Apache Tika Server处理大文档报Java堆内存溢出问题排查

你遇到的OOM核心原因是**-JXmx6g参数仅对Tika Server父进程生效，spawnChild模式生成的解析子进程默认不会继承该JVM堆配置**，和观测到的现象完全匹配：

• Tika 2.4.1版本spawnChild模式下，子进程默认JVM堆上限为2GB，刚好对应子进程占用2GB左右就触发OOM的现象
• 父进程仅负责请求路由、端口监听，所有文档解析逻辑全部运行在子进程中，给父进程分配再大的堆也不会参与实际解析的内存分配

1. 验证子进程实际堆配置
   服务启动后找到spawn生成的子进程PID，执行命令查看实际最大堆内存：

   jcmd <子进程PID> VM.flags | grep MaxHeapSize
   

   返回的MaxHeapSize换算后如果是2147483648字节（即2GB），即可实锤参数未正确传递到子进程。
2. 修正启动参数，单独给子进程指定堆上限
   spawnChild模式下子进程的JVM参数需要通过-childOpts单独指定，父进程不需要分配过大堆（1G足够承载路由逻辑），参考正确启动命令：

   java -jar tika-server-standard-2.4.1.jar -spawnChild -JXmx1g -childOpts "-Xmx6g"
   

3. 大PDF解析优化（修正参数后仍OOM时使用）
   • 追加配置开启PDFBox内存限制，让大内嵌资源走磁盘缓存而非全量加载到堆：-JXX:PDFBoxMaxMemory=5g
   • 追加配置-maxFilesPerChild 50，指定子进程每处理50个文件就自动重启，规避解析过程中内存碎片累积导致的假OOM

• 配置的堆内存上限确实仅对父进程生效，子进程未继承该配置，这是2.4.x版本spawnChild模式的参数传递规则，不是配置写法错误。
• 不需要一开始就盲目分配更大堆内存，属于遗漏了子进程专属配置项；340MB的PDF（尤其是带高清扫描件、矢量图的PDF）解析时内存膨胀比通常在5-10倍，6G堆足够覆盖绝大多数场景，不需要额外上调。

内容的提问来源于stack exchange，提问作者user2173353