深入JVM内核（五）——GC参数之垃圾收集器

喜欢ヅ旅行 2022-05-19 09:37 167阅读 0赞

**由于之前看的容易忘记，因此特记录下来，以便学习总结与更好理解，该系列博文也是第一次记录，所有有好多不完善之处请见谅与留言指出，如果有幸大家看到该博文，希望报以参考目的看浏览，如有错误之处，谢谢大家指出与留言。**

一、堆的回顾

![70][]

前面有总结，一般堆分为两类：新生代和老年代，即：eden+s0+s1（新生代）与老年代；老年代存放的是老年对象，新生代存放的是新的对象；一般来说对象开始创建出来时绝大多数是一般放在eden区，但也有一些例外：如栈上分配，创建的对象放在栈上，还有一些比较大的对象，有可能会直接分配到老年代。因此除此之外大部分对象都是在新生代中产生的。如果在gc之后他能幸存，那么他会被放到幸存代也可以称之为s0,s1,也就是也可以叫from,to。不管叫什么，他们指的都是一个区域。s0和s1他们是大小相等，功能上也是完全对称的。前面讲的复制算法可知道，新生代使用gc回收就是复制算法并且要求s0,s1两块区域是对称的。因此它的缺点就是s0,s1空间浪费，因为每次只能使用其中一块区域进行gc回收。因此会浪费掉一个区间。当一个对象经过多次gc之后就变成的老年对象，那么他就会被存放在老年代。

二、GC参数 - 串行收集器

1、jvn自带的一种收集器，他是最古老但也是最稳定的。同时他从整体效率也是很高的，虽然后面会介绍一个优化的收集器，但是他们只是在某一方面特性的进行优化进而提高收集效率。但从整体来看效率不一定会有这个高。

但是他遇到最大可能会产生较长的停顿，因为他是单线程的，在回收时，他使用一个线程进行gc，在多核情况下，没法发挥很好的性能。

2、使用串行收集器：    -XX:+UseSerialGC    这个参数就启用了串行收集器。

因此新生代、老年代都使用串行回收；**那么他会在新生代复制算法，在使用老年代标记-压缩算法**

串行收集器工作原理如下：

![70 1][]

下面是串行收集器的日志输出：

![70 2][]

当我们看到GC与时间，那么他就是串行收集器输出了，如果看到full输出代表老年代回收的先关堆的情况，以及永久区的情况等等都能看到。

三、GC参数 - 并行收集器

1、ParNew  简称par

-XX:+UseParNewGC     从名字上看带new他是新生代收集器，因此他在新生代使用并行收集器；在老年代串行收集器。因此在使用这个参数后，新生代会使用并行回收，老年代使用串行回收，因此这个参数只影响新生代的回收。

2.、  Serial收集器新生代的并行版本

3、 并行收集器依然使用的 **复制算法**并且他是多线程的，因此需要多核支持。

4、  -XX:ParallelGCThreads 可以通过这个参数来指定或者限制线程数量

5、工作原理如图：

![70 3][]

但是：使用多线程并不是一定比单线程快，要看在什么cpu情况下，如果在多核cpu情况，多线程会很快，但是也要设置合适线程数量，在单核情况最好还是使用单线程这个算法。当使用这个 参数是，我们可以看到日志会打印ParNew这个信息，则可是知道当前在使用新生代的并行回收器。

2、Parallel收集器（另一种并行收集器，与ParNew  有一定区别，**区别在于他更加关注于吞吐量的并行收集器**）

类似ParNew

**    他是在 新生代使用复制算法， 老年代使用 标记-压缩**；可以看做串行收集器在新生代与老年代的并行化。他更加关注吞吐量。

-XX:+UseParallelGC  在新生代使用这个参数来启用并行收集器。只启用这个新生代使用并行收集，而老年代依旧使用串行。

使用Parallel收集器+ 老年代串行

- XX:+UseParallelOldGC  如果要老年代也是用并行，则使用这个参数。

使用Parallel收集器+ 并行老年代

3、工作原理：

![70 4][]

这个日志打印就是使用了UseParallelOldGC 之后打印的Full gc日志。红字可以看到gc的类型。

4、关于并行gc还可以设置其他参数，如下：

\-XX:MaxGCPauseMills   表示最大停顿时间，单位毫秒

GC尽力保证回收时间不超过设定值，也是gc的时候应用程序暂停的多少时间，也就是 gc所占用的时间，一种目标值,gc会尽量不超过这个值。不一定就到这个时间，并不一定能保证就这个时间。

\-XX:GCTimeRatio  就是垃圾回收所用的cpu时间占总时间之比。  也就是垃圾收集时间占总时间的比

取值范围 0-100的取值范围；  默认99，即最大允许1%时间做GC，也就是一般我们希望gc时间占用应用程序时间最小，停顿最小，影响最小。

但是事实上这两个参数是矛盾的。因为停顿时间和吞吐量不可能同时调优。也是因为可以看做垃圾gc的总量是一定的，负载是一定的，就需要那么多时间去做这么多事，也就是说我们可以安排什么时候去做gc，那么也就是增加gc的频率，频率多了自然垃圾就少了，对象也就少了。因此每一次gc的时间都是很少的。但是频繁的gc对系统的性能也就造成影响。就造成了停顿时间比较短，但整体性能并不高。反言之，减少gc,那么性能会有所提升，那么GCTimeRatio这个值就会增大，因此gc如果次数少了，会造成面对大量的对象，导致gc的时间比较长。这种情况下，系统停顿的时间相对也就比较长。因此这两参数，一个代表性能，一个代表吞吐量。因此这里就是这个gc收集器的主要矛盾，根据实际取中间值，或者有所取舍。

四、GC参数 – CMS收集器   （Concurrent Mark Sweep 也就是并发的标记清除）

CMS收集器 Concurrent Mark Sweep 并发标记清除   并发（并发指的事gc回收器与应用程序交替执行，一起执行）也就是说他可以跟着应用程序一起执行，所以他的停顿会比较少。同样，吞度量会降低。因为他会占用应用程序在cpu中的比率，占用一定资源从而降低了应用程序的吞吐量。

他使用了**标记-清除算法** 与标记-压缩相比 并发阶段会降低吞吐量

这个收集器他是一个 老年代收集器（新生代使用ParNew）他不会再新生代中去使用，所以他是单纯的老年代收集器。

使用该参数     -XX:+UseConcMarkSweepGC  启用CMS收集器

CMS运行过程比较复杂（复杂是因为他要尝试试图与应用程序一起执行，这也就是他的特点，为了达到这个目的所以他的算法与实现机制会比较复杂），着重实现了标记的过程。

主要工作可分为以下几步：

第一步、初始标记

标记那些就是由根对象 ，可以直接关联的的对象 （根可以直接关联到的对象）

这个速度是非常快的；但是他是要产生全局停顿的。在这个过程完成之后开始执行第二步。

第二步、并发标记（和用户线程一起，用户线程一边工作，他一边标记，将所有的对象进行标记，标记为是垃圾还是不是垃圾）

主要标记过程，标记全部对象，在这个并发标记过程中，用户线程依旧在运行，因此在清理之前，他还需要做一次修正。也就是重新标记。

第三步、重新标记  （可以看做并发标记的补充）

由于并发标记时，用户线程依然运行，因此在正式清理前，再做修正。重新标记依旧是独占cpu的,这时候也会产生停顿。之后就可判定标记是完善的了，就可以进行并发清除。

第四步、并发清除（和用户线程一起）

基于标记结果，直接清理对象

由上可看出这个收集器是尽可能减少全局停顿，特别步骤还是要全局停顿的。

工作原理：

![70 5][]

这里之所以使用的并发清除，而不是并发压缩，有图可看，在清理的时候依然有程序在运行；所以我们就可以简单的把对象给移除清理掉。如果是并发整理或者并发压缩的情况下，他需要去重新整理这个内存空间，把要清理的对象移动位置的话，应用程序就很难在执行了；因此为了达到更好的或者是简单的实现，所以才用简单的清除算法，而非清除压缩等。

1、特点

（1）、尽可能降低停顿

（2）、会影响系统整体吞吐量和性能

比如，在用户线程运行过程中，分一半CPU去做GC，系统性能在GC阶段，反应速度就下降一半

（3）、清理不彻底

因为在清理阶段，用户线程还在运行，会产生新的垃圾，无法清理

（4）、因为和用户线程一起运行，不能在空间快满时再清理（前面所说的收集器，则可以，因为他们都是停顿的，当清理之后又有大量空间）

\-XX:CMSInitiatingOccupancyFraction设置触发GC的阈值

如果不幸内存预留空间不够，就会引起concurrent mode failure

2、cms并发清理当中产生的错误原因

![70 6][]

这是并发模式的错误，是因为在并发清理的时候她去试图清理垃圾对象，在这过程当中应用程序又在不断地进行内存申请，导致内存不够用了。因此遇到这个错误，可行的方案是：可以把所有应用程序暂停，改用串行收集器，来回收这些空间，事实上，cms也是这么错的，把串行收集器当做后备收集器。

3、这里简单说明下标记清除与标记压缩区别

标记清除会有大量碎片产生

标记-清除：就是标记对象之后，进行简单从内存移除。

标记-压缩：就是标记压缩把可用的对象移到内存的一端，然后将边界之外的对象清理。

因此标记清除之后的内存空间可能是杂乱的，有大量碎片产生。标记压缩之后的内存空间是连续的， 没有碎片。所以标记清除对内存分配是有影响的，比如分配连续5个内存空间标记清除如图左，他是分配不出来的，虽然内存数量大于5.因此在标记清除之后还有一个必不可少的步骤就是压缩整理。这就为什么串行回收器与并行回收器都在用标记压缩算法的原因。没有碎片的产生因此效率还是不错的。为什么cms使用标记清除呢？因为他更加关注停顿。他希望能够在做gc的时候与应用线程一起运行，如果采用标记压缩算法，就要移动可用的对象空间，应用程序可能就很难找到需要用到的对象，为了能够与应用程序并发执行，就需要知道对象的位置，应用程序就能找到所需的对象。

![70 7][]

因此cms在解决这个问题，在cms之后加了一步整理。

\-XX:+ UseCMSCompactAtFullCollection Full GC后，在每一次Full gc之后，也就是cms之后进行一次碎片整理，这个整理过程是独占的。因此整理过程是独占的，会引起停顿时间变长，因为需要移动对象内存空间。

\-XX:+CMSFullGCsBeforeCompaction

设置进行几次Full GC后，进行一次碎片整理

\-XX:ParallelCMSThreads

设定CMS的线程数量 一般等于cpu数量，不易设置太大。

因此cms并没有本质上的解决问题，只是减少停顿时间。

5、减少gc压力可以从哪方面考虑

![70 8][]

6、收集器gc参数整理

\-XX:+UseSerialGC：在新生代和老年代使用串行收集器

\-XX:SurvivorRatio：设置eden区大小和survivior区大小的比例

\-XX:NewRatio:新生代和老年代的比

\-XX:+UseParNewGC：在新生代使用并行收集器

\-XX:+UseParallelGC ：新生代使用并行回收收集器

\-XX:+UseParallelOldGC：老年代使用并行回收收集器

\-XX:ParallelGCThreads：设置用于垃圾回收的线程数

\-XX:+UseConcMarkSweepGC：新生代使用并行收集器，老年代使用CMS+串行收集器

\-XX:ParallelCMSThreads：设定CMS的线程数量

\-XX:CMSInitiatingOccupancyFraction：设置CMS收集器在老年代空间被使用多少后触发

\-XX:+UseCMSCompactAtFullCollection：设置CMS收集器在完成垃圾收集后是否要进行一次内存碎片的整理

\-XX:CMSFullGCsBeforeCompaction：设定进行多少次CMS垃圾回收后，进行一次内存压缩

\-XX:+CMSClassUnloadingEnabled：允许对类元数据进行回收

\-XX:CMSInitiatingPermOccupancyFraction：当永久区占用率达到这一百分比时，启动CMS回收

\-XX:UseCMSInitiatingOccupancyOnly：表示只在到达阀值的时候，才进行CMS回收

六、GC参数 – Tomcat实例

环境

Tomcat 7

JSP

网站

测试网站吞吐量和延时

工具

JMeter

目的

让Tomcat有一个不错的吞吐量

测试系统结构

![70 9][]

Jmeter

性能测试工具

建立10个线程，每个线程请求Tomcat 1000次 共10000次请求

![70 10][]

下面使用不同堆空间大小与不同收集器对比效果：

环境为JDK6：使用32M堆处理请求

设置参数：

set CATALINA\_OPTS=-server -Xloggc:gc.log -XX:+PrintGCDetails -Xmx32M -Xms32M -XX:+HeapDumpOnOutOfMemoryError -XX:+UseSerialGC -XX:PermSize=32M

（参数解析：在CATALINA\_OPTS中添加如下参数：首先是-server 使用server模式，其次是设置loggc的路径，然后是想获取相信信息，所以使用PrintGCDetails参数，Xmx32M -Xms32M都是32兆所以表示系统启动时只能拿到32兆的堆空间。最大也只能拿到32兆。HeapDumpOnOutOfMemoryError 是希望拿到heapDump文件，用于分析，然后是使用古老的UseSerialGC串行回收器；XX:PermSize永久区设置为32兆。 ）

运行结果如下图：吞吐量为540  最大延迟135，最小2秒

![70 11][]

Samples表示1万次请求，Average平均是6毫秒，Median表示一般的请求都能在4毫秒响应，line表示百分之90的数据在7毫秒响应，Throughput吞吐量为540  MAX最大延迟135，min最小2秒,Error表示错误产生，这里则是没有错误产生，tomcat没有产生拒绝连接的错误。

![70 12][]

上图是在系统大量请求占据大量内存后的fullGC ，有图可看从32到33秒之间产生4次的gc，而且时间很短；每次fullgc都会产生0.08秒的时间。所以为了获得更好的性能，所以最直接的做法是增大堆空间，如下：

JDK6：使用最大堆512M堆处理请求（提高性能测试，增大堆空间）

参数：

set CATALINA\_OPTS=-Xmx512m -XX:MaxPermSize=32M  -Xloggc:gc.log -XX:+PrintGCDetails

结果：FULL GC很少，基本上是Minor GC

![70 13][]

![70 14][]

运行时只有16兆；下面可看增加60兆， gc后堆空间 由16增加到60兆

![70 15][]

JDK6：使用最大堆512M堆处理请求

参数：

set CATALINA\_OPTS=-Xmx512m -Xms64m -XX:MaxPermSize=32M  -Xloggc:gc.log -XX:+PrintGCDetails

结果 GC数量减少 大部分是Minor GC

![70 16][]

![70 17][]

JDK6：使用最大堆512M堆处理请求

参数：

set CATALINA\_OPTS=-Xmx512m -Xms64m -XX:MaxPermSize=32M  -Xloggc:gc.log -XX:+PrintGCDetails -XX:+UseParallelGC -XX:+UseParallelOldGC -XX:ParallelGCThreads=4

结果：GC压力原本不大，修改GC方式影响很小

![70 18][]

JDK 6

set CATALINA\_OPTS=-Xmx40m -Xms40m -XX:MaxPermSize=32M  -Xloggc:gc.log -XX:+PrintGCDetails

减小堆大小，增加GC压力，使用Serial回收器

![70 19][]

JDK 6

set CATALINA\_OPTS=-Xmx40m -Xms40m -XX:MaxPermSize=32M  -Xloggc:gc.log -XX:+PrintGCDetails -XX:+UseParallelOldGC -XX:ParallelGCThreads=4

减小堆大小，增加GC压力，使用并行回收器

![70 20][]

JDK 6

set CATALINA\_OPTS=-Xmx40m -Xms40m -XX:MaxPermSize=32M  -Xloggc:gc.log -XX:+PrintGCDetails -XX:+UseParNewGC

减小堆大小，增加GC压力，使用ParNew回收器

![70 21][]

启动Tomcat 7

使用JDK6

不加任何参数启动测试（是为了跟JDK7对比较）

![70 22][]

启动Tomcat 7

使用JDK7

不加任何参数启动测试

![70 23][]

由此可看吞吐量由622增加到680毫秒

因此升级JDK可能会带来额外的性能提升！不要忽视JDK的版本哦

七、总结

![70 24][]

性能根本在于应用，所以提高性能主要在应用，gc参数只是在细节性微调。如果设计不好，代码质量等等在应用层没有处理好，只靠gc参数不能很好地解决性能问题，甚至更低。调节gc参数赫和回收器本质上是解决不了根本问题的。如果比如gc参数设置的不合理，还会使系统产生大的延迟。所以gc参数属于应用程序的细节处理级别。

[70]: /images/20220519/309dd77fd19141f08e56dc134aabbd09.png
[70 1]: /images/20220519/ea18b2b816094856b66279bbe03910c2.png
[70 2]: /images/20220519/3f49917e64894365b186728a5808a01e.png
[70 3]: /images/20220519/1b13fe73f5494d50a46affd3036e217d.png
[70 4]: /images/20220519/a037c4d2a737494bb6b7d65bd50533fe.png
[70 5]: /images/20220519/13df6e43c4354cd692ef1a1c12a5296c.png
[70 6]: /images/20220519/a67e8d1c209740ccae426abedf427d92.png
[70 7]: /images/20220519/461116936b6d4d1781396bde9e22bc7c.png
[70 8]: /images/20220519/753fbeda741a4a67bd4349e36989fcca.png
[70 9]: /images/20220519/7e4559f932df4a67ae298a08667cf3d0.png
[70 10]: /images/20220519/a1872636978b42a6ae7e27a7296b238c.png
[70 11]: /images/20220519/a96ee6c992614ed5832cbb9b392f31ed.png
[70 12]: /images/20220519/051423e9c28746d5a06da659be91035f.png
[70 13]: /images/20220519/4d68045456fc48c9bc1a5bca222b9bd0.png
[70 14]: /images/20220519/7da954426a934925acad26654803a8a6.png
[70 15]: /images/20220519/dd48e6f116384d798b6f40fa5a973ffe.png
[70 16]: /images/20220519/a5d8f99ba7074e548899b10ddc8a9754.png
[70 17]: /images/20220519/a8e6bcf2f5bf4fd494b85d2ae8fd2583.png
[70 18]: /images/20220519/a219bd863666489e9691f3a5b8c89e74.png
[70 19]: /images/20220519/13650e5f04b84e23b4d3d241f1ad2c78.png
[70 20]: /images/20220519/583df87431b44f6a996cf0deb571f1a6.png
[70 21]: /images/20220519/08052bec04804494aa964ffa9ea9dcea.png
[70 22]: /images/20220519/f4e7cfbe20ee4912ae7cbeeb366d33bc.png
[70 23]: /images/20220519/262d2744158946ae917cf2b41ab17f22.png
[70 24]: /images/20220519/bd43841c260946f2a6025d8a5b110356.png