JVM性能调优之内存优化与GC优化

JVM 调优是一个系统而又复杂的过程，但我们知道，在大多数情况下，我们基本不用去调整 JVM 内存分配，因为一些初始化的参数已经可以保证应用 服务正常稳定地工作了。 在应用服务的特定场景下，JVM 内存分配不合理带来的性能表现并不会像内存溢出问题这么突出。一般你没有深入到各项性能指标中去，是很难发现其 中隐藏的性能损耗

一、压测工具AB

Ab(ApacheBench) 测试工具是 Apache 提供的一款测试工具，具有简单易上手的特点，在测试 Web 服务时非常实用。 ab 一般都是在 Linux 上用。 安装非常简单，只需要在 Linux 系统中输入 yum -y install httpd-tools 命令，就可以了。 安装成功后，输入 ab 命令，可以看到以下信息：

ab 工具用来测试 post get 接口请求非常便捷，可以通过参数指定请求数、并发数、请求参数等
测试 get 请求接口:
ab -c 10 -n 100 http://www.test.api.com/test/login?userName=test&password=test
测试 post 请求接口:
ab -n 100 -c 10 -p ‘post.txt’ -T ‘application/x-www-form-urlencoded’ ‘http://test.api.com/test/register’
post.txt 为存放 post 参数的文档，存储格式如 usernanme=test&password=test&sex=1
参数的含义：
-n：总请求次数（最小默认为 1）；
-c：并发次数（最小默认为 1 且不能大于总请求次数，例如：10 个请求，10 个并发，实际就是 1 人请求 1 次）；
-p：post 参数文档路径（-p 和 -T 参数要配合使用）；
-T：header 头内容类型（此处切记是大写英文字母 T）；

Requests per second：吞吐率，指某个并发用户数下单位时间内处理的请求数； Time per request：上面的是用户平均请求等待时间，指处理完成所有请求数所花费的时间 /（总请求数 / 并发用户数）； Time per request：下面的是服务器平均请求处理时间，指处理完成所有请求数所花费的时间 / 总请求数； Percentage of the requests served within a certain time：每秒请求时间分布情况，指在整个请求中，每个请求的时间长度的分布情况，例如有 50% 的请求响应在 8ms 内，66% 的请求响应在 10ms 内，说明有 16% 的请求在 8ms~10ms 之间。

二、JVM内存分配的调优案例

一个高并发系统中的抢购接口，高峰时 5W 的并发请求，且每次请求会产生 20KB 对象（包括订单、用户、优惠券等对象数据）。 我们可以通过一个并发创建一个 1MB 对象的接口来模拟万级并发请求产生大量对象的场景，具体代码如下：

AB压测

对应用服务进行压力测试，模拟不同并发用户数下的服务的响应情况：
1、10 个并发用户/10 万请求量(总)
2、100 个并发用户/10 万请求量(总)
3、1000 个并发用户/10 万请求量(总)

ab -c 10 -n 100000 http://127.0.0.1:8080/jvm/heap
ab -c 100 -n 100000 http://127.0.0.1:8080/jvm/heap
ab -c 1000 -n 100000 http://127.0.0.1:8080/jvm/heap

服务器信息

我本机起一台 Linux 虚拟机，分配的内存为 2G，处理器数量为 2 个。具体信息如下图：

GC监控

还有一句话，无监控不调优，所以我们需要监控起来。JVM 中我们使用 jstat 命令监控一下 JVM 的 GC 情况。 统计 GC 的情况。
jstat-gc 8404 5000 20 | awk '{print $13,$14,$15,$16,$17}

堆空间监控

在默认不配置 JVM 堆内存大小的情况下，JVM 根据默认值来配置当前内存大小。 我们可以通过以下命令来查看堆内存配置的默认值：
java -XX:+PrintFlagsFinal -version | grep HeapSize

这台机器上启动的 JVM 默认最大堆内存为 480MB，初始化大小为 32MB。

测试项目启动

使用 jmap -heap 这种方式，我们看到这个 JVM 应用占据的堆空间大小

压测结果

1、10 个并发用户/10 万请求量(总)
使用 AB 进行压力测试： ab -c 10 -n 100000 http://127.0.0.1:8080/jvm/heap


统计 GC 情况
jstat -gc 9656 5000 20 | awk '{print $13,$14,$15,$16,$17

测试结果显示：
用户的吞吐量大于在 1426/每秒左右
JVM 服务器平均请求处理时间 0.7ms 左右
JVM 服务器发生了 2700 多次 YGC,耗时 15 秒 ，还有 45 次 FGC,2.3 秒左右，加在一起 GC 耗时 17 秒

2、100 个并发用户/10 万请求量(总)
使用 AB 进行压力测试：
ab -c 100 -n 100000 http://127.0.0.1:8080/jvm/heap

测试结果显示：
用户的吞吐量大于在 1262/每秒左右
JVM 服务器平均请求处理时间 0.8ms 左右
JVM 服务器发生了 2700 多次 YGC,耗时 30 秒 ，还有 56 次 FGC,3 秒左右，加在一起 GC 耗时 33 秒
3、1000 个并发用户/10 万请求量(总)
使用 AB 进行压力测试： ab -c 1000 -n 100000 http://127.0.0.1:8080/jvm/heap

测试结果显示：
用户的吞吐量大于在 1145/每秒左右
JVM 服务器平均请求处理时间 0.8ms 左右
JVM 服务器发生了 2700 多次 YGC,耗时 38 秒 ，还有 47 次 FGC,3 秒左右，加在一起 GC 耗时 42 秒

结果分析

GC频率

高频的 FullGC 会给系统带来非常大的性能消耗，虽然 MinorGC 相对 FullGC 来说好了许多，但过多的 MinorGC 仍会给系统带来压力

内存

这里的内存指的是堆内存大小，堆内存又分为年轻代内存和老年代内存。堆内存不足，会增加 MinorGC ，影响系统性能

吞吐量

频繁的 GC 将会引起线程的上下文切换，增加系统的性能开销，从而影响每次处理的线程请求，最终导致系统的吞吐量下降

延时

JVM 的 GC 持续时间也会影响到每次请求的响应时间

调优方案

调优方案一

调整堆内存空间减少 GC：通过分析，堆内存基本被用完了，而且存在大量 MinorGC 和 FullGC，这意味着我们的堆内存严重不足，这个时候我们需要调 大堆内存空间
堆空间加大到 1.5G
java -jar -Xms1500m -Xmx1500m jvm-1.0-SNAPSHOT.jar
使用 AB 进行压力测试：
ab -c 10 -n 100000 http://127.0.0.1:8080/jvm/heap

测试结果显示：
用户的吞吐量大于在 1205/每秒左右
JVM 服务器平均请求处理时间 0.83ms 左右
JVM 服务器发生了 800 次 YGC,耗时 33 秒 ，还有 1 次 FGC,1 秒左右，加在一起 GC 耗时 34 秒

使用 AB 进行压力测试： ab -c 100 -n 100000 http://127.0.0.1:8080/jvm/heap

测试结果显示：
用户的吞吐量大于在 989/每秒左右
JVM 服务器平均请求处理时间 1.01ms 左右
JVM 服务器发生了 800 次 YGC,耗时 46 秒 ，还有 8 次 FGC,6 秒左右，加在一起 GC 耗时 52 秒

使用 AB 进行压力测试： ab -c 1000 -n 100000 http://127.0.0.1:8080/jvm/heap

测试结果显示：
用户的吞吐量大于在 749/每秒左右
JVM 服务器平均请求处理时间 1.3ms 左右
JVM 服务器发生了 800 次 YGC,耗时 66 秒 ，还有 8 次 FGC,9 秒左右，加在一起 GC 耗时 75 秒

调整方案二

java -jar -Xms1500m -Xmx1500m -Xmn1000m -XX:SurvivorRatio=8 jvm-1.0-SNAPSHOT.jar
使用 AB 进行压力测试： ab -c 10 -n 100000 http://127.0.0.1:8080/jvm/heap

测试结果显示：
用户的吞吐量大于在 1780/每秒左右
JVM 服务器平均请求处理时间 0.56ms 左右
JVM 服务器发生了 400 次 YGC,耗时 5.8 秒 ，还有 2 次 FGC,0.1 秒左右，加在一起 GC 耗时 6 秒

使用 AB 进行压力测试： ab -c 100 -n 100000 http://127.0.0.1:8080/jvm/heap

测试结果显示：
用户的吞吐量大于在 1927/每秒左右
JVM 服务器平均请求处理时间 0.51ms 左右
JVM 服务器发生了 400 多次 YGC,耗时 11 秒 ，没有 FGC，加在一起 GC 耗时 11 秒

使用 AB 进行压力测试： ab -c 1000 -n 100000 http://127.0.0.1:8080/jvm/heap

测试结果显示：
用户的吞吐量大于在 1657/每秒左右
JVM 服务器平均请求处理时间 0.6ms 左右
JVM 服务器发生了 400 多次 YGC,耗时 14 秒 ，还 1 次 FGC,3 秒左右，加在一起 GC 耗时 17 秒

内存优化总结

一般情况下，高并发业务场景中，需要一个比较大的堆空间，而默认参数情况下，堆空间不会很大。所以我们有必要进行调整。 但是不要单纯的调整堆的总大小，要调整新生代和老年代的比例，以及 Eden 区还有 From 区，还有 To 区的比例。 所以在我们上述的测试中，调整方案二，得到结果是最好的。在三种测试情况下都能够有非常好的性能指标，同时 GC 耗时相对控制也较好。 对于调整方案一，就是单纯的加大堆空间，里面的比例不适合高并发场景，反而导致堆空间变大，没有明显减少 GC 的次数，但是每次 GC 需要检索对象 的堆空间更大，所以 GC 耗时更长。 方案二：调整为一个很大的新生代和一个较小的老年代.原因是,这样可以尽可能回收掉大部分短期对象,减少中期的对象,而老年代尽存放长期存活对象。 由于新生代空间较小，Eden 区很快被填满，就会导致频繁 Minor GC，因此我们可以通过增大新生代空间来降低 Minor GC 的频率。 单次 Minor GC 时间是由两部分组成：T1（扫描新生代）和 T2（复制存活对象）

默认情况：一个对象在 Eden 区的存活时间为 500ms，Minor GC 的时间间隔是 300ms，因为这个对象存活时间>间隔时间，那么正常情况下，Minor GC 的时间为 ：T1+T2。

方案一：整堆空间加大，但是新生代没有增大多少，对象在 Eden 区的存活时间为 500ms，Minor GC 的时间可能会扩大到 400ms，因为这个对象存 活时间>间隔时间，那么正常情况下，Minor GC 的时间为 ：T1*1.5（Eden 区加大了）+T2

方案二：当我们增大新生代空间，Minor GC 的时间间隔可能会扩大到 600ms，此时一个存活 500ms 的对象就会在 Eden 区中被回收掉，此时就不 存在复制存活对象了，所以再发生 Minor GC 的时间为：即 T12（空间大了）+T20 可见，扩容后，Minor GC 时增加了 T1，但省去了 T2 的时间。 在 JVM 中，复制对象的成本要远高于扫描成本。如果在堆内存中存在较多的长期存活的对象，此时增加年轻代空间，反而会增加 Minor GC 的时间。如 果堆中的短期对象很多，那么扩容新生代，单次 Minor GC 时间不会显著增加。因此，单次 Minor GC 时间更多取决于 GC 后存活对象的数量，而非 Eden 区的大小。 这个就解释了之前的内存调整方案中，方案一为什么性能还差些，但是到了方案二话，性能就有明显的上升。

推荐策略

1. 新生代大小选择
   • 响应时间优先的应用:尽可能设大,直到接近系统的最低响应时间限制(根据实际情况选择).在此种情况下,新生代收集发生的频率也是最小 的.同时,减少到达老年代的对象.
   • 吞吐量优先的应用:尽可能的设置大,可能到达 Gbit 的程度.因为对响应时间没有要求,垃圾收集可以并行进行,一般适合 8CPU 以上的应用.
   • 避免设置过小.当新生代设置过小时会导致:1.MinorGC 次数更加频繁 2.可能导致 MinorGC 对象直接进入老年代,如果此时老年代满了,会触 发 FullGC.
     2.老年代大小选择
   • 响应时间优先的应用:老年代使用并发收集器,所以其大小需要小心设置,一般要考虑并发会话率和会话持续时间等一些参数.如果堆设置小了,可 以会造成内存碎 片,高回收频率以及应用暂停而使用传统的标记清除方式
   • 如果堆大了,则需要较长的收集时间.最优化的方案,一般需要参考以下数据获得:
   • 并发垃圾收集信息、持久代并发收集次数、传统 GC 信息、花在新生代和老年代回收上的时间比例。 吞吐量优先的应用:一般吞吐量优先的应用都有一个很大的新生代和一个较小的老年代.原因是,这样可以尽可能回收掉大部分短期对象,减少中期的对象,而 老年代尽存放长期存活对象