반복영역 건너뛰기
주메뉴 바로가기
본문 바로가기
제품/서비스
EMS Solution
Features
클라우드 관리
서버관리
데이터베이스 관리
네트워크 관리
트래픽 관리
설비 IoT 관리
무선 AP 관리
교환기 관리
운영자동화
실시간 관리
백업 관리
스토리지 관리
예방 점검
APM Solution
애플리케이션 관리
URL 관리
브라우저 관리
ITSM Solution
서비스데스크
IT 서비스 관리
Big Data Solution
SIEM
AI 인공지능
Dashboard
대시보드
Consulting Service
컨설팅 서비스
고객
레퍼런스
고객FAQ
문의하기
가격
자료실
카탈로그
사용자매뉴얼
회사소개
비전·미션
연혁
2016~현재
2000~2015
인증서·수상
투자정보
재무정보
전자공고
IR자료
새소식
공고
보도자료
오시는 길
채용
피플
컬처
공고
FAQ
블로그
열기
메인 페이지로 이동
블로그
기술이야기
블로그
최신이야기
사람이야기
회사이야기
기술이야기
다양한이야기
카프카를 통한 로그 관리 방법
메모리 누수 위험있는 FinalReference 참조 분석하기
김진광
2023.10.12
페이스북 공유하기
트위터 공유하기
링크드인 공유하기
블로그 공유하기
[행사] 브레인즈컴퍼니 ‘가을문화행사 2023’
Java에서 가장 많이 접하는 문제는 무엇이라 생각하시나요? 바로 리소스 부족 특히 ‘JVM(Java Virtual Machine) 메모리 부족 오류’가 아닐까 생각해요.
메모리 부족 원인에는 우리가 일반적으로 자주 접하는 누수, 긴 생명주기, 다량의 데이터 처리 등 몇 가지 패턴들이 있는데요. 오늘은 좀 일반적이지 않은(?) 유형에 대해 이야기해 볼게요!
Java 객체 참조 시스템은 강력한 참조 외에도 4가지 참조를 구현해요. 바로 성능과 확장성 기타 고려사항에 대한 SoftReference, WeakReference, PhantomReference, FinalReference이죠. 이번 포스팅은
FinalReference를 대표적인 사례
로 다루어 볼게요.
PART1. 분석툴을 활용해 메모리 누수 발생 원인 파악하기
메모리 분석 도구를 통해 힙 덤프(Heap Dump)를 분석할 때, java.lang.ref.Finalizer 객체가 많은 메모리를 점유하는 경우가 있어요. 이 클래스는 FinalReference와 불가분의 관계에요. 나눌 수 없는 관계라는 의미죠.
아래 그림 사례는 힙 메모리(Heap Memory)의 지속적인 증가 후 최대 Heap에 근접 도달 시, 서비스 무응답 현상에 빠지는 분석 사례인데요. 이를 통해 FinalReference 참조가 메모리 누수를 발생시킬 수 있는 조건을 살펴볼게요!
Heap Analyzer 분석툴을 활용하여, 힙 덤프 전체 메모리 요약 현황을 볼게요. java.lang.ref.Finalizer의 점유율이 메모리의 대부분을 점유하고 있죠. 여기서 Finalizer는, 앞에서 언급된 FinalReference를 확장하여 구현한 클래스에요.
JVM은 GC(Garbage Collection) 실행 시 해제 대상 객체(Object)를 수집하기 전, Finalize를 처리해야 해요.
Java Object 클래스에는 아래 그림과 같이 Finalize 메서드(Method)가 존재하는데요. 모든 객체가 Finalize 대상은 아니에요.
JVM은 클래스 로드 시, Finalize 메서드가 재정의(Override)된 객체를 식별해요. 객체 생성 시에는 Finalizer.register() 메서드를 통해, 해당 객체를 참조하는 Finalizer 객체를 생성하죠.
그다음은 Unfinalized 체인(Chain)에 등록해요. 이러한 객체는 GC 발생 시 즉시 Heap에서 수집되진 않아요. Finalizer의 대기 큐(Queue)에 들어가 객체에 재정의된 Finalize 처리를 위해 대기(Pending) 상태에 놓여있죠.
위 그림과 같이 참조 트리(Tree)를 확인해 보면, 많은 Finalizer 객체가 체인처럼 연결되어 있어요. 그럼 Finalizer 객체가 실제 참조하고 있는 객체는 무엇인지 바로 살펴볼까요?
그림에 나온 바와 같이 PostgreSql JDBC Driver의 org.postgresql.jdbc3g.Jdbc3gPreparedStatement인 점을 확인할 수 있어요. 해당 시스템은 PostgreSql DB를 사용하고 있었네요.
이처럼 Finalizer 참조 객체 대부분은 Jdbc3gPreparedStatement 객체임을 알 수 있어요. 여기서 Statement 객체는, DB에 SQL Query를 실행하기 위한 객체에요.
그렇다면, 아직 Finalize 처리되지 않은 Statement 객체가 증가하는 이유는 무엇일까요?
먼저 해당 Statement 객체는 실제로 어디서 참조하는지 살펴볼게요. 해당 객체는 TimerThread가 참조하는 TaskQueue에 들어가 있어요. 해당 Timer는 Postgresql Driver의 CancelTimer이죠.
해당 Timer의 작업 큐를 확인해 보면 PostgreSql Statement 객체와 관련된 Task 객체도 알 수도 있어요.
그럼 org.postgresql.jdbc3g.Jdbc3gPreparedStatement 클래스가 어떻게 동작하는지 자세히 알아볼까요?
org.postgresql.jdbc3g.Jdbc3gPreparedStatement는 org.postgresql.jdbc2.AbstractJdbc2Statement의 상속 클래스이며 finalize() 메서드를 재정의한 클래스에요. Finalize 처리를 위해 객체 생성 시, JVM에 의해 Finalizer 체인으로 등록되죠.
위와 같은 코드로 보아 CancelTimer는, Query 실행 후 일정 시간이 지나면 자동으로 TimeOut 취소 처리를 위한 Timer에요.
정해진 시간 내에 정상적으로 Query가 수행되고 객체를 종료(Close) 시, Timer를 취소하도록 되어 있어요. 이때 취소된 Task는 상태 값만 변경되고, 실제로는 Timer의 큐에서 아직 사라지진 않아요.
Timer에 등록된 작업은, TimerThread에 의해 순차적으로 처리돼요. Task는 TimerThread에서 처리를 해야 비로소 큐에서 제거되거든요.
이때 가져온 Task는 취소 상태가 아니며, 처리 시간에 아직 도달하지 않은 경우 해당 Task의 실행 예정 시간까지 대기해야 돼요.
여기서 문제점이 발생해요.
이 대기 시간이 길어지면 TimerThread의 처리가 지연되기 때문이죠. 이후 대기 Task들은 상태 여부에 상관없이, 큐에 지속적으로 남아있게 돼요.
만약 오랜 시간 동안 처리가 진행되지 않는다면, 여러 번의 Minor GC 발생 후 참조 객체들은 영구 영역(Old Gen)으로 이동될 수 있어요.
영구 영역으로 이동된 객체는, 메모리에 즉시 제거되지 못하고 오랜 기간 남게 되죠. 이는 Old(Full) GC를 발생시켜 시스템 부하를 유발하게 해요. 실제로 시스템에 설정된 TimeOut 값은 3,000초(50분)에요.
Finalizer 참조 객체는 GC 발생 시, 즉시 메모리에서 수집되지 않고 Finalize 처리를 위한 대기 큐에 들어가요. 그다음 FinalizerThread에 의해 Finalize 처리 후 GC 발생 시 비로소 제거되죠. 때문에 리소스의 수집 처리가 지연될 수 있어요.
또한 FinalizerThread 스레드는 우선순위가 낮아요. Finalize 처리 객체가 많은 경우, CPU 리소스가 상대적으로 부족해지면 개체의 Finalize 메서드 실행을 지연하게 만들어요. 처리되지 못한 객체는 누적되게 만들죠.
요약한다면 FinalReference 참조 객체의 잘못된 관리는
1) 객체의 재 참조를 유발 2) 불필요한 객체의 누적을 유발 3) Finalize 처리 지연으로 인한 리소스 누적을 유발
하게 해요.
PART2.
제니우스 APM을 통해 Finalize 객체를 모니터링하는 방법
Zenius APM에서는 JVM 메모리를 모니터링하고 분석하기 위한, 다양한 데이터를 수집하고 있어요. 상단에서 보았던
FinalReference 참조 객체의 현황에 대한 항목도 확인
할 수 있죠.
APM 모니터링을 통해 Finalize 처리에 대한 문제 발생 가능성도
‘사전’
에 확인
할 수 있답니다!
위에 있는 그림은 Finalize 처리 대기(Pending)중인 객체의 개수를 확인 가능한 컴포넌트에요.
이외에도 영역별 메모리 현황 정보와 GC 처리 현황에 대해서도 다양한 정보를 확인 할 수 있어요!
이상으로 Finalize 처리 객체에 의한 리소스 문제 발생 가능성을, 사례를 통해 살펴봤어요. 서비스에 리소스 문제가 발생하고 있다면, 꼭 도움이 되었길 바라요!
------------------------------------------------------------
©참고 자료
◾ uxys, http://www.uxys.com/html/JavaKfjs/20200117/101590.html
◾ Peter Lawrey, 「is memory leak? why java.lang.ref.Finalizer eat so much memory」, stackoverflow, https://stackoverflow.com/questions/8355064/is-memory-leak-why-java-lang-ref-finalizer-eat-so-much-memory
◾ Florian Weimer, 「Performance issues with Java finalizersenyo」, enyo,
https://www.enyo.de/fw/notes/java-gc-finalizers.html
------------------------------------------------------------
#APM
#Finalize
#제니우스
#메모리 누수
#Zenius
#FinalReference
#제니우스 APM
김진광
APM팀(개발3그룹)
개발3그룹 APM팀에서 제품 개발과 기술 지원을 담당하고 있습니다.
필진 글 더보기
목록으로
추천 콘텐츠
이전 슬라이드 보기
네트워크 모니터링 툴을 통한 LLDP 오토맵 구성 및 활용 방법
네트워크 모니터링 툴을 통한 LLDP 오토맵 구성 및 활용 방법
디지털 인프라 환경이 점차 복잡해지면서, 네트워크 구성도 보다 유연하고 다층적인 구조로 변화하고 있습니다. 다양한 벤더의 장비가 혼재되어 운영되고, 포트 연결은 수시로 변경되며, 구성도는 시간이 지날수록 실제 환경과 일치하지 않는 경우가 많습니다. 이러한 변화 속에서 운영자는 전체 네트워크 구조를 정확히 파악하고 관리하는 데 어려움을 겪게 됩니다. 연결 상태를 명확히 확인하지 못하면 장애 대응이 지연되고, 트래픽 흐름이나 장비 간 영향도 분석이 제한될 수밖에 없습니다. 문서화된 구성도만으로 실시간 상태를 파악하는 데는 분명한 한계가 있습니다. 이럴 때 LLDP(Link Layer Discovery Protocol)를 활용하면, 장비 간의 연결 정보를 자동으로 수집하고 시각적으로 표현할 수 있어, 현재의 네트워크 상태를 보다 직관적으로 파악할 수 있습니다. Zenius NMS와 같은 네트워크 모니터링 툴은 이러한 LLDP 정보를 기반으로 오토맵을 자동 구성해, 운영자가 수작업 없이도 네트워크의 실제 연결 상태를 명확히 확인하고 효율적으로 관리할 수 있도록 지원합니다. 그렇다면 LLDP 기반 오토맵의 개념과 이를 통해 기대할 수 있는 운영상 효과, 그리고 네트워크 모니터링 툴인 Zenius NMS에서 이를 어떻게 구체적으로 활용할 수 있는지를 차례대로 살펴보겠습니다. LLDP 기반의 오토맵은 무엇이고 어떤 문제를 해결할 수 있을까? LLDP는 네트워크 장비 간의 연결 정보를 자동으로 수집하는 프로토콜입니다. Cisco에서 사용하는 CDP(Cisco Discovery Protocol)와 유사한 기능을 하지만, LLDP는 특정 벤더에 종속되지 않아 다양한 제조사의 장비 환경에서도 유연하게 활용할 수 있습니다. 네트워크 모니터링 툴 Zenius NMS는 이러한 LLDP 정보를 활용해 장비 간 실제 연결 상태를 자동으로 시각화하는 오토맵 기능을 제공합니다. 별도의 수작업 없이도 실시간 구성도 수준의 네트워크 맵을 생성할 수 있어, 운영자가 현재 네트워크 구조를 보다 직관적으로 파악할 수 있도록 돕습니다. 특히 구성 정보가 부실하거나 최신화되지 않은 환경에서도 유용하며, 수년간 운영되며 복잡해진 네트워크 구조도 LLDP 오토맵을 통해 효과적으로 시각화할 수 있습니다. 장애가 발생했을 때는 어떤 포트가 어느 장비와 연결되어 있는지를 즉시 확인할 수 있어, 원인 파악과 대응 속도를 높이는 데 도움이 됩니다. 또한 각 인터페이스의 상태 정보(BPS, PPS, 최대 전송 속도 등)도 함께 표시되어, 트래픽 흐름을 보다 정확하게 분석할 수 있습니다. 결과적으로 LLDP 기반 오토맵은 구성도가 없는 환경에서도 네트워크 연결 상태를 명확하게 파악하고, 장애 대응과 성능 분석의 효율을 높이는 데 실질적으로 활용할 수 있습니다. 이제 Zenius NMS를 통해 LLDP 오토맵을 어떻게 구성하고 활용할 수 있는지 자세히 살펴보겠습니다. Zenius NMS에서 LLDP 기반 오토맵 구성 및 활용 방법 오토맵 구성 절차 Zenius NMS는 LLDP로 수집한 장비 간 연결 정보를 바탕으로, 네트워크 토폴로지를 자동으로 구성할 수 있는 기능을 제공합니다. 아래와 같은 절차를 통해 오토맵을 손쉽게 생성하고, 운영 환경에서 실시간으로 활용할 수 있습니다 [Step 01] [EMS > 토폴로지 > 맵목록관리 > 맵등록]: 먼저 오토맵을 구성할 새로운 맵을 등록합니다. 이 단계에서는 맵의 이름, 유형 등을 입력하고 기본 설정을 저장합니다. [Step 02] [EMS > 토폴로지 > 등록맵 선택 > 편집]: 등록한 맵을 선택한 후, [편집] 버튼을 클릭하여 맵 에디터 모드를 활성화합니다. [Step 03] [EMS > 토폴로지 > 등록맵 선택 > 편집 > NMS 자동맵 > 대상 Drag]: NMS 자동맵 기능을 선택한 뒤, 자동 구성을 적용할 장비(스위치, 라우터 등)를 화면으로 드래그합니다. 이후 [맵구성] 버튼을 클릭하면, 선택한 장비를 중심으로 LLDP 기반의 연결 구조가 자동 생성됩니다. [Step 04] [EMS > 토폴로지 > 등록맵 선택 > 편집]: 자동 생성된 맵이 화면에 나타나면, 각 장비의 위치를 드래그하여 보기 좋게 배치할 수 있습니다. [Step 05] [EMS > 토폴로지 > 등록맵 선택 > 편집]: 구성한 맵이 완성되면, [오토맵 저장]을 눌러 현재 상태를 저장합니다. 이후 해당 맵은 Zenius EMS/NMS에서 실시간 모니터링 화면과 연동되어 사용됩니다. 이와 같은 절차를 통해 구성된 LLDP 오토맵은, 구성도가 없는 환경에서도 네트워크 전반의 실제 구조를 빠르게 파악하고, 운영 중 발생하는 연결 변화나 장애 상황을 실시간으로 모니터링하는 데 유용하게 활용할 수 있습니다. 이제 이러한 오토맵 기능이 실제 운영 환경에서 어떻게 적용되는지, 세 가지 구체적인 예시를 통해 살펴보겠습니다. 구체적인 활용 가이드 ① 복잡한 네트워크 구성 한눈에 파악하기 일반적으로 네트워크 토폴로지는 조직 내부에서 보유한 구성도에 따라 수작업으로 구성되며, 이를 기반으로 주요 장비의 장애 상태를 모니터링합니다. 그러나 이러한 구성도가 오래되었거나 존재하지 않는 경우, 실제 네트워크 연결 구조를 정확하게 파악하기 어려운 경우가 많습니다. 이런 상황에서 LLDP 기반 오토맵 기능은 수집된 연결 정보를 바탕으로 자동으로 네트워크 구조를 시각화해줍니다. 운영자는 구성도 없이도 전체 네트워크 구성을 실시간으로 확인할 수 있으며, 각 장비 간의 물리적 관계를 직관적으로 파악할 수 있습니다. [네트워크 구성도 기반 구성한 토폴로지의 사례] 구체적인 활용 가이드 ② 연결 장비의 트래픽 정보 자동 확인하기 스위치 장비는 여러 개의 인터페이스를 통해 다양한 장비와 트래픽을 주고받습니다. 이러한 환경에서 각 인터페이스가 어떤 장비와 연결되어 있는지, 어떤 구간에 트래픽이 집중되고 있는지를 수작업으로 확인하는 것은 현실적으로 매우 어렵습니다. 특히 별도의 분석 도구나 관리 시스템이 없을 경우, 문제 발생 시 신속한 대응이 더욱 어려워집니다. Zenius LLDP 오토맵은 이러한 연결 정보를 자동으로 시각화할 뿐 아니라, 각 연결 구간의 인터페이스 트래픽 정보도 함께 표시합니다. 이를 통해 운영자는 트래픽이 집중되는 구간, 병목 현상이 발생할 수 있는 지점을 빠르게 확인하고 사전에 대응할 수 있습니다. [오토맵을 통한 연결 장비 트래픽 확인 사례] 구체적인 활용 가이드 ③ 인터페이스 장애 영향도 분석하기 오토맵을 통해 트래픽이 몰리는 특정 연결 구간을 식별한 이후에는, 해당 구간에 연결된 인터페이스의 상세 정보를 확인할 수 있습니다. 연결된 포트의 상태, 전송 속도(BPS/PPS), 최대 속도(Max Speed) 등 다양한 지표를 기반으로 문제의 원인을 보다 구체적으로 분석할 수 있습니다. 예를 들어, MainSwitch와 Switch755fa 간의 연결을 조회하면 MainSwitch의 gi4 포트를 통해 연결되어 있다는 점을 확인할 수 있고, 해당 포트의 트래픽 수치까지 함께 확인 가능합니다. 이를 통해 인터페이스 장애가 전체 네트워크에 미치는 영향도 보다 정확하게 판단할 수 있습니다. 구체적인 활용 가이드 ④ CDP, LLDP 연결정보 확인 하기 이뿐만 아니라, Zenius NMS는 Cisco 장비에서 제공하는 CDP(Cisco Discovery Protocol)와 LLDP 정보를 모두 지원합니다. 이를 통해 오토맵 구성 외에도 정적인 장비 연결 정보 점검이 가능하며, 다양한 환경에서 유연한 연결 정보 수집이 가능합니다. 운영자는 NMS > 모니터링 > 장비 > 대상 클릭 > 부가정보 메뉴를 통해 각 장비에 대한 CDP 및 LLDP 연결 정보를 확인할 수 있으며, 이를 통해 오토맵 구성 외에도 정적인 장비 연결 정보 확인 및 점검이 가능합니다. [NMS > 모니터링 > 장비 > 대상 클릭 > 부가정보 ] CDP, LLDP 정보 Zenius LLDP 오토맵 기능은 실제 운영 환경에서도 효과적으로 활용되고 있습니다. 예를 들어, B제약사는 주요 스위치를 제외한 장비의 연결 상태를 명확히 파악하기 어려운 상황에서 LLDP 기반 오토맵 도입을 요청한 고객사입니다. 특히 대부분의 장비가 Cisco가 아닌 타 벤더 장비로 구성되어 있어, 기존의 CDP 기반 구성으로는 한계가 있었습니다. 이에 따라 Zenius를 통해 LLDP 기반 웹 오토맵 기능이 POC 형태로 제공되어 실제 환경에 적용되었습니다. 도입 이후에는 기존에 파악되지 않았던 스위치 간 연결 관계와 인터페이스 수준의 상태까지 시각적으로 확인할 수 있게 되었고, 관리의 사각지대였던 영역도 체계적으로 관리할 수 있게 되었습니다. 이를 통해 B제약사는 운영 효율성과 문제 대응 속도를 동시에 개선할 수 있었습니다. LLDP 기반 오토맵은 단순히 장비 간 연결 상태를 보여주는 도구에 그치지 않습니다. 실제 환경에 적용해보면, 운영자가 놓치기 쉬운 연결 구조를 시각적으로 재구성하고, 네트워크 상의 다양한 상호작용을 보다 명확하게 이해하는 데 도움이 됩니다. 특히 장애나 트래픽 변화처럼 빠른 대응이 필요한 순간에는, 자동화된 시각 정보가 판단과 조치의 속도를 좌우할 수 있습니다. 인터페이스 수준의 상세 정보까지 함께 제공되기 때문에, 문제가 발생한 구간의 영향도를 실시간으로 파악하고, 사전에 우선 대응할 수 있는 근거도 마련됩니다. 도입 사례를 통해 확인할 수 있었듯이, 기존 관리 체계만으로는 파악하기 어려웠던 장비 간 연결이나 관리 사각지대 역시 오토맵을 통해 자연스럽게 드러나며, 운영 체계 전반의 신뢰성을 높이는 계기가 됩니다. 정적인 문서나 수작업 기반의 관리에서 벗어나, 실시간 연결 정보를 바탕으로 네트워크를 보다 직관적으로 운영하고자 한다면, LLDP를 기반으로 한 Zenius의 오토맵 기능을 통해 보다 효율적이고 안정적인 네트워크 운영 환경을 구축할 수 있습니다.
2025.06.04
다음 슬라이드 보기