JVM-性能调优——内存优化

JVM 调优是一个系统而又复杂的过程，但我们知道，在大多数情况下，我们基本不用去调整 JVM 内存分配，因为一些初始化的参数已经可以保证应用服务正常稳定地工作了。

在应用服务的特定场景下，JVM 内存分配不合理带来的性能表现并不会像内存溢出问题这么突出。一般你没有深入到各项性能指标中去，是很难发现其中隐藏的性能损耗

Ab(ApacheBench) 测试工具是 Apache 提供的一款测试工具，具有简单易上手的特点，在测试 Web 服务时非常实用。

ab 一般都是在 Linux 上用。

安装非常简单，只需要在 Linux 系统中输入 yum -y install httpd-tools或（sudo apt-get install apache2-utils）?命令，就可以了。

安装成功后，输入 ab 命令，可以看到以下信息：

?

ab 工具用来测试 post get 接口请求非常便捷，可以通过参数指定请求数、并发数、请求参数等

测试 get 请求接口

ab -c 10 -n 100 http://www.test.api.com/test/login?userName=test&password=test

测试 post 请求接口

ab-c 10-n 100 ?-p 'post.txt' -T 'application/x-www-form-urlencoded' 'http://test.api.com/test/register'

?

post.txt 为存放 post 参数的文档，存储格式如

usernanme=test&password=test&sex=1

参数的含义：

-n：总请求次数（最小默认为 1）；

-c：并发次数（最小默认为 1 且不能大于总请求次数，例如：10 个请求，10 个并发，实际就是 1 人请求 1 次）；

-p：post 参数文档路径（-p 和 -T 参数要配合使用）；

-T：header 头内容类型（此处切记是大写英文字母 T）；

输出中，性能指标参考

?

Requests per second：吞吐率，指某个并发用户数下单位时间内处理的请求数；

Time per request：上面的是用户平均请求等待时间，指处理完成所有请求数所花费的时间 /（总请求数 / 并发用户数）；

Time per request：下面的是服务器平均请求处理时间，指处理完成所有请求数所花费的时间 / 总请求数；

Percentage of the requests served within a certain time：每秒请求时间分布情况，指在整个请求中，每个请求的时间长度的分布情况，例如有 50% 的请求响应在 8ms 内，66% 的请求响应在 10ms 内，说明有 16% 的请求在 8ms~10ms 之间。

JVM 内存分配的调优案例

?

一个高并发系统中的抢购接口，高峰时 5W 的并发请求，且每次请求会产生 20KB 对象（包括订单、用户、优惠券等对象数据）。

我们可以通过一个并发创建一个 1MB 对象的接口来模拟万级并发请求产生大量对象的场景，具体代码如下：

?

AB 压测

对应用服务进行压力测试，模拟不同并发用户数下的服务的响应情况：

1、10 个并发用户/10 万请求量(总)

2、100 个并发用户/10 万请求量(总)

3、1000 个并发用户/10 万请求量(总)

ab -c 10 -n 100000 http://127.0.0.1:8080/jvm/heap

ab -c 100 -n 100000 http://127.0.0.1:8080/jvm/heap

ab -c 1000 -n 100000 http://127.0.0.1:8080/jvm/heap

服务器信息

我本机起一台 Linux 虚拟机，分配的内存为 2G，处理器数量为 2 个。具体信息如下图

?

GC 监控

还有一句话，无监控不调优，所以我们需要监控起来。JVM 中我们使用 jstat 命令监控一下 JVM 的 GC 情况。

统计 GC 的情况。

jstat-gc 8404 5000 20 | awk '{print $13,$14,$15,$16,$17}只统计我们需要的数据。

堆空间监控

在默认不配置 JVM 堆内存大小的情况下，JVM 根据默认值来配置当前内存大小。

我们可以通过以下命令来查看堆内存配置的默认值：

java -XX:+PrintFlagsFinal -version | grep HeapSize

?

测试项目启动

?

使用 jmap -heap <pid> 这种方式，我们看到这个 JVM 应用占据的堆空间大小

压测结果

10 个并发用户/10 万请求量(总)

使用 AB 进行压力测试：

ab -c 10 -n 100000 http://127.0.0.1:8080/jvm/heap

统计 GC 情况

jstat -gc 9656 5000 20 | awk '{print $13,$14,$15,$16,$17}

测试结果

1. 用户的吞吐量大于在 1426/每秒左右
2. JVM 服务器平均请求处理时间 0.7ms 左右
3. JVM 服务器发生了 2700 多次 YGC,耗时 15 秒 ，还有 45 次 FGC,2.3 秒左右，加在

一起 GC 耗时 17 秒

100?个并发用户/10 万请求量(总)

使用 AB 进行压力测试：

ab -c 100 -n 100000?http://127.0.0.1:8080/jvm/heap

测试结果

1. 用户的吞吐量大于在 1262/每秒左右
2. JVM 服务器平均请求处理时间 0.8ms 左右
3. JVM 服务器发生了 2700 多次 YGC,耗时 30 秒 ，还有 56 次 FGC,3 秒左右，加在一起 GC 耗时 33 秒

?

1000?个并发用户/10 万请求量(总)

使用 AB 进行压力测试：

ab -c 1000 -n 100000 http://127.0.0.1:8080/jvm/heap

测试结果

1. 用户的吞吐量大于在 1145/每秒左右? JVM 服务器平均请求处理时间 0.8ms 左右
2. JVM 服务器发生了 2700 多次 YGC,耗时 38 秒 ，还有 47 次 FGC,3 秒左右，加在一起 GC 耗时 42 秒

结果分析

GC 频率

高频的 FullGC 会给系统带来非常大的性能消耗，虽然 MinorGC 相对 FullGC 来说好了许多，但过多的 MinorGC 仍会给系统带来压力。

堆内存大小

堆内存又分为年轻代内存和老年代内存。堆内存不足，会增加 MinorGC ，影响系统性能。

吞吐量

频繁的 GC 将会引起线程的上下文切换，增加系统的性能开销，从而影响每次处理的线程请求，最终导致系统的吞吐量下降。（STW会导致线程挂起，导致该线程让出CPU执行权，其他线程占用CPU继续执行。这个行为就是上下文切换）。

?

延时

JVM 的 GC 持续时间也会影响到每次请求的响应时间。

调优方案

方案一（增大堆内存）

10 个并发用户/10 万请求量(总)

调整堆内存空间，减少GC次数。堆内存基本被用完了。而且存在大量的MinorGC和FullGC，这意味着我们的堆内存严重不足。这时候我们需要调整堆内存的最大空间。

堆内存加大到1.5G

java -jar -Xms1500m -Xmx1500m jvm-1.0-SNAPSHOT.jar

使用 AB 进行压力测试： ?

ab -c 10 -n 100000 http://127.0.0.1:8080/jvm/heap

1. 用户的吞吐量大于在 1205/每秒左右? JVM 服务器平均请求处理时间 0.83ms 左

右。

1. JVM 服务器发生了 800 次 YGC,耗时 33 秒 ，还有 1 次 FGC,1 秒左右，加在一

起 GC 耗时 34 秒

100?个并发用户/10 万请求量(总)

使用 AB 进行压力测试：

ab -c 100 -n 100000 http://127.0.0.1:8080/jvm/heap

1. 用户的吞吐量大于在 989/每秒左右。JVM 服务器平均请求处理时间 1.01ms 左右 。
2. JVM 服务器发生了 800 次 YGC,耗时 46 秒 ，还有 8 次 FGC,6 秒左右，加在一起 GC 耗时 52 秒。

1000?个并发用户/10 万请求量(总)

使用 AB 进行压力测试：

ab -c 1000?-n 100000 http://127.0.0.1:8080/jvm/heap

?

?

66 秒 ，还有 8 次 FGC,9 秒左右，加在一起 GC 耗时 75 秒

?

1. 用户的吞吐量大于在 749/每秒左右
2. JVM 服务器平均请求处理时间 1.3ms 左右 JVM 服务器发生了 800 次 YGC,耗时

我们可能会惊讶与以上实验。我们经过本次优化，无论是吞吐量，GC时间，都变长了？

这是什么原因呢？保持疑惑继续往下测试。

方案二 （调整新生代大小以及Eden，Servivor区域比例）

堆内存保持不变（1.5个G），Eden区域分配1个G。Eden，Servivor的比例调整位固定1:8。继续进行测试。

10 个并发用户/10 万请求量(总)

java -jar -Xms1500m -Xmx1500m -Xmn1000m -XX:SurvivorRatio=8 jvm-1.0-SNAPSHOT.jar

使用 AB 进行压力测试：

?ab -c 10 -n 100000?http://127.0.0.1:8080/jvm/heap

1. 用户的吞吐量大于在 1780/每秒左右。
2. JVM 服务器平均请求处理时间 0.56ms 左右 JVM 服务器发生了 400 次 YGC耗时 5.8 秒 ，还有 2 次 FGC0.1 秒左右，加在一起 GC 耗时 6 秒

?

100?个并发用户/10 万请求量(总)

java -jar -Xms1500m -Xmx1500m -Xmn1000m -XX:SurvivorRatio=8 jvm-1.0-SNAPSHOT.jar

使用 AB 进行压力测试：

?ab -c 100?-n 100000?http://127.0.0.1:8080/jvm/heap

1. 用户的吞吐量大于在 1927/每秒左右
2. JVM 服务器平均请求处理时间 0.51ms 左右 ，JVM 服务器发生了 400 多次 YGC,

耗时 11 秒 ，没有 FGC，加在一起 GC 耗时 11 秒

?

1000?个并发用户/10 万请求量(总)

java -jar -Xms1500m -Xmx1500m -Xmn1000m -XX:SurvivorRatio=8 jvm-1.0-SNAPSHOT.jar

使用 AB 进行压力测试：

?ab -c 1000?-n 100000?http://127.0.0.1:8080/jvm/heap

1. 用户的吞吐量大于在 1657/每秒左右 ?
2. JVM 服务器平均请求处理时间 0.6ms 左右 VM 服务器发生了 400 多次 YGC耗时 14 秒 ，还 1 次 FGC3 秒左右，加在一起 GC 耗时 17 秒?。

我们经过第二次调优，性能明显得到了加强。这中间的原理是什么呢？

内存优化总结

一般情况下，高并发业务场景中，需要一个比较大的堆空间，而默认参数情况下，堆空间不会很大。所以我们有必要进行调整。

但是不要单纯的调整堆的总大小，要调整新生代和老年代的比例，以及 Eden 区还有 From 区，还有 To 区的比例。

所以在我们上述的测试中，调整方案二，得到结果是最好的。在三种测试情况下都能够有非常好的性能指标，同时 GC 耗时相对控制也较好。

对于调整方案一，就是单纯的加大堆空间，里面的比例不适合高并发场景，反而导致堆空间变大。整个堆扩大了2倍，但是我们的Eden区却之扩大了零点几倍。而我们的新生代垃圾回收主要触发条件就是Eden区域满了。所以此次优化并没有明显减少 GC 的次数，但是每次 GC 需要检索对象的堆空间更大，所以 GC 耗时更长。(此处第一次听到的时候我有一个疑惑，就是Eden区不是没怎么增大么？为啥扫描时间增长了？有这个疑惑的朋友证明知识还没有完全串起来。我们想想我们判断对象是否存活的条件，再想想为什么有跨代引用的问题要解决？没错，就是为了优化我们的扫描标记成本！我们判断垃圾是根据可达性分析算法，所以Eden区域的对象不一定是被新的GCRoots创建的，也可能是我们的Servivor对象，或者老年代的对象创建的。因此，扫描时间与整个堆的大小是挂钩的！)

方案二：调整为一个很大的新生代和一个较小的老年代.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,而老年代尽存放长期存活对象。

由于新生代空间较小，Eden 区很快被填满，就会导致频繁 Minor GC，因此我们可以通过增大新生代空间来降低 Minor GC 的频率。

单次 Minor GC 时间是由两部分组成：T1（扫描新生代）和 T2（复制存活对象）。

默认情况：一个对象在 Eden 区的存活时间为 500ms，Minor GC 的时间间隔是 300ms，因为这个对象存活时间>间隔时间，那么正常情况下，Minor

GC 的时间为 ：T1+T2。

方案一：整堆空间加大，但是新生代没有增大多少，对象在 Eden 区的存活时间为 500ms，Minor GC 的时间可能会扩大到 400ms，因为这个对象存

活时间>间隔时间，那么正常情况下，Minor GC 的时间为 ：T1*1.5（Eden 区加大了）+T2

方案二：当我们增大新生代空间，Minor GC 的时间间隔可能会扩大到 600ms，此时一个存活 500ms 的对象就会在 Eden 区中被回收掉，此时就不存在复制存活对象了，所以再发生 Minor GC 的时间为：即 T1*2（空间大了）+T2*0

可见，扩容后，Minor GC 时增加了 T1，但省去了 T2 的时间。

在 JVM 中，复制对象的成本要远高于扫描成本。如果在堆内存中存在较多的长期存活的对象，此时增加年轻代空间，反而会增加 Minor GC 的时间。如果堆中的短期对象很多，那么扩容新生代，单次 Minor GC 时间不会显著增加。因此，单次 Minor GC 时间更多取决于 GC 后存活对象的数量，而非 Eden区的大小。

这个就解释了之前的内存调整方案中，方案一为什么性能还差些，但是到了方案二话，性能就有明显的上升

推荐策略

1. 新生代大小选择 ·

• 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,新生代收集发生的频率也是最小的.同时,减少到达老年代的对象. (少大对象，少不死的对象的场景)
• 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.
• 避免设置过小.当新生代设置过小时会导致:1.MinorGC 次数更加频繁 2.可能导致 MinorGC 对象直接进入老年代,如果此时老年代满了,会触发 FullGC.

2. 老年代大小选择

响应时间优先的应用:老年代使用并发收集器,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,可能会造成内存碎 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、花在新生代和老年代回收上的时间比例。

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新生代和一个较小的老年代.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,让老年代尽量存放长期存活对象。

?