一次生产故障引发的JVM垃圾回收器选型思考：彻底掌握垃圾回收原理及通用配置！

写在前面的话

前几天凌晨2点，我被一通电话惊醒——线上交易系统出现了严重的延迟问题，用户支付请求响应时间从平时的100ms飙升到了5秒，客服电话都被打爆了。

经过紧急排查，我们发现罪魁祸首竟然是JVM的垃圾回收器！当时使用的CMS垃圾回收器在高并发场景下出现了严重的停顿，导致系统几乎不可用。

这次故障让我深刻认识到：选择合适的垃圾回收器不是小事，它直接关系到系统的生死存亡。

今天，我将把这些年在垃圾回收器选型和调优方面的经验总结出来，帮助大家彻底掌握JVM垃圾回收的精髓。

垃圾回收基础：为什么需要垃圾回收器？

在深入讲解各种垃圾回收器之前，我们先来理解一个本质问题：为什么Java需要垃圾回收？

内存管理的痛点

想象一下，如果没有垃圾回收，会发生什么？

  • 程序员需要手动管理内存，像C/C++一样
  • 一旦忘记释放内存，就会导致内存泄漏
  • 系统运行时间越长，可用内存越少
  • 最终导致OOM（内存溢出）

垃圾回收的工作原理

垃圾回收器的核心任务就是**自动识别和回收不再使用的对象**。这个过程主要分为两个步骤：

  1. 标记（Mark）：找出哪些对象还在使用，哪些已经"死亡"
  2. 清除（Sweep）：回收"死亡"对象占用的内存空间

三色标记算法

为了更好地理解后面的内容，我们需要了解三色标记算法：

  • 白色：未被扫描的对象（可能是垃圾）
  • 灰色：已被扫描但其引用的对象还未扫描完成
  • 黑色：已被扫描且其引用的对象也已扫描完成（确定存活）

主流垃圾回收器深度解析

1. Serial GC：单线程的老前辈

特点：

  • 单线程执行垃圾回收
  • 回收时必须暂停所有用户线程（Stop The World）
  • 算法简单，开销小

适用场景：

  • 客户端应用
  • 单核心或小内存环境
  • 对延迟要求不高的场景

配置参数：

-XX:+UseSerialGC

2. Parallel GC：多线程的力量

Parallel GC是JDK 8及之前版本的默认垃圾回收器，也是目前应用最广泛的垃圾回收器之一。

核心特点：

  • 多线程并行执行垃圾回收
  • 注重吞吐量，适合后台任务
  • 新生代使用Parallel Scavenge，老年代使用Parallel Old

关键参数配置：

# 启用Parallel GC
-XX:+UseParallelGC# 设置垃圾回收线程数（一般设置为CPU核心数）
-XX:ParallelGCThreads=8# 设置期望的吞吐量百分比（默认99，即GC时间不超过1%）
-XX:GCTimeRatio=99# 设置最大GC停顿时间目标（毫秒）
-XX:MaxGCPauseMillis=100

实战经验：
在我们的批处理系统中，使用Parallel GC配置如下：

-Xms4g -Xmx4g 
-XX:+UseParallelGC 
-XX:ParallelGCThreads=8 
-XX:GCTimeRatio=99

效果：吞吐量提升15%，GC时间占比控制在1%以内。

3. CMS GC：并发标记清除的先驱

CMS（Concurrent Mark Sweep）是第一个真正意义上的低延迟垃圾回收器。

工作流程：

  1. 初始标记：STW，标记GC Roots直接关联的对象
  2. 并发标记：与用户线程并发，标记所有可达对象
  3. 重新标记：STW，修正并发标记期间的变化
  4. 并发清除：与用户线程并发，清理垃圾对象

优点：

  • 并发收集，低停顿
  • 适合对响应时间敏感的应用

缺点：

  • 产生内存碎片
  • 并发阶段会抢占CPU资源
  • 容易产生"浮动垃圾"

关键参数配置：

# 启用CMS
-XX:+UseConcMarkSweepGC
-XX:+UseParNewGC# 设置触发CMS GC的老年代使用率阈值
-XX:CMSInitiatingOccupancyFraction=75
-XX:+UseCMSInitiatingOccupancyOnly# 并发线程数
-XX:ConcGCThreads=4# 开启CMS预清理
-XX:+CMSPrecleaningEnabled# 设置预清理阶段的最大持续时间
-XX:CMSMaxAbortablePrecleanTime=5000

真实案例：
某电商系统使用CMS配置：

-Xms8g -Xmx8g 
-XX:+UseConcMarkSweepGC 
-XX:+UseParNewGC 
-XX:CMSInitiatingOccupancyFraction=70 
-XX:+UseCMSInitiatingOccupancyOnly

结果：平均GC停顿时间从200ms降低到50ms。

4. G1 GC：分代收集的革命者

G1（Garbage First）是JDK 9+的默认垃圾回收器，代表了垃圾回收技术的重大突破。

核心创新：

  • 将堆内存划分为多个大小相等的Region
  • 可预测的停顿时间
  • 同时回收新生代和老年代

工作流程：

  1. 初始标记：STW，标记GC Roots
  2. 并发标记：并发标记整个对象图
  3. 最终标记：STW，处理SATB队列
  4. 筛选回收：STW，回收价值高的Region

核心数据结构：

  • RSet（记忆集）：记录跨Region引用
  • SATB（Snapshot At The Beginning）：解决并发标记时的漏标问题
  • Card Table：细粒度的引用跟踪

关键参数配置：

# 启用G1
-XX:+UseG1GC# 设置期望的最大停顿时间（毫秒）
-XX:MaxGCPauseMillis=200# 设置Region大小（1MB到32MB，必须是2的幂）
-XX:G1HeapRegionSize=16m# 设置并发标记线程数
-XX:ConcGCThreads=4# 设置触发Mixed GC的老年代占用率
-XX:G1MixedGCCountTarget=8
-XX:G1OldCSetRegionThreshold=10# G1相关的调优参数
-XX:G1ReservePercent=10
-XX:G1HeapWastePercent=5

生产实战配置：
某金融系统的G1配置：

-Xms16g -Xmx16g 
-XX:+UseG1GC 
-XX:MaxGCPauseMillis=100 
-XX:G1HeapRegionSize=16m 
-XX:G1MixedGCCountTarget=8 
-XX:+G1PrintRegionRememberedSetInfo

效果：99.9%的GC停顿时间控制在100ms以内。

5. ZGC：超低延迟的未来之星

ZGC是OpenJDK的一个实验性垃圾回收器，专注于超低延迟。

革命性特点：

  • 停顿时间不超过10ms
  • 支持TB级别的堆内存
  • 并发回收，几乎不需要STW

适用场景：

  • 对延迟极度敏感的应用
  • 大内存应用
  • 实时交易系统

配置参数：

# 启用ZGC（JDK 11+）
-XX:+UnlockExperimentalVMOptions
-XX:+UseZGC# 设置最大堆内存
-Xmx32g# 开启ZGC的分代收集（JDK 17+）
-XX:+UseZGC
-XX:+ZGenerational

6. Shenandoah：OpenJDK的低延迟选择

Shenandoah是Red Hat开发的低延迟垃圾回收器。

核心特点：

  • 并发回收
  • 停顿时间与堆大小无关
  • 使用连接矩阵解决并发移动问题

配置参数：

# 启用Shenandoah
-XX:+UnlockExperimentalVMOptions
-XX:+UseShenandoahGC# 设置GC模式
-XX:ShenandoahGCMode=iu

垃圾回收器横向对比

垃圾回收器停顿时间吞吐量内存开销适用堆大小并发程度
Serial GC高高低<100MB无并发
Parallel GC中最高低<8GB并行回收
CMS GC低中中2-8GB并发标记
G1 GC低中高中高4GB+并发+并行
ZGC极低中高8GB+高度并发
Shenandoah极低中高8GB+高度并发

场景化选择策略

Web应用服务器

场景特点：

  • 对响应时间敏感
  • 中等并发量
  • 堆内存通常在4-16GB

推荐方案：

  • 首选：G1 GC
  • 备选：CMS GC（JDK 8及以下）

配置示例：

# G1配置（推荐）
-Xms8g -Xmx8g
-XX:+UseG1GC
-XX:MaxGCPauseMillis=100
-XX:G1HeapRegionSize=16m# CMS配置（兼容性考虑）
-Xms8g -Xmx8g
-XX:+UseConcMarkSweepGC
-XX:+UseParNewGC
-XX:CMSInitiatingOccupancyFraction=75

批处理系统

场景特点：

  • 注重吞吐量
  • 对延迟不敏感
  • 大量数据处理

推荐方案：

  • 首选：Parallel GC
  • 备选：G1 GC（大堆场景）

配置示例：

# Parallel GC配置
-Xms16g -Xmx16g
-XX:+UseParallelGC
-XX:ParallelGCThreads=16
-XX:GCTimeRatio=99

实时交易系统

场景特点：

  • 极低延迟要求
  • 高并发
  • 严格的SLA

推荐方案：

  • 首选：ZGC（JDK 11+）
  • 备选：Shenandoah

配置示例：

# ZGC配置
-Xms32g -Xmx32g
-XX:+UseZGC
-XX:+UnlockExperimentalVMOptions

微服务应用

场景特点：

  • 小堆内存
  • 快速启动
  • 容器化部署

推荐方案：

  • 首选：G1 GC
  • 备选：Parallel GC

配置示例：

# 微服务G1配置
-Xms1g -Xmx2g
-XX:+UseG1GC
-XX:MaxGCPauseMillis=50
-XX:G1HeapRegionSize=1m

性能调优最佳实践

堆内存配置原则

  1. 初始堆大小（-Xms）应该等于最大堆大小（-Xmx）
-Xms8g -Xmx8g  # 避免动态扩容的开销
  1. 新生代大小要合理
# 一般设置为堆内存的1/4到1/3
-XX:NewRatio=3  # 新生代:老年代 = 1:3
  1. Eden和Survivor比例调优
-XX:SurvivorRatio=8  # Eden:Survivor = 8:1

GC日志配置

详细的GC日志是调优的基础：

# JDK 8及以下
-XX:+PrintGC
-XX:+PrintGCDetails
-XX:+PrintGCTimeStamps
-XX:+PrintGCApplicationStoppedTime
-Xloggc:/path/to/gc.log# JDK 9+
-Xlog:gc*:gc.log:time,tags

监控指标关注点

  1. GC频率：每分钟GC次数
  2. GC停顿时间：平均和最大停顿时间
  3. 内存使用率：各代内存使用情况
  4. 吞吐量：应用线程时间占比

故障排查实战案例

案例1：CMS的并发模式失败

现象：

[GC [1 CMS-initial-mark: 6656K(13696K), 0.0023781 secs]
[Full GC 6656K->6571K(13696K), 0.0577079 secs]

原因：CMS并发收集失败，退化为Serial Old收集

解决方案：

# 降低CMS触发阈值
-XX:CMSInitiatingOccupancyFraction=60# 增加并发线程数
-XX:ConcGCThreads=6

案例2：G1的to-space exhausted

现象：

[GC pause (G1 Evacuation Pause) (to-space exhausted), 0.1234567 secs]

原因：G1无法找到足够的空Region来存放存活对象

解决方案：

# 增加堆内存或调整Region大小
-Xmx16g
-XX:G1HeapRegionSize=32m# 提前触发混合收集
-XX:G1MixedGCCountTarget=4

案例3：频繁Full GC

排查步骤：

  1. 分析GC日志确认Full GC频率
  2. 检查内存分配模式
  3. 分析对象生命周期
  4. 调整堆内存比例

常见解决方案：

# 增加堆内存
-Xms16g -Xmx16g# 调整新生代比例
-XX:NewRatio=2# 增加Survivor空间
-XX:SurvivorRatio=6

高级调优技巧

1. 使用GC分析工具

推荐工具：

  • GCViewer：可视化GC日志分析
  • GCPlot：在线GC日志分析
  • jstat：实时GC监控

使用示例：

# 监控GC情况
jstat -gc -t 12345 1s# 查看堆内存分布
jstat -gccapacity 12345

2. JIT编译优化

# 预热JIT编译器
-XX:CompileThreshold=10000# 启用分层编译
-XX:+TieredCompilation

3. 大对象处理

# G1大对象阈值设置
-XX:G1HeapRegionSize=32m  # 大对象阈值为16m# 启用大对象直接分配到老年代
-XX:PretenureSizeThreshold=1m

未来趋势展望

1. Project Leyden

Oracle正在开发的项目，旨在提供静态编译和快速启动能力。

2. Project Loom

虚拟线程项目将改变并发编程模式，可能影响GC策略。

3. 分代ZGC

ZGC正在开发分代收集功能，有望进一步提升性能。

总结与建议

经过这次深入的探讨，我想给大家几个关键建议：

1. 选择原则

  • 小堆（<4GB）：Parallel GC 或 G1 GC
  • 中堆（4-32GB）：G1 GC
  • 大堆（32GB+）：ZGC 或 Shenandoah
  • 延迟敏感：G1、ZGC、Shenandoah
  • 吞吐量优先：Parallel GC

2. 调优步骤

  1. 建立基准测试
  2. 收集GC日志
  3. 分析性能指标
  4. 逐步调整参数
  5. 验证改进效果

3. 最佳实践

  • 始终监控GC性能
  • 定期分析GC日志
  • 保持对新技术的关注
  • 在非生产环境充分测试

4. 常用配置模板

Web应用推荐配置：

-Xms8g -Xmx8g
-XX:+UseG1GC
-XX:MaxGCPauseMillis=100
-XX:G1HeapRegionSize=16m
-XX:+G1UseAdaptiveIHOP
-XX:G1MixedGCCountTarget=8
-Xlog:gc*:gc.log:time,tags

高并发服务配置：

-Xms16g -Xmx16g
-XX:+UseZGC
-XX:+UnlockExperimentalVMOptions
-Xlog:gc*:gc.log:time,tags

回到文章开头的那次生产故障，经过这次系统性的学习和实践，我们最终选择了G1垃圾回收器，并通过精细的参数调优，将系统的响应时间稳定在了50ms以内，再也没有出现过类似的问题。

垃圾回收器的选择和调优是一门艺术，需要理论知识与实践经验的完美结合。希望这篇文章能够帮助大家在JVM调优的道路上少走弯路，打造更加稳定高效的Java应用。

记住：没有银弹，只有最适合的方案。在实际工作中，一定要结合具体的业务场景和性能要求来选择合适的垃圾回收器，并持续监控和优化。

如果这篇文章对你有帮助，欢迎点赞分享。在垃圾回收器调优的路上，我们一起进步！

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。
如若转载，请注明出处：http://www.pswp.cn/web/83871.shtml
繁体地址，请注明出处：http://hk.pswp.cn/web/83871.shtml

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈email:809451989@qq.com，一经查实，立即删除！

相关文章

学习日记-day30-6.15

学习日记-day30-6.15

完成目标&#xff1a; 知识点&#xff1a; 1.DDL和DML的补充 知识点 核心内容 重点 快速创建表 使用CREATE TABLE...AS SELECT语句基于现有表快速创建新表 结构和数据复制 vs 仅复制结构&#xff08;WHERE 12&#xff09; 数据删除操作 DELETE FROM逐条删除 vs TRUNCAT…
阅读更多...
从检测到智能质控：IACheck如何成为TIC机构的AI中台？

从检测到智能质控：IACheck如何成为TIC机构的AI中台？

一、TIC行业为何亟需AI质控&#xff1f; 过去十年&#xff0c;中国的TIC&#xff08;Testing, Inspection, Certification&#xff09;行业年均增长超过10%。无论是消费品、环境监测&#xff0c;还是工业制造、出口贸易&#xff0c;对“第三方检测报告”的依赖程度持续加深。 …
阅读更多...
cka-1.32考题

cka-1.32考题

1、HPA自动扩缩容 考题 &#xff08;考试的考题内容&#xff0c;只有下面方框里的内容&#xff09; 你必须连接到正确的主机。不这样做可能导致零分。 [candidatebase] $ ssh cka000050 Task 在 autoscale namespace 中创建一个名为 apache-server 的新 HorizontalPodAut…
阅读更多...
DeepSeek 技术原理详解

DeepSeek 技术原理详解

引言 DeepSeek是一种基于Transformer架构的大型语言模型&#xff0c;它在自然语言处理领域展现出了卓越的性能。本文将深入探讨DeepSeek的技术原理&#xff0c;包括其架构设计、训练方法和优化策略&#xff0c;并结合代码实现进行详细讲解。 Transformer基础架构 DeepSeek基…
阅读更多...
组件化 websocket

组件化 websocket

实时数据响应&#xff0c;组件化websocket减少代码冗余 组件定义 websocket.vue <template><div></div> </template><script>export default {data() {return {webSocket: null, // webSocket实例lockReconnect: false, // 重连锁&#xff0c;…
阅读更多...
IBMS集成系统3D可视化数字孪生管理平台介绍、搭建、运维

IBMS集成系统3D可视化数字孪生管理平台介绍、搭建、运维

IBMS集成系统3D可视化数字孪生管理平台介绍、搭建、运维 IBMS集成系统3D可视化数字孪生管理平台是一种先进的智能建筑管理系统&#xff0c;通过数字孪生技术和3D可视化界面&#xff0c;实现对建筑设施的全方位、智能化管理。该平台整合了物联网(IoT)、大数据、人工智能和三维建…
阅读更多...
湖北理元理律师事务所：债务重组中的技术赋能与法律边界

湖北理元理律师事务所：债务重组中的技术赋能与法律边界

一、当法律遇上算法&#xff1a;还款模型的进化 传统债务协商依赖律师经验&#xff0c;如今通过技术工具可实现&#xff1a; 输入&#xff1a;用户收入/债务/必需支出 输出&#xff1a; 1. 法定可减免金额&#xff08;基于LPR与历史判例库&#xff09;&#xff1b; 2.…
阅读更多...
对抗串扰的第一武器

对抗串扰的第一武器

痕量分离;长度平行度;stackup&#xff1a;有没有一个脱颖而出&#xff1f; 我已经有一段时间没有看到关于串扰的文章了&#xff0c;所以我决定借此机会为那些可能对为什么精通串扰的 PCB 设计人员和硬件工程师使用各种设计规则来控制串扰感兴趣的 PCB 设计社区中的人简要介绍一…
阅读更多...
FastAPI：(11)SQL数据库

FastAPI：(11)SQL数据库

FastAPI&#xff1a;(11)SQL数据库 由于CSDN无法展示「渐构」的「#d&#xff0c;#e&#xff0c;#t&#xff0c;#c&#xff0c;#v&#xff0c;#a」标签&#xff0c;推荐访问我个人网站进行阅读&#xff1a;Hkini 「渐构展示」如下&#xff1a; #c 概述 文章内容概括 #mermaid…
阅读更多...
“智眸·家联“项目开发(一)

“智眸·家联“项目开发(一)

嵌入式开发调试知识点总结&#xff08;含操作流程&#xff09; 我们今天解决问题的过程&#xff0c;就像是侦探破案&#xff0c;从最表面的线索&#xff08;网络不通&#xff09;开始&#xff0c;一步步深入&#xff0c;最终找到了案件的核心&#xff08;硬件不匹配&#xff0…
阅读更多...
展开说说Android之Retrofit详解_使用篇

展开说说Android之Retrofit详解_使用篇

Retrofit是由Square公司开发的类型安全HTTP客户端框架&#xff0c;借助动态代理在运行时生成接口实现类&#xff0c;将注解转化为OkHttp请求配置&#xff1b;节省成本通过转换器(Gson/Moshi)自动序列化JSON/XML&#xff0c;内部处理网络请求在主线程返回报文。Retrofit 直译是封…
阅读更多...
复古美学浅绿色文艺风格Lr调色教程，手机滤镜PS+Lightroom预设下载！

复古美学浅绿色文艺风格Lr调色教程，手机滤镜PS+Lightroom预设下载！

调色介绍 复古美学浅绿色文艺风格 Lr 调色&#xff0c;是基于 Adobe Lightroom&#xff08;Lr&#xff09;软件&#xff0c;为摄影作品赋予特定艺术氛围的调色方式。通过合理设置软件中的各项参数与工具&#xff0c;把照片调整为以浅绿色为主调&#xff0c;融合复古元素与文艺气…
阅读更多...
力扣网C语言编程题：缺失的第一个正数第三种解题方法

力扣网C语言编程题：缺失的第一个正数第三种解题方法

一. 简介 前面文章学习了对该题目的两种解题思路&#xff0c;文章如下&#xff1a; 力扣网C语言编程题&#xff1a;缺失的第一个正数-CSDN博客 但是前面的实现上在空间复杂度上没有满足要求。本文学习一种在空间复杂度上为 O(1)的思路。 二. 力扣网C语言编程题&#xff1a;缺…
阅读更多...
PyTorch 实现 MNIST 手写数字识别

PyTorch 实现 MNIST 手写数字识别

PyTorch 实现 MNIST 手写数字识别 MNIST 是一个经典的手写数字数据集&#xff0c;包含 60000 张训练图像和 10000 张测试图像。使用 PyTorch 实现 MNIST 分类通常包括数据加载、模型构建、训练和评估几个部分。 数据加载与预处理 使用 torchvision 加载 MNIST 数据集&#x…
阅读更多...
Python内存互斥与共享深度探索：从GIL到分布式内存的实战之旅

Python内存互斥与共享深度探索：从GIL到分布式内存的实战之旅

引言&#xff1a;并发编程的内存困局 在开发高性能Python应用时&#xff0c;我遭遇了这样的困境&#xff1a;多进程间需要共享百万级数据&#xff0c;而多线程间又需保证数据一致性。传统解决方案要么性能低下&#xff0c;要么引发竞态条件。本文将深入探讨Python内存互斥与共…
阅读更多...
【Unity】使用 C# SerialPort 进行串口通信

【Unity】使用 C# SerialPort 进行串口通信

索引 一、SerialPort串口通信二、使用SerialPort1.创建SerialPort对象&#xff0c;进行基本配置2.写入串口数据①.写入串口数据的方法②.封装数据 3.读取串口数据①.读取串口数据的方法②.解析数据 4.读取串口数据的时机①.DataReceived事件②.多线程接收数据 5.粘包问题处理 一…
阅读更多...
如何写好单元测试：Mock 脱离数据库，告别 @SpringBootTest 的重型启动

如何写好单元测试：Mock 脱离数据库，告别 @SpringBootTest 的重型启动

如何写好单元测试&#xff1a;Mock 脱离数据库&#xff0c;告别 SpringBootTest 的重型启动 作者&#xff1a;Killian&#xff08;重庆&#xff09; — 欢迎各位架构猎头、技术布道者联系我&#xff0c;项目实战丰富&#xff0c;代码稳健&#xff0c;Mock测试爱好者。 技术栈&a…
阅读更多...
【DNS】在 Windows 下修改 `hosts` 文件

【DNS】在 Windows 下修改 `hosts` 文件

在 Windows 下修改 hosts 文件&#xff0c;一般用于本地 DNS 覆盖。操作步骤如下&#xff08;以 Windows 10/11 为例&#xff09;&#xff1a; 1. 以管理员权限打开记事本 点击 开始 → 输入 “记事本”在“记事本”图标上右键 → 选择 以管理员身份运行 如果提示“是否允许此…
阅读更多...
共享内存实现进程通信

共享内存实现进程通信

目录 system V共享内存 共享内存示意图 共享内存函数 shmget函数 shmat函数 shmdt函数 shmctl函数 代码示例 shm头文件 构造函数 获取key值 创建者的构造方式 GetShmHelper 函数 GetShmUseCreate 函数 使用者的构造方式 GetShmForUse 函数 分离附加操作 DetachShm 函数 AttachS…
阅读更多...
6月15日星期日早报简报微语报早读

6月15日星期日早报简报微语报早读

6月15日星期日&#xff0c;农历五月二十&#xff0c;早报#微语早读。 1、证监会拟修订期货公司分类评价&#xff1a;明确扣分标准&#xff0c;优化加分标准&#xff1b; 2、国家考古遗址公园再添10家&#xff0c;全国已评定65家&#xff1b; 3、北京多所高校禁用罗马仕充电宝…
阅读更多...
最新文章

Copyright @ 2022~2023