一次生产的JVM优化

背景

    生产环境有二台阿里云服务器，均为同一时期购买的，CPU、内存、硬盘等配置相同。具体配置如下：

   

节点	CPU	内存	硬盘	其它
A	2CPU	4G	普通云盘	Centos6.4 64位+JDK1.8.0_121
B	2CPU	4G	普通云盘	Centos6.4 64位+JDK1.8.0_121

    由于这二服务器硬件和软件配置相同，并且运行相同的程序，所以在Nginx轮询策略均weight=1，即平台的某个流量由这二台机器平分。

    有一次对系统进行例行检查，使用PinPoint查看下服务器”Heap Usage”的使用情况时，发现，在有一个系统Full GC非常频繁，大约五分钟一次Full GC(如果不明白Full GC的什么意思的，请自行百度)，吓我一跳。这么频繁的Full GC，导致系统暂停处理业务，对系统的实时可用性大打折扣。我检查了一下Tomcat(Tomcat8.5.28)配置，发现在tomcat没有作任何关于JVM内存的设置，全部使用默认模式。由于这二服务器硬件和软件配置相同，并且运行相同的程序，所以在Nginx轮询策略均weight=1，即平台的某个流量由这二台机器平分。

GC数据

    在业务峰期间，通过PinPoint观察的A、B节点的”Heap Usage”使用情况，分别进行以下几个时间段数据。

    3小时图：

    

    上图B系统在三个小时内，一共发生了22次Full GC，大约每8分钟进行一次Full GC。每次Full GC的时间大概有150ms左右，即B系统在三个小时内，大约有3300ms暂停系统运行。从上图来看，堆的空间最大值在890M左右，但在堆空间的大小大约200M就发生Full GC了，从系统资源的利用角度来考虑，这个使用率太低了。

     

    上图A系统在3个小时内，一共发生了0次Full GC，嗯，就是没有任何停顿。 在这3小时，系统一直在处理业务，没有停顿。堆的总空间大约1536m，目前堆的空间大于500M。

    6小时图：

    

    上图B系统在6个小时的数据统计和3个小时很像，6个小时内一共发生了N次Full GC，均是堆的空间小于200M就发生Full GC了。

    

    上图A系统在6个小时内，一共发生了0次Full GC，表现优秀。

 12小时

    

    上图B系统在12个小时内，一共发生了N次Full GC，左边Full GC比较少，是因为我们的业务主要集中白天，虽然晚上属于非业务高峰期间，还是有Full GC。

    

    上图A系统在12个小时内，一共发生了0次Full GC，表现优秀。

GC日志

    看下gc.log文件，因为我们两台服务器都输出了gc的详细日志，先看下B系统的Full GC日志。

    

    

    上图全部是” [Full GC (Ergonomics)”日志，是因为已经去掉” GC (Allocation Failure”日志，这样更方便观察和分析日志，选取GC日志文件最后一条Full GC日志。

    2018-12-24T15:52:11.402+0800: 447817.937: [Full GC (Ergonomics) [PSYoungGen: 480K->0K(20992K)] [ParOldGen: 89513K->69918K(89600K)] 89993K->69918K(110592K), [Metaspace: 50147K->50147K(1095680K)], 0.1519366 secs] [Times: user=0.21 sys=0.00, real=0.15 secs]

    可以计算得到以下信息：

    堆的大小：110592K=108M

    老生代大小：89600K=87.5M

    新生代大小：20992K=20.5M

    分析：这次Full GC是因为老年代对象占用的空间的大小已经超过老年代容量 ([ParOldGen: 89513K->69918K(89600K)])引发的Full GC。是因为分配给老年代的空间太小，远远不能满足系统对业务的需要，导致老年代的空间常常被占满，老年代的空间满了，导致的Full GC。由于老年代的空间比较小，所以每次Full GC的时间也比较短。

    A系统日志，只有2次Full GC，这2次GC均发生在系统启动时：

    

    7.765: [Full GC (Metadata GC Threshold) [PSYoungGen: 18010K->0K(458752K)] [ParOldGen: 15142K->25311K(1048576K)] 33153K->25311K(1507328K), [Metaspace: 34084K->34084K(1081344K)], 0.0843090 secs] [Times: user=0.14 sys=0.00, real=0.08 secs]

    可以得到以下信息：

    堆的大小：1507328K=1472M

    老生代大小：89600K=1024M

    新生代大小：20992K=448M

    分析：A系统只有系统启动才出现二次Full GC现象，而且是” Metadata GC Threshold”引起的，而不是堆空间引起的Full GC。虽然经过一个星期的观察，A系统没有Full GC，但一旦发生Full GC时间则会比较长。其它系统增加发现过，1024M的老年代，Full GC持续的时间大约是90ms秒。所以看得出来推也不是越大越好，或者说在UseParallelOldGC收集器中，堆的空间不是越大越好。

分析与优化

总体分析：

1. B系统的Full GC过于频繁，是因为老生代只有约108M空间，根本无法满足系统在高峰时期的内存空间需求。由于ParOldGen(老年代)常常被耗尽，所以就发生Full GC事件了。
2. A系统的堆初始空间(Xms)和堆的最大值(Xmx)均为1536m，完全可以满足业务高峰期的内存需求。

优化策略：

1. B系统先增加堆空间大小，即通过设置Xms、 Xmx值增加堆空间。直接把Xms和Xmx均设置为1024M。直接堆的启动空间(Xms)直接设置为堆的最大值的原因是：因为直接把Xms设置为最大值(Xmx)可以避免JVM运行时不停的进行申请内存，而是直接在系统启动时就分配好了，从而提高系统的效率。把Xms(堆大小)设置为1024M，是因为采用JDK的建议，该建议通过命令得到” java -XX:+PrintCommandLineFlags -version” 。其中，“-XX:MaxHeapSize=1004719104”，即Xmx为1024M，其它建议暂时不采纳。所以综合下来的B系统的JVM参数设置如下：export JAVA_OPTS="-server –Xms1024m -Xmx1024m -XX:+UseParallelOldGC  -verbose:gc -Xloggc:../logs/gc.log  -XX:+PrintGCDetails -XX:+PrintGCTimeStamps"
2. A系统JVM参数设置保持不变，以便观察系统运行情况，即：export JAVA_OPTS="-server -Xms1536m -Xmx1536m -XX:+UseParallelOldGC  -verbose:gc -Xloggc:../logs/gc.log  -XX:+PrintGCDetails -XX:+PrintGCTimeStamps"

1. 将A、B节点系统的JVM参数采用2套参数，是为了验证A或B的参数更适合实际情况。