，总结本文分析、源码总结并分享问题解决方法，总结sa-mp 源码以提升独立思考和解决问题能力。源码

       ListItemReader源码展示了其线程安全设计，总结但在使用@StepScope的源码Bean时遇到并发问题。Spring在创建时使用synchronized确保线程安全，总结导致创建过程阻塞，源码影响后续job执行。总结解决方案之一是源码使用其他Tasklet，如TaskletStep，总结这将导致程序失去基于ChunkOrientedTasklet的源码优点。

       另一个问题是线程安全问题，ListItemReader在多线程环境下可能出现线程安全问题，但其本身是线程安全且无状态的。解决策略包括评估业务需求是否确实需要多线程处理，使用同步关键字进行处理，或更换为线程安全的容器，如CopyOnWriteArrayList。

       性能问题主要源于ListItemReader在处理大量数据时效率低下。在评估业务场景和资源情况后，应谨慎选择是否使用多线程处理。

       总结，针对ListItemReader问题，通过选择合适的Tasklet实现方式、解决线程安全问题以及优化性能，可以有效提升批处理任务的执行效率和稳定性。

SSH框架总结（框架分析+环境搭建+实例源码下载）

       SSH框架是文章搜索源码一个集成的Web应用程序框架，由Struts、Spring和Hibernate三个核心框架组成，用于构建灵活、易于扩展的多层Web应用程序。SSH框架将Web应用程序的职责划分为表示层、业务逻辑层、数据持久层和域模块层，实现MVC分离，提高系统的可复用性和开发效率。具体而言，Struts作为整体基础架构，负责MVC分离和业务跳转；Spring作为轻量级IoC容器，提供对象管理、事务处理和性能提升；Hibernate则通过对象化映射和数据库交互，实现数据持久层的支持。通过SSH框架，开发者可以编写更干净、可管理且易于测试的代码，实现视图、控制器与模型的彻底分离，以及业务逻辑层与持久层的分离，提高团队协作效率。

       在SSH框架中，Spring是一个轻量级的控制反转（IoC）和面向切面（AOP）的容器框架，提供对象管理、依赖注入等功能，使得开发人员能够编写更易于测试和管理的代码。Struts作为MVC设计模式的实现，通过Servlet和JSP技术，提供控制器、溯源码发票视图和模型的分离，简化了Web应用的开发过程。Hibernate作为对象关系映射（ORM）框架，简化了数据持久层的编程工作，使得开发人员能够以对象的方式操作数据库。这三个框架相互配合，提供了从表示层到持久层的完整解决方案，降低了各层之间的耦合度，便于维护和扩展。

       Spring、Struts和Hibernate的集成不仅实现了Web应用的MVC分离，还提高了系统的可复用性和可维护性。Spring的IoC和AOP特性使得开发人员能够更专注于业务逻辑的实现，而无需过多关注对象创建、依赖管理和事务处理等底层细节。Struts通过提供强大的视图导航和配置能力，使得系统结构更加清晰，易于理解和维护。Hibernate的ORM功能简化了数据库操作，使得开发人员能够以更高效的方式处理数据持久化问题。整体而言，SSH框架提供了高效、灵活的Web应用开发平台，适用于构建复杂的企业级Web应用。

       深入理解SSH框架的组成部分，包括Spring、Struts和Hibernate的特性和用法，将有助于开发者更好地利用这一体系结构，提高开发效率和代码质量。同时，商家发卡源码通过学习SSH框架的实例代码和最佳实践，开发者可以进一步掌握如何在实际项目中应用这些技术，构建功能丰富、性能优秀的Web应用程序。

注解@Autowired和@Resource的区别总结

       @Autowired和@Resource是Spring框架中常见的依赖注入注解，但它们的注入机制和处理略有不同。接下来，我们将从源码角度深入剖析它们的注入过程。

       @Autowired总结：

       - 注入流程涉及AutowiredAnnotationBeanPostProcessor，首先检查属性或方法上的@Autowired，构建AutowiredFieldElement或AutowiredMethodElement。

       - 如果未启用懒加载，AutowiredFieldElement会通过DefaultListableBeanFactory的resolveDependency方法寻找并注入bean，包括候选bean的查找和确定。

       @Resource总结：

       - CommonAnnotationBeanPostProcessor的buildResourceMetadata方法是切入点，只对非静态、非忽略类型的字段创建ResourceElement对象。

       - ResourceElement对象的getResourceToInject方法负责获取bean，通过autowireResource方法调用。

       源码分析：

       1. @Autowired的注入过程涉及AutowiredAnnotationBeanPostProcessor的多个内部方法，如doResolveDependency和findAutowireCandidates，处理了候选bean的选择和懒加载机制。

       2. @Resource的流程在CommonAnnotationBeanPostProcessor中更为直接，主要通过ResourceElement类的getResourceToInject方法获取bean。

       学习更多关于Java和Spring的深入知识，如MyBatis、ZooKeeper等，持续关注博主的更新。

Spring Boot引起的“堆外内存泄漏”排查及经验总结

       为了更好地实现对项目的管理，我们将组内一个项目迁移到MDP框架（基于Spring Boot），sas指标源码随后我们就发现系统会频繁报出Swap区域使用量过高的异常。笔者被叫去帮忙查看原因，发现配置了4G堆内内存，但是实际使用的物理内存竟然高达7G，确实不正常。JVM参数配置是“-XX:MetaspaceSize=M -XX:MaxMetaspaceSize=M -XX:+AlwaysPreTouch -XX:ReservedCodeCacheSize=m -XX:InitialCodeCacheSize=m, -Xssk -Xmx4g -Xms4g,-XX:+UseG1GC -XX:G1HeapRegionSize=4M”，实际使用的物理内存如下图所示：

       使用Java层面的工具定位内存区域（堆内内存、Code区域或者使用unsafe.allocateMemory和DirectByteBuffer申请的堆外内存）。

       笔者在项目中添加-XX:NativeMemoryTracking=detailJVM参数重启项目，使用命令jcmd pid VM.native_memory detail查看到的内存分布如下：

       发现命令显示的committed的内存小于物理内存，因为jcmd命令显示的内存包含堆内内存、Code区域、通过unsafe.allocateMemory和DirectByteBuffer申请的内存，但是不包含其他Native Code（C代码）申请的堆外内存。所以猜测是使用Native Code申请内存所导致的问题。

       为了防止误判，笔者使用了pmap查看内存分布，发现大量的M的地址；而这些地址空间不在jcmd命令所给出的地址空间里面，基本上就断定就是这些M的内存所导致。

       使用系统层面的工具定位堆外内存。

       因为已经基本上确定是Native Code所引起，而Java层面的工具不便于排查此类问题，只能使用系统层面的工具去定位问题。

       首先，使用了gperftools去定位问题。

       从上图可以看出：使用malloc申请的的内存最高到3G之后就释放了，之后始终维持在M-M。笔者第一反应是：难道Native Code中没有使用malloc申请，直接使用mmap/brk申请的？（gperftools原理就使用动态链接的方式替换了操作系统默认的内存分配器（glibc）。）

       然后，使用strace去追踪系统调用。

       因为使用gperftools没有追踪到这些内存，于是直接使用命令“strace -f -e"brk,mmap,munmap" -p pid”追踪向OS申请内存请求，但是并没有发现有可疑内存申请。

       接着，使用GDB去dump可疑内存。

       因为使用strace没有追踪到可疑内存申请；于是想着看看内存中的情况。就是直接使用命令gdp -pid pid进入GDB之后，然后使用命令dump memory mem.bin startAddress endAddressdump内存，其中startAddress和endAddress可以从/proc/pid/smaps中查找。然后使用strings mem.bin查看dump的内容，如下：

       从内容上来看，像是解压后的JAR包信息。读取JAR包信息应该是在项目启动的时候，那么在项目启动之后使用strace作用就不是很大了。所以应该在项目启动的时候使用strace，而不是启动完成之后。

       再次，项目启动时使用strace去追踪系统调用。

       项目启动使用strace追踪系统调用，发现确实申请了很多M的内存空间，截图如下：

       使用该mmap申请的地址空间在pmap对应如下：

       最后，使用jstack去查看对应的线程。

       因为strace命令中已经显示申请内存的线程ID。直接使用命令jstack pid去查看线程栈，找到对应的线程栈（注意进制和进制转换）如下：

       这里基本上就可以看出问题来了：MCC（美团统一配置中心）使用了Reflections进行扫包，底层使用了Spring Boot去加载JAR。因为解压JAR使用Inflater类，需要用到堆外内存，然后使用Btrace去追踪这个类，栈如下：

       然后查看使用MCC的地方，发现没有配置扫包路径，默认是扫描所有的包。于是修改代码，配置扫包路径，发布上线后内存问题解决。

       为什么堆外内存没有释放掉呢？

       虽然问题已经解决了，但是有几个疑问。带着疑问，直接看了一下 Spring Boot Loader那一块的源码。发现Spring Boot对Java JDK的InflaterInputStream进行了包装并且使用了Inflater，而Inflater本身用于解压JAR包的需要用到堆外内存。而包装之后的类ZipInflaterInputStream没有释放Inflater持有的堆外内存。于是以为找到了原因，立马向Spring Boot社区反馈了这个bug。但是反馈之后，就发现Inflater这个对象本身实现了finalize方法，在这个方法中有调用释放堆外内存的逻辑。也就是说Spring Boot依赖于GC释放堆外内存。

       使用jmap查看堆内对象时，发现已经基本上没有Inflater这个对象了。于是就怀疑GC的时候，没有调用finalize。带着这样的怀疑，把Inflater进行包装在Spring Boot Loader里面替换成自己包装的Inflater，在finalize进行打点监控，结果finalize方法确实被调用了。于是又去看了Inflater对应的C代码，发现初始化的使用了malloc申请内存，end的时候也调用了free去释放内存。

       此时，怀疑free的时候没有真正释放内存，便把Spring Boot包装的InflaterInputStream替换成Java JDK自带的，发现替换之后，内存问题也得以解决了。

       再次看gperftools的内存分布情况，发现使用Spring Boot时，内存使用一直在增加，突然某个点内存使用下降了好多（使用量直接由3G降为M左右）。这个点应该就是GC引起的，内存应该释放了，但是在操作系统层面并没有看到内存变化，那是不是没有释放到操作系统，被内存分配器持有了呢？

       继续探究，发现系统默认的内存分配器（glibc 2.版本）和使用gperftools内存地址分布差别很明显，2.5G地址使用smaps发现它是属于Native Stack。内存地址分布如下：

       到此，基本上可以确定是内存分配器在捣鬼；搜索了一下glibc M，发现glibc从2.开始对每个线程引入内存池（位机器大小就是M内存），原文如下：

       按照文中所说去修改MALLOC_ARENA_MAX环境变量，发现没什么效果。查看tcmalloc（gperftools使用的内存分配器）也使用了内存池方式。

       为了验证是内存池搞的鬼，就简单写个不带内存池的内存分配器。使用命令gcc zjbmalloc.c -fPIC -shared -o zjbmalloc.so生成动态库，然后使用export LD_PRELOAD=zjbmalloc.so替换掉glibc的内存分配器。其中代码Demo如下：

       通过在自定义分配器当中埋点可以发现实际申请的堆外内存始终在M-M之间，gperftools监控显示内存使用量也是在M-M左右。但是从操作系统角度来看进程占用的内存差别很大（这里只是监控堆外内存）。

       使用不同分配器进行不同程度的扫包，占用的内存如下：

       为什么自定义的malloc申请M，最终占用的物理内存在1.7G呢？因为自定义内存分配器采用的是mmap分配内存，mmap分配内存按需向上取整到整数个页，所以存在着巨大的空间浪费。通过监控发现最终申请的页面数目在k个左右，那实际上向系统申请的内存等于k * 4k（pagesize） = 2G。

       为什么这个数据大于1.7G呢？因为操作系统采取的是延迟分配的方式，通过mmap向系统申请内存的时候，系统仅仅返回内存地址并没有分配真实的物理内存。只有在真正使用的时候，系统产生一个缺页中断，然后再分配实际的物理Page。

       整个内存分配的流程如上图所示。MCC扫包的默认配置是扫描所有的JAR包。在扫描包的时候，Spring Boot不会主动去释放堆外内存，导致在扫描阶段，堆外内存占用量一直持续飙升。当发生GC的时候，Spring Boot依赖于finalize机制去释放了堆外内存；但是glibc为了性能考虑，并没有真正把内存归返到操作系统，而是留下来放入内存池了，导致应用层以为发生了“内存泄漏”。所以修改MCC的配置路径为特定的JAR包，问题解决。在发表这篇文章时，发现Spring Boot的最新版本（2.0.5.RELEASE）已经做了修改，在ZipInflaterInputStream主动释放了堆外内存不再依赖GC；所以Spring Boot升级到最新版本，这个问题也可以得到解决。

Tomcat 的工作原理万字总结，这回终于搞懂了！

       Tomcat 工作原理详解

       理解Tomcat的工作原理对于深入掌握Web应用开发至关重要。当我们同时启动多个Tomcat实例，如何确定请求的处理者？以下是Tomcat处理HTTP请求的流程简要概括：

       用户发起请求到本地端口，Coyote连接器负责监听并接收请求。

       连接器将请求传递给对应的Service Engine，Engine开始处理。

       Engine根据请求路径（如localhost/test/index.jsp）匹配Host，这里是默认的localhost Host。

       Host进一步查找与请求路径匹配的Context，比如/test。

       Context根据URL模式找到对应的Servlet，如JspServlet处理.jsp文件。

       构造请求和响应对象，调用Servlet的doGet或doPost方法执行业务逻辑。

       响应对象逐级返回给Engine、Host、然后是Connector，最后送达浏览器。

       尽管SpringBoot简化了许多部署工作，但理解Tomcat底层原理仍然是面试中不可忽视的部分。继续深入学习，不仅可以提升技术栈，也能在需要时进行性能调优和问题排查。

       想了解更多关于Tomcat的配置和启动细节，可以查阅SpringBoot内嵌Tomcat的源码流程，以及在实际应用中的具体配置步骤。