來源：https://zhenbianshu.github.io/
背景
最近對負責的項目進行了一次性能優化，其中包括對 JVM 參數的調整，算是進行了一次簡單的 JVM 調優，JVM 參數調整之后，服務的整體性能有 15% 左右的提升，還算不錯。
先介紹一下項目的基本情況：
項目是一個高 QPS 壓力的 web 服務，單機 QPS 一直維持在 1.5K 以上，由於舊機器的”拖累”，配置的堆大小是 8G，其中 young 區是 4G，垃圾回收器用的是 parNew + CMS。
舊狀
首先是查看當前 GC 的情況，主要是使用 jstat 查看 GC 的概況，再查看 gc log，分析單次 gc 的詳細狀況。
使用 jstat -gcutil pid 1000 每隔一秒打印一次 gc 統計信息。
可以看到，單次 gc 平均耗時是 60ms 左右，還算可以接受，但 YGC 非常頻繁，基本上每秒一次，有的時候還會一秒兩次，在一秒兩次的時候，服務對業務響應時長的壓力就會變得很大。
接着查看 gc log，打印 gc log 需要在 JVM 啟動參數里添加以下參數：
-XX:+PrintGCDateStamps：打印 gc 發生的時間戳。-XX:+PrintTenuringDistribution：打印 gc 發生時的分代信息。-XX:+PrintGCApplicationStoppedTime：打印 gc 停頓時長-XX:+PrintGCApplicationConcurrentTime：打印 gc 間隔的服務運行時長-XX:+PrintGCDetails：打印 gc 詳情，包括 gc 前/內存等。-Xloggc:../gclogs/gc.log.date：指定 gc log 的路徑
看到的 gc log 形如：
單次 GC 方面並不能直接看出問題，但可以看到 gc 前有很多次 18ms 左右的停頓。
分析和調整
YGC 頻繁
直接查看 gc log 並不直觀，我們可以借用一些可視化工具來幫助我們分析， [gceasy](https://gceasy.io/) 是個挺不錯的網站，我們把 gc log 上傳上去后， gceasy 可以幫助我們生成各個維度的圖表幫助分析。
查看 gceasy 生成的報告，發現我們服務的 gc 吞吐量是 95%，它指的是 JVM 運行業務代碼的時長占 JVM 總運行時長的比例，這個比例確實有些低了，運行 100 分鍾就有 5 分鍾在執行 gc。幸好這些 GC 中絕大多數都是 YGC，單次時長可控且分布平均，這使得我們服務還能平穩運行。
解決這個問題要么是減少對象的創建，要么就增大 young 區。前者不是一時半會兒都解決的，需要查找代碼里可能有問題的點，分步優化。
而后者雖然改一下配置就行，但以我們對 GC 最直觀的印象來說，增大 young 區，YGC 的時長也會迅速增大。
其實這點不必太過擔心，我們知道 YGC 的耗時是由 GC 標記 + GC 復制 組成的，相對於 GC 復制，GC 標記是非常快的。而 young 區內大多數對象的生命周期都非常短，如果將 young 區增大一倍，GC 標記的時長會提升一倍，但到 GC 發生時被標記的對象大部分已經死亡， GC 復制的時長肯定不會提升一倍，所以我們可以放心增大 young 區大小。
由於低內存舊機器都被換掉了，我把堆大小調整到了 12G，young 區保留為 8G。
分代調整
除了 GC 太頻繁之外，GC 后各分代的平均大小也需要調整。
我們知道 GC 的提升機制，每次 GC 后，JVM 存活代數大於 MaxTenuringThreshold 的對象提升到老年代。當然，JVM 還有動態年齡計算的規則：按照年齡從小到大對其所占用的大小進行累積，當累積的某個年齡大小超過了 survivor 區的一半時，取這個年齡和 MaxTenuringThreshold 中更小的一個值，作為新的晉升年齡閾值，但看各代總的內存大小，是達不到 survivor 區的一半的。
所以這十五個分代內的對象會一直在兩個 survivor 區之間來回復制，再觀察各分代的平均大小，可以看到，四代以上的對象已經有一半都會保留到老年區了，所以可以將這些對象直接提升到老年代，以減少對象在兩個 survivor 區之間復制的性能開銷。
所以我把 MaxTenuringThreshold 的值調整為 4，將存活超過四代的對象直接提升到老年代。
偏向鎖停頓
還有一個問題是 gc log 里有很多 18ms 左右的停頓，有時候連續有十多條，雖然每次停頓時長不長，但連續多次累積的時間也非常可觀。
1.8 之后 JVM 對鎖進行了優化，添加了偏向鎖的概念，避免了很多不必要的加鎖操作，但偏向鎖一旦遇到鎖競爭，取消鎖需要進入 safe point，導致 STW。
解決方式很簡單，JVM 啟動參數里添加 -XX:-UseBiasedLocking 即可。
結果
調整完 JVM 參數后先是對服務進行壓測，發現性能確實有提升，也沒有發生嚴重的 GC 問題，之后再把調整好的配置放到線上機器進行灰度，同時收集 gc log，再次進行分析。
由於 young 區大小翻倍了，所以 YGC 的頻率減半了，GC 的吞量提升到了 97.75%。平均 GC 時長略有上升，從 60ms 左右提升到了 66ms，還是挺符合預期的。
由於 CMS 在進行 GC 時也會清理 young 區，CMS 的時長也受到了影響，CMS 的最終標記和並發清理階段耗時增加了，也比較正常。
另外我還統計了對業務的影響，之前因為 GC 導致超時的請求大大減少了。
小結
總之，這是一次挺成功的 GC 調整，讓我對 GC 有了更深的理解，但由於沒有深入到 old 區，之前學習到的 CMS 相關的知識還沒有復習到。
不過性能優化並不是一朝一夕的事，需要時刻關注問題，及時做出調整。
近期熱文推薦：
1.600+ 道 Java面試題及答案整理(2021最新版)
2.終於靠開源項目弄到 IntelliJ IDEA 激活碼了，真香！
3.阿里 Mock 工具正式開源，干掉市面上所有 Mock 工具！
4.Spring Cloud 2020.0.0 正式發布，全新顛覆性版本！
覺得不錯，別忘了隨手點贊+轉發哦！