一次线上JVM调优实践，FullGC40次/天到10天一次的优化过程

快来打我* 2022-10-06 03:53 112阅读 0赞

【公众号回复“**PDF**”，送你一份特别惊喜】

晚9:30约会，真爱，请“**星标**”

![45404f61ea3452fc91efc30d610b14fb.png][]

链接：blog.csdn.net/cml\_blog/article/details/81057966

通过这一个多月的努力，将FullGC从40次/天优化到近10天才触发一次，而且YoungGC的时间也减少了一半以上，这么大的优化，有必要记录一下中间的调优过程。

对于JVM垃圾回收，之前一直都是处于理论阶段，就知道新生代，老年代的晋升关系，这些知识仅够应付面试使用的。前一段时间，线上服务器的FullGC非常频繁，平均一天40多次，而且隔几天就有服务器自动重启了，这表明的服务器的状态已经非常不正常了，得到这么好的机会，当然要主动请求进行调优了。未调优前的服务器GC数据，FullGC非常频繁。

![85c86cf9810c4a455d3c093c8c7104e1.png][]

首先服务器的配置非常一般（2核4G），总共4台服务器集群。每台服务器的FullGC次数和时间基本差不多。其中JVM几个核心的启动参数为：

-Xms1000M -Xmx1800M -Xmn350M -Xss300K -XX:+DisableExplicitGC -XX:SurvivorRatio=4 -XX:+UseParNewGC -XX:+UseConcMarkSweepGC -XX:CMSInitiatingOccupancyFraction=70 -XX:+CMSParallelRemarkEnabled -XX:LargePageSizeInBytes=128M -XX:+UseFastAccessorMethods -XX:+UseCMSInitiatingOccupancyOnly -XX:+PrintGCDetails -XX:+PrintGCTimeStamps -XX:+PrintHeapAtGC

\-Xmx1800M：设置JVM最大可用内存为1800M。  
\-Xms1000m：设置JVM初始化内存为1000m。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。  
\-Xmn350M：设置年轻代大小为350M。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。  
\-Xss300K：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。

# 第一次优化 #

一看参数，马上觉得新生代为什么这么小，这么小的话怎么提高吞吐量，而且会导致YoungGC的频繁触发，如上如的新生代收集就耗时830s。初始化堆内存没有和最大堆内存一致，查阅了各种资料都是推荐这两个值设置一样的，可以防止在每次GC后进行内存重新分配。基于前面的知识，于是进行了第一次的线上调优：提升新生代大小，将初始化堆内存设置为最大内存

> \-Xmn350M -> -Xmn800M  
> \-XX:SurvivorRatio=4 -> -XX:SurvivorRatio=8  
> \-Xms1000m ->-Xms1800m

将SurvivorRatio修改为8的本意是想让垃圾在新生代时尽可能的多被回收掉。就这样将配置部署到线上两台服务器（prod，prod2另外两台不变方便对比）上后，运行了5天后，观察GC结果，YoungGC减少了一半以上的次数，时间减少了400s，但是FullGC的平均次数增加了41次。YoungGC基本符合预期设想，但是这个FullGC就完全不行了。

![c87c59c8f05309c6dbf7cda03e1fef50.png][]

就这样第一次优化宣告失败。

# 第二次优化 #

在优化的过程中，我们的主管发现了有个对象T在内存中有一万多个实例，而且这些实例占据了将近20M的内存。于是根据这个bean对象的使用，在项目中找到了原因：匿名内部类引用导致的，伪代码如下：

public void doSmthing(T t){
        redis.addListener(new Listener(){
            public void onTimeout(){
                if(t.success()){
                    //执行操作
                }
            }
        });
    }

由于listener在回调后不会进行释放，而且回调是个超时的操作，当某个事件超过了设定的时间（1分钟）后才会进行回调，这样就导致了T这个对象始终无法回收，所以内存中会存在这么多对象实例。  
通过上述的例子发现了存在内存泄漏后，首先对程序中的error log文件进行排查，首先先解决掉所有的error事件。然后再次发布后，GC操作还是基本不变，虽然解决了一点内存泄漏问题，但是可以说明没有解决根本原因，服务器还是继续莫名的重启。

# 内存泄漏调查 #

经过了第一次的调优后发现内存泄漏的问题，于是大家都开始将进行内存泄漏的调查，首先排查代码，不过这种效率是蛮低的，基本没发现问题。于是在线上不是很繁忙的时候继续进行dump内存，终于抓到了一个大对象

![775292dd3f6e6e1d00e8cb3a9c2f6647.png][]

![c8fb1f8bfc76dc8349fcc5c507680fe3.png][]

这个对象竟然有4W多个，而且都是清一色的ByteArrowRow对象，可以确认这些数据是数据库查询或者插入时产生的了。于是又进行一轮代码分析，在代码分析的过程中，通过运维的同事发现了在一天的某个时候入口流量翻了好几倍，竟然高达83MB/s，经过一番确认，目前完全没有这么大的业务量，而且也不存在文件上传的功能。咨询了阿里云客服也说明完全是正常的流量，可以排除攻击的可能。

![acf356298ac691d49c65a8323879ffc9.png][]

就在我还在调查入口流量的问题时，另外一个同事找到了根本的原因，原来是在某个条件下，会查询表中所有未处理的指定数据，但是由于查询的时候where条件中少加了模块这个条件，导致查询出的数量达40多万条，而且通过log查看当时的请求和数据，可以判断这个逻辑确实是已经执行了的，dump出的内存中只有4W多个对象，这个是因为dump时候刚好查询出了这么多个，剩下的还在传输中导致的。而且这也能非常好的解释了为什么服务器会自动重启的原因。

解决了这个问题后，线上服务器运行完全正常了，使用未调优前的参数，运行了3天左右FullGC只有5次

![65136d4c92c74627aff26f4533bde07b.png][]

# 第二次调优    #

内存泄漏的问题已经解决了，剩下的就可以继续调优了，经过查看GC log，发现前三次GullGC时，老年代占据的内存还不足30%，却发生了FullGC。于是进行各种资料的调查，在https://blog.csdn.net/zjwstz/article/details/77478054 博客中非常清晰明了的说明metaspace导致FullGC的情况，服务器默认的metaspace是21M，在GC log中看到了最大的时候metaspace占据了200M左右，于是进行如下调优，以下分别为prod1和prod2的修改参数，prod3，prod4保持不变

> \-Xmn350M -> -Xmn800M  
> \-Xms1000M ->1800M  
> \-XX:MetaspaceSize=200M  
> \-XX:CMSInitiatingOccupancyFraction=75

和

> \-Xmn350M -> -Xmn600M  
> \-Xms1000M ->1800M  
> \-XX:MetaspaceSize=200M  
> \-XX:CMSInitiatingOccupancyFraction=75

prod1和2只是新生代大小不一样而已，其他的都一致。到线上运行了10天左右，进行对比：  
prod1：

![9b9a03472930178bd0194705b8f60d87.png][]

prod2：

![49121e3692de94bc9e8268089e8a2d38.png][]

prod3：

![546ac58ece2469b491d46235300edb19.png][]

prod4：

![73418cc08faebe918df67b0063d98272.png][]

对比来说，1，2两台服务器FullGC远远低于3，4两台，而且1，2两台服务器的YounGC对比3，4也减少了一半左右，而且第一台服务器效率更为明显，除了YoungGC次数减少，而且吞吐量比多运行了一天的3，4两台的都要多（通过线程启动数量），说明prod1的吞吐量提升尤为明显。  
**通过GC的次数和GC的时间，本次优化宣告成功，且prod1的配置更优，极大提升了服务器的吞吐量和降低了GC一半以上的时间。**

prod1中的唯一一次FullGC：

![62c51c350a73cf905106e9b5a91cff1e.png][]

![1e5f0185cf5ea97cde49a15fe2ed548b.png][]

通过GC log上也没看出原因，老年代在cms remark的时候只占据了660M左右，这个应该还不到触发FullGC的条件，而且通过前几次的YoungGC调查，也排除了晋升了大内存对象的可能，通过metaspace的大小，也没有达到GC的条件。这个还需要继续调查，有知道的欢迎指出下，这里先行谢过了。

# 总结 #

通过这一个多月的调优总结出以下几点：

*  FullGC一天超过一次肯定就不正常了
 *  发现FullGC频繁的时候优先调查内存泄漏问题
 *  内存泄漏解决后，jvm可以调优的空间就比较少了，作为学习还可以，否则不要投入太多的时间
 *  如果发现CPU持续偏高，排除代码问题后可以找运维咨询下阿里云客服，这次调查过程中就发现CPU 100%是由于服务器问题导致的，进行服务器迁移后就正常了。
 *  数据查询的时候也是算作服务器的入口流量的，如果访问业务没有这么大量，而且没有攻击的问题的话可以往数据库方面调查
 *  有必要时常关注服务器的GC，可以及早发现问题

以上是最近一个多月JVM调优的过程与总结，如有错误之处欢迎指正。  
参考博客：

*  https://blog.csdn.net/zjwstz/article/details/77478054
 *  https://www.cnblogs.com/onmyway20xx/p/6590603.html

回复 【Java】获取java相关的视频教程和资料
    回复 【SpringCloud】获取SpringCloud相关多的学习资料回复 【PDF】获取2021java相关面试题教程回复 【加群】即可加入java学习交流研发部相关的技术交流群干掉PostMan！IDEA这款插件太实用了…Git 各指令的本质，真是通俗易懂啊字节跳动一面：i++ 是线程安全的吗？美团面试题：Java-线程池 ThreadPool 专题详解SpringBoot 中实现跨域的5种方式速看！详细介绍 IOC 和 DI京东电话面：说说你对Spring事务传播属性的理解？

**看完本文有收获？请转发分享给更多人**

请长按二维码，关注 Java大数据修炼之道.

**推荐程序员必备公众号 **

**▼**

> **Java大数据修炼之道**
> 
> 公众号：
> 
> gh\_9119f24d3793
> 
> **推荐理由：**
> 
> 在这里，我们分享程序员相关技术，职场生活，行业热点资讯。不定期还会分享IT趣文和趣图。这里属于我们程序员自己的生活，工作和娱乐空间。
> 
>  ▼长按下方↓↓↓二维码识别关注
> 
> ####  ####
> 
> 关注 java大数据修炼之道
> 
>     每天学习java技术你想学的Java知识这里都有**![9d25020f7d4687023337c87f87bb7600.png][]**
> 
> ![84eea93105b4dd246e91492a36f600ba.png][]

![fb52f658c1a7599052ca6c7f4584156c.png][]

点「在看」的人都涨薪了哦

喜欢就给个“**在看**” ![09046f29ced5828350d40a4f57b5e988.gif][]

[45404f61ea3452fc91efc30d610b14fb.png]: /images/20221005/400e28ac8dc2498dbe0a3798ed63859a.png
[85c86cf9810c4a455d3c093c8c7104e1.png]: /images/20221005/7f35e91645a94836beebddcebd5e0e3a.png
[c87c59c8f05309c6dbf7cda03e1fef50.png]: /images/20221005/5c771ca39b224bfbb8fe75d080d33ff2.png
[775292dd3f6e6e1d00e8cb3a9c2f6647.png]: /images/20221005/e1b53445f403426d89f375de50dd1427.png
[c8fb1f8bfc76dc8349fcc5c507680fe3.png]: /images/20221005/b82c19cd59164220b35451d460d9e5c7.png
[acf356298ac691d49c65a8323879ffc9.png]: /images/20221005/7cecbafed4c9477d8e584e7f31246abc.png
[65136d4c92c74627aff26f4533bde07b.png]: /images/20221005/5e8f502df40b4cff8f04c173d982d18b.png
[9b9a03472930178bd0194705b8f60d87.png]: /images/20221005/1632eec8d8d349bd8a28d8401eb501c7.png
[49121e3692de94bc9e8268089e8a2d38.png]: /images/20221005/4ac9c384123f4ff2b67dc7857f227a35.png
[546ac58ece2469b491d46235300edb19.png]: /images/20221005/f3fdd2de5ee04a1aab6b65f948be3a32.png
[73418cc08faebe918df67b0063d98272.png]: /images/20221005/e34af31ccdc840d3aeefc5e6d135b6b1.png
[62c51c350a73cf905106e9b5a91cff1e.png]: /images/20221005/e01a858fa4db434ca4a6d4715e2a3adb.png
[1e5f0185cf5ea97cde49a15fe2ed548b.png]: /images/20221005/cff4c68aa9b144308519909245036459.png
[9d25020f7d4687023337c87f87bb7600.png]: /images/20221005/fd521dd8514c4495b00f27251942350d.png
[84eea93105b4dd246e91492a36f600ba.png]: /images/20221005/eb753de8e0b74a5f97c9a7e8090ab8cf.png
[fb52f658c1a7599052ca6c7f4584156c.png]: /images/20221005/af8dcf04e3bc4707a80f0ce468c226e0.png
[09046f29ced5828350d40a4f57b5e988.gif]: /images/20221005/4de0b504d09f4a68b125a98517ba6e66.png