知序
返回
保存草稿
发布
H1
H2
H3
1
2
3
Excalidraw 图
AI 写作
AI 优化
目录
输入内容后显示目录
Markdown
# 09 - JVM 调优实战 > 导读:一句话结论:JVM 调优没有通用参数模板——真正有效的是"证据 → 一项变更 → 同负载验证"的闭环,而容器内存预算必须同时覆盖 Java 堆与全部 native 组成部分。读完你会掌握如何先算对容器容量、把参数区分为上限/目标/风险,并按证据处理 Full GC、尾延迟、泄漏、线程不足与 Humongous 分配这五类常见问题。适合已能读懂 GC 日志、想在线上动手前建立系统化调优流程的读者。 ## 先建立可验证的证据基线 ### 为什么不能直接套用参数模板 结论先行:参数是否有效,取决于业务 SLO、负载、JDK 发行版、收集器和容器边界——而这些组合处处不同,默认参数往往已经足够好。调优的第一步不是改参数,而是先排除容量不足、内存泄漏、阻塞以及代码或架构问题,把固定参数当成普适答案是最常见的误区。 正确的做法是让每一次变更都形成同一闭环:**证据**(业务 SLO、GC/JFR/容器指标和可复现的负载)→ **一项假设与变更** → **验证**(同负载下的延迟分位、吞吐、CPU、RSS、GC 原因及回归测试)。每次只改变一个假设,并提前准备回滚条件。 ### 记录哪些指标,才能让"变快了"成为可验证的结论 结论:至少持续记录吞吐、p95/p99 延迟、GC 暂停及原因、堆/元空间、进程 RSS、线程数、直接内存和容器 OOM 事件,并把它们与**相同的数据集和负载模型**关联起来。平均延迟或单个 GC 次数都不足以证明业务改善——它们缺少与业务表现的可验证对应关系。 GC 日志是这一切的底座。JDK 9+ 使用与统一日志匹配的配置: ```bash -Xlog:gc*,gc+heap=info:file=/data/logs/gc.log:time,uptime,level,tags:filecount=5,filesize=20m ``` JDK 8 使用旧式日志参数,且不能与 `-Xlog` 混用: ```bash -XX:+PrintGCDetails -XX:+PrintGCDateStamps -XX:+PrintGCTimeStamps \ -Xloggc:/data/logs/gc.log ``` ## 先把容器容量算对 ### 容器 limit 不等于 -Xmx:为全部 native 组成留预算 结论:cgroup 限制的是整个进程的内存/RSS,而不是只限制 Java 堆;把 `-Xmx` 贴近容器 limit,会挤压 native 余量并显著增加 OOM 风险。一份现实的预算至少应包含:Java 堆、元空间、Code Cache、直接/堆外缓冲区、线程栈、JVM/GC 内部 native 内存、JNI/本地库与分配器开销,以及可能的内存映射。 因此不存在放之四海而皆准的"堆占容器百分比"。正确顺序是:先以实际镜像、负载和 native 组成部分建立余量,再决定堆上限;后续还要用 **RSS 与容器 OOM 事件**验证预算,而不是只看堆曲线。 ### MaxRAMPercentage、显式 -Xmx 与 NMT 的版本/容器边界 结论:在能识别 cgroup 的现代 JDK 上,`-XX:MaxRAMPercentage=<N>` 会按容器可见内存计算最大堆;而显式 `-Xmx` 会覆盖它对最大堆的作用。JDK 8 的容器感知能力依赖具体 update 版本与发行版,**必须在实际镜像中验证**,不能假定行为一致。 ```bash # 示例:按容器可见内存推导最大堆;N 必须由 native 余量和压测决定 -XX:MaxRAMPercentage=60 # Native Memory Tracking 必须在启动时开启,存在开销,仅在排查时使用 -XX:NativeMemoryTracking=summary # 运行时查看:jcmd <pid> VM.native_memory summary ``` 注意:上面示例中的数值(此处写为 60)仅表示占位,最终取值必须由 native 余量和压测决定。与其依赖版本印象,不如直接在实际镜像中确认生效的 flags: ```bash java -XX:+PrintFlagsFinal -version ``` ## 把参数区分为上限、目标与风险 ### -Xmx 是上限,MaxGCPauseMillis 是目标,HeapDump 是证据 结论:不同类型的参数语义完全不同,混用就会把"证据收集设置"误当成"恢复机制"。`-Xms/-Xmx` 表达的是初始堆与最大堆上限;`MaxGCPauseMillis` 是 G1 的停顿**目标**而非保证;OOM dump 是诊断证据设置而非恢复机制。 ```bash # 只有在部署模型要求固定堆且 native 余量已验证时才使用 -Xms<initial> -Xmx<maximum> # 这是停顿目标而非保证;优先让 G1 自适应决定分代大小 -XX:+UseG1GC -XX:MaxGCPauseMillis=<target> # OOM 时保留诊断证据;不要用 OnOutOfMemoryError 执行 kill -9 -XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=/secure/dumps/ ``` 两条实践边界:只有部署模型确实要求固定堆、且 native 余量已验证时才设置固定堆,否则应优先让 G1 自适应决定分代大小;`OnOutOfMemoryError="kill -9 %p"` 会无条件终止进程,绕过正常关闭、证据收集与编排平台的生命周期策略,不应作为示例或默认方案。若确需 OOM 动作,应采用经过安全审查、幂等的本地告警或隔离流程,并先验证命令、权限、超时及其对 dump 的影响;多数容器环境应由平台健康检查和重启策略来处理这类情况。 ### G1 分代参数、Large Pages、虚拟线程:都不是无条件优化 结论:这三类手段都依赖证据和部署边界,把它们当成"开启即变快"的开关是危险的。 先说 G1:不应通过 `-Xmn`、`NewRatio`、`G1NewSizePercent`、`G1MaxNewSizePercent` 等参数把年轻代写成固定"模板";只有当日志证明 G1 的自适应策略持续无法满足目标时,才以一个参数的小幅实验介入,并保留回滚条件。 再看 `-XX:+UseLargePages`:它可能减少 TLB 压力,但要求 OS/容器预留与权限配置,也可能增加启动失败、碎片或运维复杂度,不是自动的性能增益。应在目标宿主机检查 huge page 供给与启动日志,再用压测验证吞吐、尾延迟和 RSS。 最后是虚拟线程(JDK 21+):它能降低大量阻塞任务对平台线程的需求,但**不代表"完全不占 OS 线程栈"或可以无限创建**——运行时仍使用 carrier 平台线程执行,虚拟线程对象/continuation 依然消耗堆和 native 资源,pinning、CPU 密集任务与无界提交同样需要治理。 ## 按场景执行"证据 → 变更 → 验证" ### 频繁 Full GC 或长暂停:先按原因分类,再做最小化调整 先给结论:不要按"次数多"就加堆,而要按 **GC 原因** 分类,先修复直接原因,或在 native 余量允许时调整容量,最后在同负载下验证。 - **证据**:读取 GC 日志/JFR,区分 allocation failure、元空间、显式 GC、晋升失败、并发周期来不及完成或 Humongous 压力;同时记录分配速率、回收后存活集、CPU 和容器 RSS。 - **变更**:先修复泄漏、无界缓存、突发分配或错误的 `System.gc()` 调用;若确有容量不足,在 native 余量允许下调整堆或并发能力。仅当证据指向收集器与场景不匹配时,再对照评估 G1、Parallel 或低延迟收集器。 - **验证**:在相同负载与数据集下比较 Full GC 原因/次数、暂停分位、吞吐、p99、RSS 和 OOM/驱逐事件,并保留回滚开关。 ### Young/Mixed GC 损害尾延迟:先削减短命对象,而不是迷信"新生代大" 结论:尾延迟受害时,先降低短命对象和突发分配,并确认是否存在 CPU 限流或复制、晋升成本;不要只凭"新生代大"就下结论。 - **证据**:把每次暂停与请求 p99 对齐,检查存活率、复制量、晋升、to-space exhausted、CPU 限流和 GC worker 时间。 - **变更**:优先削减短命对象分配、批量大小和突发流量;G1 先设定可达的暂停目标,让自适应策略工作。必要时一次只测试一个 IHOP、堆余量或收集器变更。 - **验证**:在相同压测下比较**暂停分布**而非平均值,并确认吞吐、CPU 与内存余量没有恶化。 ### 疑似内存泄漏:把对象增长定位到持有路径 结论:先用多轮完整 GC 后的存活集趋势确认"确实在泄漏",再用受控的对比快照追踪 dominator 与 GC root,修复持有关系后跨多个业务周期验证。一个典型持有点是线程池线程的 `ThreadLocal`:线程长期存活,value 用完不清理就会被一直持有,因此必须用 try/finally 兜底: ```java // 线程池线程会长期存活;ThreadLocal 用完必须清理 threadLocal.set(value); try { use(value); } finally { threadLocal.remove(); } ``` - **证据**:多轮完整 GC 后存活集持续增长;采集受控的、相隔一个时间窗的 dump/histogram,并在 MAT 中追踪 dominator 与 GC root 路径。 - **变更**:为缓存设置容量/过期/淘汰,关闭资源,注销监听器,清理 ThreadLocal,或修正静态集合的持有关系。 - **验证**:持续运行多个业务周期,确认回收后存活集、RSS 与对象增长曲线稳定,同时保持功能测试通过。 ### `unable to create new native thread`:不要只调小栈掩盖问题 结论:这个错误的本质是"线程创建来源 × 系统约束"超出了边界,先定位线程创建来源和容器/PID/native 内存约束,再限制并发与建立背压;`线程数 × 栈大小` 只是预算的一部分,不能当作精确等式。 - **证据**:记录线程数、`-Xss`、cgroup/PID 限制、RSS、native memory 和线程创建来源。 - **变更**:先修复无限制的线程创建,为线程池设置上限与背压;只有能证明调用深度安全时,才测试较小的 `-Xss`,或重新分配堆与 native 内存预算。 - **验证**:在压力下检查线程峰值、RSS、创建失败、栈溢出与队列延迟。 ### G1 Humongous 分配:用证据而非猜测处理 结论:先确认 Humongous Region 的生命周期和来源,再优先改造超大对象的分配模式;改变 Region 大小只是一项需要对照的实验,不能保证解决问题。Humongous 的判定阈值大约是当前 Region 大小的一半。 - **证据**:在 GC 日志中确认 `Humongous` Region 数量、分配失败、回收时机和对象来源。 - **变更**:优先流式处理、分块、复用缓冲或减少超大数组。修改 `G1HeapRegionSize` 会改变阈值、Region 数量和记忆集成本,只能作为有对照的备选实验。 - **验证**:比较 Humongous Region 生命周期、暂停、Full GC、吞吐、堆浪费和 RSS。 ## 上线前复盘与自测 一次参数变更上线前,下列清单应全部有证据支撑,而不是只确认"JVM 能启动": ``` □ 已记录业务 SLO、负载模型和变更前基线 □ 已确认 JDK 版本、发行版和容器内存/CPU/PID 限制 □ 已预留元空间、Code Cache、直接内存、线程栈与 native 余量 □ 已启用与 JDK 匹配的 GC 日志,并配置受控的 OOM dump 目录 □ 每次仅改变一个假设,具有回滚方案和同负载对照结果 □ 未把 G1 分代参数、LargePages 或虚拟线程当成无条件优化 ``` 把本章浓缩成一句话:用"证据 → 变更 → 验证"替代固定参数模板;容器容量必须为堆和全部 native 组成留余量,`MaxRAMPercentage` 的数值需要实测;处理 Full GC、泄漏、线程与 Humongous 问题时,先查原因再做最小化改变。 最后自测两题:为什么把 `-Xmx` 设为容器 limit 几乎总是危险?又会用哪些指标证明一次 GC 参数变更确实改善了业务?答案应同时覆盖 native 预算、RSS/OOM 边界,以及同负载下的延迟分位、吞吐、GC 原因和回归结果。 --- 上一篇:[08 - JVM 性能监控与诊断](./08-monitoring-diagnostics.md) | 下一篇:[10 - Java 内存模型与并发](./10-jmm-concurrency.md)
预览
发布文章
添加摘要让读者更快了解文章内容
取消
确认发布
AI 写作助手
输入一个主题,AI 将为你生成一篇 Markdown 博客文章
AI 正在写作中...
取消
开始生成
AI 优化助手
描述你的修改需求,AI 将在原文基础上进行补充或微调
AI 正在优化中...
取消
开始优化
画布
从已有图里选
✕
图名
保存后生成 /images/excalidraw/<图名>.svg(只能用字母、数字、短横线、下划线、点)
取消
保存并插入