【JVM】JVM参数性能调优 -Xms -Xmx -Xmn -XX:NewRatio -XX:SurvivorRatio

以你之姓@ 2022-09-04 05:54 91阅读 0赞

# 【JVM】JVM参数性能调优 -Xms -Xmx -Xmn -XX:NewRatio -XX:SurvivorRatio #

![c5f6fc06f17ef40a2695561e87a02f38.png][]

‘’原文：[https://blog.csdn.net/hhj13978064496/article/details/109052745?utm\_medium=distribute.pc\_relevant.none-task-blog-2~default~baidujs\_title~default-0.control&spm=1001.2101.3001.4242][https_blog.csdn.net_hhj13978064496_article_details_109052745_utm_medium_distribute.pc_relevant.none-task-blog-2_default_baidujs_title_default-0.control_spm_1001.2101.3001.4242]

原文链接： [http://unixboy.iteye.com/blog/174173/][http_unixboy.iteye.com_blog_174173]

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hoajEzOTc4MDY0NDk2_size_16_color_FFFFFF_t_70][]

## 上图来自：[https://blog.csdn.net/jakeswang/article/details/105380403][https_blog.csdn.net_jakeswang_article_details_105380403] ##

## **一、堆大小设置** ##

JVM 中最大堆大小有三方面限制：相关操作系统的数据模型（32-bt还是64-bit）限制；系统的可用虚拟内存限制；系统的可用物理内存限制。32位系统下，一般限制在1.5G~2G；64为操作系统对内存无限制。我在Windows Server 2003 系统，3.5G物理内存，JDK5.0下测试，最大可设置为1478m。

### **典型设置：** ###

**java -Xmx3550m -Xms3550m -Xmn2g -Xss128k**  
**-Xmx3550m**：设置JVM最大可用内存为3550M。  
**-Xms3550m**：设置JVM促使内存为3550m。此值可以设置与-Xmx相同，以避免每次垃圾回收完成后JVM重新分配内存。  
**-Xmn2g**：**设置年轻代大小为2G。整个JVM内存大小=年轻代大小 + 年老代大小 + 持久代大小。持久代一般固定大小为64m，所以增大年轻代后，将会减小年老代大小。此值对系统性能影响较大，Sun官方推荐配置为整个堆的3/8。**  
**-Xss128k**：设置每个线程的堆栈大小。JDK5.0以后每个线程堆栈大小为1M，以前每个线程堆栈大小为256K。更具应用的线程所需内存大小进行调整。**在相同物理内存下，减小这个值能生成更多的线程。但是操作系统对一个进程内的线程数还是有限制的，不能无限生成，经验值在3000~5000左右。**

**java -Xmx3550m -Xms3550m -Xss128k -XX:NewRatio=4 -XX:SurvivorRatio=4 -XX:MaxPermSize=16m -XX:MaxTenuringThreshold=0**  
\-XX:NewRatio=4:设置年轻代（包括Eden和两个Survivor区）与年老代的比值（除去持久代）。设置为4，则年轻代与年老代所占比值为1：4，年轻代占整个堆栈的1/5。  
\-XX:SurvivorRatio=4：设置年轻代中Eden区与Survivor区的大小比值。设置为4，则两个Survivor区与一个Eden区的比值为2:4，一个Survivor区占整个年轻代的1/6。（4：1：1）。  
\-XX:MaxPermSize=16m:设置持久代大小为16m。  
\-XX:MaxTenuringThreshold=0：设置垃圾最大年龄。大于这个年龄的都会进入老年代区。如果设置为0的话，则年轻代对象不经过Survivor区，直接进入年老代。**对于年老代比较多的应用，可以提高效率。如果将此值设置为一个较大值，则年轻代对象会在Survivor区进行多次复制，这样可以增加对象再年轻代的存活时间，增加在年轻代即被回收的概论。**

## **二、回收器选择** ##

JVM给了三种选择：串行收集器serial、并行收集器parallel 、并发收集器concurrent，但是串行收集器只适用于小数据量的情况(单线程gc)，所以这里的选择主要针对并行收集器和并发收集器。默认情况下，JDK5.0以前都是使用串行收集器，如果想使用其他收集器需要在启动时加入相应参数。JDK5.0以后，JVM会根据当前系统配置进行判断，JDK6之后默认使用并行gc。

### **吞吐量优先的并行收集器** ###

如上文所述，并行收集器主要以到达一定的吞吐量为目标，适用于科学技术和后台处理等。  
典型配置：  
**java -Xmx3800m -Xms3800m -Xmn2g -Xss128k -XX:+UseParallelGC -XX:ParallelGCThreads=20**  
\-XX:+UseParallelGC：选择垃圾收集器为并行收集器。此配置仅对年轻代有效。即上述配置下，年轻代使用并发收集，而年老代仍旧使用串行收集。  
\-XX:ParallelGCThreads=20：配置并行收集器的线程数，即：同时多少个线程一起进行垃圾回收。此值最好配置与处理器数目相等。

**java -Xmx3550m -Xms3550m -Xmn2g -Xss128k -XX:+UseParallelGC -XX:ParallelGCThreads=20 -XX:+UseParallelOldGC**  
\-XX:+UseParallelOldGC：**配置年老代垃圾收集方式为并行收集。JDK6.0支持对年老代并行收集。**

**java -Xmx3550m -Xms3550m -Xmn2g -Xss128k -XX:+UseParallelGC -XX:MaxGCPauseMillis=100**  
\-XX:MaxGCPauseMillis=100: 设置每次年轻代垃圾回收的最长时间，如果无法满足此时间，JVM会自动调整年轻代大小，以满足此值。  
**java -Xmx3550m -Xms3550m -Xmn2g -Xss128k -XX:+UseParallelGC -XX:MaxGCPauseMillis=100 -XX:+UseAdaptiveSizePolicy**  
\-XX:+UseAdaptiveSizePolicy：设置此选项后，并行收集器会自动选择年轻代区大小和相应的Survivor区比例，以达到目标系统规定的最低相应时间或者收集频率等，此值建议使用并行收集器时，一直打开。

### **响应时间优先的并发收集器** ###

如上文所述，并发收集器主要是保证系统的响应时间，减少垃圾收集时的停顿时间。适用于应用服务器、电信领域等。  
典型配置：  
java -Xmx3550m -Xms3550m -Xmn2g -Xss128k -XX:ParallelGCThreads=20 -XX:+UseConcMarkSweepGC -XX:+UseParNewGC  
\-XX:+UseConcMarkSweepGC：设置年老代为并发收集。测试中配置这个以后，-XX:NewRatio=4的配置失效了，原因不明。所以，此时年轻代大小最好用-Xmn设置。  
\-XX:+UseParNewGC:设置年轻代为并行收集。可与CMS收集同时使用。JDK5.0以上，JVM会根据系统配置自行设置，所以无需再设置此值。  
java -Xmx3550m -Xms3550m -Xmn2g -Xss128k -XX:+UseConcMarkSweepGC -XX:CMSFullGCsBeforeCompaction=5 -XX:+UseCMSCompactAtFullCollection  
\-XX:CMSFullGCsBeforeCompaction：由于并发收集器不对内存空间进行压缩、整理，所以运行一段时间以后会产生“碎片”，使得运行效率降低。此值设置运行多少次GC以后对内存空间进行压缩、整理。  
\-XX:+UseCMSCompactAtFullCollection：打开对年老代的压缩。可能会影响性能，但是可以消除碎片

## **辅助信息** ##

JVM提供了大量命令行参数，打印信息，供调试使用。主要有以下一些：  
\-XX:+PrintGC  
输出形式：\[GC 118250K->113543K(130112K), 0.0094143 secs\]  
\[Full GC 121376K->10414K(130112K), 0.0650971 secs\]  
\-XX:+PrintGCDetails  
输出形式：\[GC \[DefNew: 8614K->781K(9088K), 0.0123035 secs\] 118250K->113543K(130112K), 0.0124633 secs\]  
\[GC \[DefNew: 8614K->8614K(9088K), 0.0000665 secs\]\[Tenured: 112761K->10414K(121024K), 0.0433488 secs\] 121376K->10414K(130112K), 0.0436268 secs\]  
\-XX:+PrintGCTimeStamps -XX:+PrintGC：PrintGCTimeStamps可与上面两个混合使用  
输出形式：11.851: \[GC 98328K->93620K(130112K), 0.0082960 secs\]  
\-XX:+PrintGCApplicationConcurrentTime:打印每次垃圾回收前，程序未中断的执行时间。可与上面混合使用  
输出形式：Application time: 0.5291524 seconds  
\-XX:+PrintGCApplicationStoppedTime：打印垃圾回收期间程序暂停的时间。可与上面混合使用  
输出形式：Total time for which application threads were stopped: 0.0468229 seconds  
\-XX:PrintHeapAtGC:打印GC前后的详细堆栈信息  
输出形式：  
34.702: \[GC \{Heap before gc invocations=7:  
def new generation total 55296K, used 52568K \[0x1ebd0000, 0x227d0000, 0x227d0000)  
eden space 49152K, 99% used \[0x1ebd0000, 0x21bce430, 0x21bd0000)  
from space 6144K, 55% used \[0x221d0000, 0x22527e10, 0x227d0000)  
to space 6144K, 0% used \[0x21bd0000, 0x21bd0000, 0x221d0000)  
tenured generation total 69632K, used 2696K \[0x227d0000, 0x26bd0000, 0x26bd0000)  
the space 69632K, 3% used \[0x227d0000, 0x22a720f8, 0x22a72200, 0x26bd0000)  
compacting perm gen total 8192K, used 2898K \[0x26bd0000, 0x273d0000, 0x2abd0000)  
the space 8192K, 35% used \[0x26bd0000, 0x26ea4ba8, 0x26ea4c00, 0x273d0000)  
ro space 8192K, 66% used \[0x2abd0000, 0x2b12bcc0, 0x2b12be00, 0x2b3d0000)  
rw space 12288K, 46% used \[0x2b3d0000, 0x2b972060, 0x2b972200, 0x2bfd0000)  
34.735: \[DefNew: 52568K->3433K(55296K), 0.0072126 secs\] 55264K->6615K(124928K)Heap after gc invocations=8:  
def new generation total 55296K, used 3433K \[0x1ebd0000, 0x227d0000, 0x227d0000)  
eden space 49152K, 0% used \[0x1ebd0000, 0x1ebd0000, 0x21bd0000)  
from space 6144K, 55% used \[0x21bd0000, 0x21f2a5e8, 0x221d0000)  
to space 6144K, 0% used \[0x221d0000, 0x221d0000, 0x227d0000)  
tenured generation total 69632K, used 3182K \[0x227d0000, 0x26bd0000, 0x26bd0000)  
the space 69632K, 4% used \[0x227d0000, 0x22aeb958, 0x22aeba00, 0x26bd0000)  
compacting perm gen total 8192K, used 2898K \[0x26bd0000, 0x273d0000, 0x2abd0000)  
the space 8192K, 35% used \[0x26bd0000, 0x26ea4ba8, 0x26ea4c00, 0x273d0000)  
ro space 8192K, 66% used \[0x2abd0000, 0x2b12bcc0, 0x2b12be00, 0x2b3d0000)  
rw space 12288K, 46% used \[0x2b3d0000, 0x2b972060, 0x2b972200, 0x2bfd0000)  
\}  
, 0.0757599 secs\]  
\-Xloggc:filename:与上面几个配合使用，把相关日志信息记录到文件以便分析。

## **三、常见配置汇总** ##

### **堆设置** ###

\-Xms:初始堆大小  
\-Xmx:最大堆大小  
\-XX:NewSize=n:设置年轻代大小  
\-XX:NewRatio=n:设置年轻代和年老代的比值。如:为3，表示年轻代与年老代比值为1：3，年轻代占整个年轻代年老代和的1/4  
\-XX:SurvivorRatio=n:年轻代中Eden区与两个Survivor区的比值。注意Survivor区有两个。如：3，表示Eden：Survivor=3：2，一个Survivor区占整个年轻代的1/5  
\-XX:MaxPermSize=n:设置持久代大小

### **收集器设置** ###

\-XX:+UseSerialGC:设置串行收集器  
\-XX:+UseParallelGC:设置并行收集器  
\-XX:+UseParalledlOldGC:设置并行年老代收集器  
\-XX:+UseConcMarkSweepGC:设置并发收集器

### **垃圾回收统计信息** ###

\-XX:+PrintGC  
\-XX:+PrintGCDetails  
\-XX:+PrintGCTimeStamps  
\-Xloggc:filename

### **并行收集器设置** ###

\-XX:ParallelGCThreads=n:设置并行收集器收集时使用的CPU数。并行收集线程数。  
\-XX:MaxGCPauseMillis=n:设置并行收集最大暂停时间  
\-XX:GCTimeRatio=n:设置垃圾回收时间占程序运行时间的百分比。公式为1/(1+n)

### **并发收集器设置** ###

\-XX:+CMSIncrementalMode:设置为增量模式。适用于单CPU情况。  
\-XX:ParallelGCThreads=n:设置并发收集器年轻代收集方式为并行收集时，使用的CPU数。并行收集线程数。

## **四、调优总结** ##

### **年轻代大小选择** ###

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，年轻代收集发生的频率也是最小的。同时，减少到达年老代的对象。  
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。

### **年老代大小选择** ###

响应时间优先的应用：年老代使用并发收集器，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  
花在年轻代和年老代回收上的时间比例  
减少年轻代和年老代花费的时间，一般会提高应用的效率  
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年轻代和一个较小的年老代。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，而年老代尽存放长期存活对象。

### **较小堆引起的碎片问题** ###

因为年老代的并发收集器使用标记、清除算法，所以不会对堆进行压缩。当收集器回收时，他会把相邻的空间进行合并，这样可以分配给较大的对象。但是，当堆空间较小时，运行一段时间以后，就会出现“碎片”，如果并发收集器找不到足够的空间，那么并发收集器将会停止，然后使用传统的标记、清除方式进行回收。如果出现“碎片”，可能需要进行如下配置：  
\-XX:+UseCMSCompactAtFullCollection：使用并发收集器时，开启对年老代的压缩。  
\-XX:CMSFullGCsBeforeCompaction=0：上面配置开启的情况下，这里设置多少次Full GC后，对年老代进行压缩

[c5f6fc06f17ef40a2695561e87a02f38.png]: /images/20220829/aab6f452912c46aa90e73097830c6c32.png
[https_blog.csdn.net_hhj13978064496_article_details_109052745_utm_medium_distribute.pc_relevant.none-task-blog-2_default_baidujs_title_default-0.control_spm_1001.2101.3001.4242]: https://blog.csdn.net/hhj13978064496/article/details/109052745?utm_medium=distribute.pc_relevant.none-task-blog-2~default~baidujs_title~default-0.control&spm=1001.2101.3001.4242
[http_unixboy.iteye.com_blog_174173]: http://unixboy.iteye.com/blog/174173/
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L2hoajEzOTc4MDY0NDk2_size_16_color_FFFFFF_t_70]: /images/20220829/35043bad86384695825910567ac91f20.png
[https_blog.csdn.net_jakeswang_article_details_105380403]: https://blog.csdn.net/jakeswang/article/details/105380403