An internal error occurred during: "Periodic workspace save.". Java heap space

文章详细介绍了MyEclipse导入SVN项目时遇到内存不足错误的解决方法,包括调整堆内存参数、理解堆内存与非堆内存的概念以及如何优化MyEclipse配置来防止数据丢失。

myeclipse从svn导入新项目是老是报错:

An internal error occurred during: "Periodic workspace save.".
Java heap space

意思是说:一个内部错误发生,myeclipse内存不够,堆内存不够,同时myeclipse提示:


解决方法:

MyEclipse已经检测到小于5%的堆内存空间保留的494mb内存。

我们强烈建议您退出并重新启动MyEclipse;如果不这样做可能会导致数据丢失。

如果你反复看到这个警告,你可以使用以下建议的内存参数:

-vmargs
-Xmx768m
-XX:MaxPermSize=384m
-XX:ReservedCodeCacheSize=64m

打开本地安装myeclipse文件夹,找到myeclipse.ini文件:

修改原来的:

<span style="font-size:14px;">vmargs
-Xmx512m
-XX:MaxPermSize=384m
-XX:ReservedCodeCacheSize=64m
-Dosgi.nls.warnings=ignore </span>

为:

<span style="font-size:14px;">-vmargs
-Xmx768m
-XX:MaxPermSize=384m
-XX:ReservedCodeCacheSize=64m</span>

即可,然后又上网百度了一些知识,解释我们在修改的参数是什么意思。

1.堆(Heap)和非堆(Non-heap)内存
按照官方的说法:“Java 虚拟机具有一个堆,堆是运行时数据区域,所有类实例和数组的内存均从此处分配。堆是在 Java 虚拟机启动时创建的。”“在JVM中堆之外的内存称为非堆内存(Non-heap memory)”。可以看出JVM主要管理两种类型的内存:堆和非堆。简单来说堆就是Java代码可及的内存,是留给开发人员使用的;非堆就是JVM留给自己用的,所以方法区、JVM内部处理或优化所需的内存(如JIT编译后的代码缓存)、每个类结构(如运行时常数池、字段和方法数据)以及方法和构造方法的代码都在非堆内存中。

2.堆内存分配
       JVM初始分配的内存-Xms指定,默认是物理内存的1/64;JVM最大分配的内存-Xmx指定,默认是物理内存的1/4。默认空余堆内存小于40%时,JVM就会增大堆直到-Xmx的最大限制;空余堆内存大于70%时,JVM会减少堆直到-Xms的最小限制。因此服务器一般设置-Xms、-Xmx相等以避免在每次GC 后调整堆的大小。

 举例说明含义:
        -Xms128m 表示JVM Heap(堆内存)最小尺寸128MB,初始分配
        -Xmx512m 表示JVM Heap(堆内存)最大允许的尺寸256MB,按需分配。

    说明:如果-Xmx不指定或者指定偏小,应用可能会导致java.lang.OutOfMemory错误,此错误来自JVM不是Throwable的,无法用try...catch捕捉。




该文档【OpenCV相机标定优化方案详解:畸变参数精确估计与重投影误差最小化设计】共计 377 页,共51个大章节,文档支持目录章节跳转同时还支持阅读器左侧书签大纲显示和章节快速定位,文档内容完整、条理清晰。文档内所有文字、图表、目录等元素均显示正常,无任何异常情况,敬请您放心查阅与使用。文档仅供学习参考,请勿用作商业用途。文档前20个章节内容:【引言:相机标定在计算机视觉中的核心地位与挑战、相机成像模型深度剖析:从针孔模型到畸变产生的本质、畸变参数的数学表达:径向畸变与切向畸变的公式推导、相机内参矩阵的物理意义与参数构成详解、外参矩阵的旋转与平移分量几何解释、标定板设计原则:棋盘格与圆点阵列的选型标准、标定图像采集的关键技巧:角度、光照与清晰度控制、图像预处理第一步:标定板角点的自动检测算法原理、角点亚像素级定位:基于灰度矩的精确计算方法、无效标定图像的筛选策略:基于角点检测率的量化指标、OpenCV标定函数cv::calibrateCamera的参数详解、初始内参矩阵的手动设置与自动估计对比分析、畸变系数初始值的选取对迭代收敛的影响、标定迭代算法的收敛条件设置:精度与效率的平衡、重投影误差的定义与计算方法:像素级误差的量化表达、单幅图像重投影误差的分布特征与异常值识别、全局重投影误差的统计指标:均值、方差与标准差分析、基于重投影误差的标定图像筛选优化方案、迭代加权最小二乘法在标定中的应用:降低异常值影响、Levenberg-Marquardt算法在参数优化中的实现细节】。更多精品资源请访问 https://blog.csdn.net/ashyyyy/article/details/146464041
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值