Java Performance Analyzer

Java 应用性能分析与诊断工具。基于 Arthas + MCP 实现远程 JVM 分析。**触发条件**：用户描述 Java 应用性能问题或诊断需求，包括：(1) 直接描述问题现象（CPU飙高、内存泄漏/紧张、接口响应慢、线程阻塞/死锁、类加载异常）(2) 请求 JVM 分析、Arthas 排查、性能诊断 (3) 说"帮我排查 xxx 问题"或"分析下 xxx 性能"。触发后先了解问题现象，再针对性收集信息、执行分析。

Java 性能分析 Skill

基于 Arthas 的远程 JVM 性能分析工具，支持生产环境无侵入诊断。

工作流程（智能对话式）

Phase 1: 了解问题现象

触发后，先了解用户遇到的具体问题，不要急着问参数。

询问模板：

遇到什么问题？
- CPU 飙高？
- 内存紧张/泄漏？
- 接口响应慢？
- 线程阻塞/死锁？
- 类加载异常？

描述一下现象，我来针对性分析。

Phase 2: 问题类型 → 分析策略

根据用户描述的问题，选择对应的分析方法：

问题类型	首选分析	需要额外信息
CPU 飙高	thread -n 5 找忙线程	无
内存紧张	jvm + memory 查使用率	无
内存泄漏	heapdump + 离线分析	可能需要转储路径
接口慢	trace 方法耗时	需要源码定位方法
线程阻塞	thread --state BLOCKED	无
类加载问题	sc + jad + classloader	类名

Phase 3: 检查已有配置

执行分析前，检查 MEMORY.md 是否已有：

• SSH 地址、用户名、密码
• Java 进程名
• Arthas/MCP 配置状态

有配置 → 直接执行分析 无配置 → 询问缺少的信息（只问必要的）

Phase 4: 收集缺少的信息

只收集 当前分析需要的信息：

信息	何时需要	示例
SSH 地址	无配置时	trythis.cn
SSH 用户名	无配置时	root
SSH 密码	无配置时	（用户提供）
Java 进程名	无配置时	chat-editor
源码地址	分析慢接口时	/root/workspace/project
类名	分析类加载问题时	UserService

不要一次性问所有信息，按需询问。

Phase 5: 安装/连接 Arthas

首次使用：运行安装脚本

scripts/install-arthas.sh <ssh-host> <ssh-user> <ssh-password> <arthas-dir> <process-name>

已有配置：确认 SSH 隧道和 MCP 连接

# 检查隧道
ps aux | grep "ssh.*8563"

# 测试连接
mcporter call arthas jvm_info

Phase 6: 执行针对性分析

根据 Phase 2 确定的策略，执行对应的分析命令。分析完成后：

1. 输出诊断报告
2. 给出优化建议
3. 如果需要深入分析，询问用户是否继续

根据用户描述的问题，选择合适的分析命令。

如果源码地址已提供

源码可用于：

1. 定位类和方法：搜索源码找到可疑的类名和方法名
2. 反编译对比：反编译运行中的类，对比源码看是否有差异
3. 方法追踪：精确追踪问题方法

示例：

# 先在源码中搜索
grep -r "class UserService" <源码路径>

# 找到类名后追踪
mcporter call arthas method_trace --args '{"classMethod":"com.xxx.UserService#getUser"}'

核心分析命令

JVM 信息

mcporter call arthas jvm_info

输出关键指标：

• 内存使用（HEAP/METASPACE）
• GC 统计（次数、时间）
• 线程状态（活跃、峰值、死锁）
• 类加载统计

线程分析

# 最忙的 N 个线程
mcporter call arthas thread_info --args '{"threadId":"-n 10"}'

# 按状态筛选
mcporter call arthas arthas_command command='thread --state BLOCKED'

# 线程详情
mcporter call arthas arthas_command command='thread <thread-id>'

内存分析

# 内存概览
mcporter call arthas arthas_command command='memory'

# 堆转储（用于离线分析）
mcporter call arthas arthas_command command='heapdump /path/to/dump.hprof'

# 查看大对象
mcporter call arthas arthas_command command='vmtool --action getInstances --className java.lang.Object --limit 10'

方法追踪

# 追踪方法调用耗时
mcporter call arthas method_trace --args '{"classMethod":"com.example.UserService#getUser"}'

# 监控方法参数和返回值
mcporter call arthas watch_method --args '{"classMethod":"com.example.UserService#getUser"}'

# 高级追踪（带条件）
mcporter call arthas arthas_command command='trace com.example.Service#method "#cost > 100"'

类分析

# 搜索类
mcporter call arthas class_info --args '{"className":"*Service"}'

# 反编译类
mcporter call arthas decompile_class --args '{"className":"com.example.UserService"}'

# 查看类加载器
mcporter call arthas arthas_command command='classloader -t'

CPU 火焰图

# 启动 30 秒采样
mcporter call arthas arthas_command command='profiler start --event cpu --duration 30'

# 停止并生成火焰图
mcporter call arthas arthas_command command='profiler stop --format html'

# 下载火焰图（SSH）
scp <ssh-user>@<ssh-host>:/path/to/arthas-output/*.html ./flamegraph.html

性能诊断流程

场景 1：CPU 飙高

1. thread -n 5           → 找最忙线程
2. thread <id>           → 查线程堆栈
3. trace <method>        → 追踪热点方法
4. profiler start/stop   → 生成火焰图

场景 2：内存紧张

1. jvm                   → 查内存使用率
2. memory                → 查各区域详情
3. heapdump              → 堆转储离线分析
4. vmtool getInstances   → 查大对象

场景 3：响应慢

1. trace <class>#<method> "#cost > 100"  → 找慢方法
2. watch <class>#<method> "{params,returnObj,#cost}"  → 看参数耗时
3. stack <class>#<method>  → 查调用来源

场景 4：类加载问题

1. sc -d <class>         → 查类信息
2. jad <class>           → 反编译看实际代码
3. classloader -t        → 查加载器树

MCP 配置模板

~/.openclaw/workspace/config/mcporter.json：

{
  "mcpServers": {
    "arthas": {
      "command": "node",
      "args": ["/root/.openclaw/workspace/arthas-mcp-stdio.js"]
    }
  }
}

MCP 脚本见 scripts/arthas-mcp-stdio.js。

Arthas 常用命令速查

见 references/arthas-commands.md。

注意事项

⚠️ 生产环境慎用：

• trace/watch 有性能开销，高峰期避免长时间追踪
• heapdump 会暂停应用，大堆可能卡住
• 完成后记得 stop 停止追踪

✅ 最佳实践：

• 优先用 -n 限制结果数量
• 使用条件过滤 #cost > 100
• 火焰图采样时间 30-60 秒足够
• 堆转储后用 MAT/JProfiler 离线分析

依赖

• 目标服务器有 Java 环境（JDK 8+）
• SSH 访问权限
• 本地 Node.js（MCP 需要）