GC调优的目标不是消灭GC停顿,而是把STW时间控制在业务可接受的范围内。实际生产环境中,STW时间远超预期往往不是参数设置错误,而是对象分配速率过快和内存碎片化造成的。这篇文章从指标定义、停顿来源分析、日志排查和参数配置四个维度,给出一个可复用的GC调优路径。
延迟和吞吐量是两个相互制约的指标,调优前必须明确优先级。延迟指单次GC的STW毫秒数,吞吐量指应用运行时间占总时间的百分比。据Oracle官方《Java HotSpot VM Tuning Guide》数据显示:默认情况下JVM优先保证吞吐量,而G1回收器的设计目标则偏向可预期延迟。如果业务要求响应时间在100毫秒内,那么调优目标就是控制STW,而吞吐量会有所牺牲。
调优时先设定一个可量化的目标:例如“TP99小于80毫秒,GC暂停小于50毫秒,且每秒分配速率低于200MB”。没有明确目标的调优只会陷入“调了参数,但不知道是否更好”的循环。
以下五个原因基本覆盖了绝大多数STW超预期场景,按出现频率排序。
| 原因 | 影响阶段 | 典型症状 |
|---|---|---|
| 大对象直接进入老年代且频繁触发并发标记失败 | G1的并发周期 | cset pause时间突增,日志中出现“To-space exhausted” |
| Humongous对象分配过多 | young GC与mixed GC | region被大对象占据,回收效率下降 |
| 存活对象过多导致复制时间拉长 | young GC | young GC的STW时间与Eden区大小成正比 |
| 长时间运行的Full GC退化成为串行GC | Full GC | CPU占用高,应用完全停顿数秒 |
| 引用处理与清理阶段耗时过长 | old GC后置阶段 | 日志中Ref Proc和Ref Enq耗时占30%以上 |
这五个原因中,前两个与对象分配模式直接相关,后三个与堆结构和垃圾回收器的执行策略相关。排查时不能只看参数,要先从对象分配源头入手。
GC日志是排查STW问题的第一手资料,开启详细日志后能精确到每个阶段。
java -Xlog:gc*:file=gc.log:time,level,tags -jar app.jar
上面的命令适用于JDK 9及以后版本,将GC日志输出到gc.log并携带时间戳。日志中每一条停顿记录都包含用户态耗时和内核态耗时,例如下面这段G1的young GC日志:
[10.234s][info][gc] GC(12) Pause Young (Normal) 512M->128M(1024M) 45.321ms [10.234s][info][gc] GC(12) User=0.04s Sys=0.00s Real=0.04s
如果希望看到更细的阶段拆解,需要增加reftree参数:
java -Xlog:gc*:file=gc.log:time,level,tags+reftree -jar app.jar
此时日志会显示每个阶段耗时,如“Pre Evacuate”“Evacuate”“Post Evacuate”等。当发现“Evacuate”阶段占用80%以上,说明是存活对象复制太多,需要减少并发线程数或调整RSet的粗粒度化阈值。
某个在线支付的订单服务,每次GC停顿超过3秒,一天内Full GC超过30次。现场日志显示堆内存1.5G,老年代经常占满,且年轻代晋升率极高。
通过jmap导出的堆转储文件发现,订单类对象有80%是重复创建的过期数据。根因是代码中使用HashMap做缓存且没有设置过期时间,高并发下不断向Map写入订单对象,导致存活对象持续累积。修复方式是将缓存改为Caffeine并设置最大容量,同时增加不可变对象的复用。
修复后Full GC次数从日均30次降为0,STW最长不超过18毫秒。这说明GC调优的优先级是:先修代码,再配参数。
JVM参数不是堆得越多越好,G1的调优重点在于平衡目标与暂停时间。
-XX:MaxGCPauseMillis设置期望的最大停顿,但过于激进的值会导致频繁的mixed GC,反而降低吞吐量。G1中建议该值设置为200-300毫秒之间,配合-XX:G1NewSizePercent和-XX:G1MaxNewSizePercent控制年轻代比例。
表2展示了三个参数的推荐场景:
| 参数 | 推荐值 | 适用场景 |
|---|---|---|
| -XX:MaxGCPauseMillis | 100-300 | 响应时间敏感的在线服务 |
| -XX:G1HeapRegionSize | 2MB-32MB | 根据对象大小调整,大对象多的用大region |
| -XX:G1MixedGCLiveThresholdPercent | 85% | 回收垃圾占比高的region,提升空间复用 |
还有两个非参数类操作对STW影响巨大:其一是尽量使用safepoint诊断,通过-XX:+PrintSafepointStatistics检查是否存在safepoint风暴;其二是减少不必要的System.gc()调用,尤其是RMI框架中的分布式GC。
调优后的验证阶段必须关注P99或TP99,而不是平均延时。据Datadog《Java性能基准报告》数据显示:P99延迟比平均延迟高出3-5倍是常态,GC暂停时间的分布往往呈现长尾特征。如果只盯着平均值,可能掩盖了偶发的超长停顿。
验证方式是在压测环境中对比调优前后的GC日志停顿分布图,统计停顿超过某一阈值的次数。例如将目标定为“停顿超过100毫秒的次数每10分钟不超过1次”,然后观察一段时间的日志。如果满足,调优才算有效。
GC调优是一个循环验证的过程,每次修改参数后必须用同一压测场景对比GC日志。记住一个准则:参数配置只能解决10%的停顿问题,真正长稳的延迟优化来自对应用对象生命周期和内存分配的治理。
评论
加载中...