一次线上JVM Young GC调优,搞懂了这么多东西!

本文讲述了线上商品服务的JVM Young GC调优过程,详细分析了JVM配置、GC日志和性能监控。通过调整新生代比例和分代设置,减少了Young GC的频率,优化了系统的响应时间,提升了JVM的吞吐量。在调优过程中,借助了GCeasy等工具进行分析,并讨论了偏向锁的影响。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

先说一下基本情况,本次是对线上商品服务的JVM优化。商品服务的访问量非常高,单机QPS在3000左右,线上总共部署了15个商品服务节点。JVM堆内存大小是8G,其中给新生代分配了2G,老年代垃圾回收器采用CMS,新生代垃圾回收器是ParNew。

优化前的状况


首先我们使用 jstat 查看了 GC 的情况。又通过查看GC log,分析了GC 的详细状况。

使用 jstat -gcutil ${pid} 1000 每隔一秒打印一次 GC 统计信息。

jstat -gcutil 6689 1000


可以看到,单次 Young GC 平均耗时是 60ms 左右,还是不错的,但是Young GC(YGC )非常频繁,基本上每秒一次,有时还会一秒两次,在一秒两次的时候,Young GC对系统响应的压力就会比较明显。

jstat相关指标说明:

  •  YGCT:Young GC 总时间,单位为秒

  • YGC:Young GC 次数

  • FGCT:Full GC 总时间,单位为秒

  • FGC:Full GC 次数

  • GCT:GC 总时间,是 YGCT 和 FGCT 之和

接着查看 GC log,打印 GC log 需要在 JVM 启动参数里添加如下参数:

  • -XX:+PrintGCDateStamps:打印 GC 发生的时间戳。

  • -XX:+PrintTenuringDistribution:打印 GC 发生时的代龄信息。

  • -XX:+PrintGCA

### JVM性能的方法与最佳实践 #### 一、JVM性能的基础理论 JVM性能的核心目标在于化应用程序的运行效率以及资源利用率。通过JVM的各种参数,可以显著提升程序的表现。基础理论涵盖了垃圾回收机制(GC)、堆内存分配策略等内容[^1]。 #### 二、JVM性能的关键参数 为了实现高效的性能,需要熟悉并合理设置一系列重要的JVM参数。这些参数主要包括但不限于以下几个方面: - **堆内存配置** 堆内存分为年轻代(Young Generation)和老年代(Tenured/Old Generation),其比例可以通过`-XX:NewRatio=<value>`来设定,默认情况下新旧代的比例为2:8。此外,还可以指定初始堆大小(`-Xms`)和最大堆大小(`-Xmx`)。默认的最大堆内存约为物理内存的四分之一,在某些环境中可能接近450MB,而初始化大小通常较小,约30MB左右[^2]。 - **垃圾回收器的选择** 不同的应用场景适合不同的垃圾回收算法。常见的有Serial GC(-XX:+UseSerialGC), Parallel GC (-XX:+UseParallelGC), CMS (Concurrent Mark Sweep, -XX:+UseConcMarkSweepGC) 和 G1 Garbage Collector (-XX:+UseG1GC)[^1]。每种GC都有各自的适用范围和特点,例如CMS适用于低延迟需求较高的应用,而G1则更适合大容量堆环境下的综合表现化。 #### 三、具体操作流程 实际执行过程中,可以从个角度入手来进行详细的诊断与改进工作: 1. 使用工具定位问题源码位置及其影响因素。比如利用 `jps -l`, `top -p <PID>`, 转换线程ID至十六进制形式并通过`printf "%x\n"`完成转换后再借助`jstack`命令获取具体的栈轨迹信息以便进一步排查异常行为所在之处[^3]; 2. 对于发现存在瓶颈或者耗时较长的操作部分,则需深入研究相关逻辑是否存在可化空间; 3. 同时也要关注外部依赖库版本兼容性情况以及其他潜在干扰项是否会对整体效能造成负面影响; 4. 配合使用专业的APM(Application Performance Management)平台持续跟踪线上实例状态变化趋势图谱从而及时作出相应整措施直至达到预期效果为止。 以下是用于打印当前虚拟机所有选项的一个简单脚本示例: ```bash #!/bin/bash if [ $# -ne 1 ]; then echo "Usage: $0 <pid>" exit 1 fi jinfo $1 | grep 'MaxHeapSize' ``` 此脚本接受一个进程号作为输入参数,并显示该进程中关于最大堆尺寸的信息。 #### 四、案例分享——解决堆溢出(OOM) 当遇到OutOfMemoryError错误提示时,意味着已经超出了所允许使用的内存限额界限。此时应当按照如下步骤处理: - 收集必要的数据资料,包括但不限于完整的gc日志文件、heap dump快照等辅助材料; - 应用专门设计用来解析上述提到的数据类型的软件产品如Eclipse MAT(Memory Analyzer Tool) 或 Visual VM 来识别主要占用者群体特征模式; - 结合业务背景知识共同探讨可行解决方案方向,最终决定增加可用硬件资源配置还是重构现有架构体系结构以减少不必要的对象创建活动频率等方式缓解压力状况。 ---
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