JVM亿级流量性能预调优实战（六）

客官°小女子只卖身不卖艺 2022-12-07 12:23 101阅读 0赞

今天咱们分析JVM 亿级流量预调优，首先设定业务场景：

**1、业务场景设定**

调优是要分场景的，所以一定要明显你调优项目的场景设定，像现在大家都是微服务架构了，服务拆分出来以后更加适合做场景设定。 比如这个服务就注重吞吐量，这个服务注重用户的体验（用户的响应时间）等等。

**2、无监控不优化**

这里的监控指的是压力测试，能够看到结果，有数据体现的，不要用感觉去优化，所有的东西一定要有量化的指标，比如吞吐量，响应时间，服务器资 源，网络资源等等。总之一句话，无监控不优化。

**      处理步骤**

**3、计算内存需求**

计算内存需求，内存不是越大越好，对于一般系统来说，内存的需求是弹性的，内存小，回收速度快也能承受。所以内存大小没有固定的规范。 虚拟机栈的大小在高并发情况下可以变小。 元空间（方法区）保险起见还是设定一个最大的值（默认情况下元空间是没有大小限制的），一般限定几百 M  就够用了，为什么说还限定元空间。

举例子：一台  8G  的内存的服务器，如果运行时还有其他的程序加上虚拟机栈加上元空间，占用超过  6  个  G  的话，那么我们设定堆是弹性的（ max=4G ）， 那么其实堆空间拓展也超不过 2G ，所以这个时候限制元空间还是有必要的。

**4、选定**  **CPU**

对于系统来说，  CPU  的性能是越高越好，这个按照你的预算来定（ CPU  的成本很高）。 尤其是现在服务器做了虚拟机化之后，虚拟机的性能指标不能单看虚拟化后的参数指标，更应该看实际物理机的情况（我有 一次服务器性能排查血泪史）。

**5、选择合适的垃圾回收器**

对于吞吐量优先的场景，就只有一种选择，就是使用  PS  组合（ Parallel Scavenge+Parallel Old  ）； 对于响应时间优先的场景，在 JDK1.8  的话优先  G1 ，其次是  CMS  垃圾回收器。

6、 **设定新生代大小、分代年龄**

上篇中我们用实战给大家解释到了： 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 , 而 老年代尽存放长期存活对象。

**7、设定日志参数**

\-XX:+PrintGC  输出  GC  日志

\-XX:+PrintGCDetails  输出  GC  的详细日志

\-XX:+PrintGCTimeStamps  输出  GC  的时间戳（以基准时间的形式）

\-XX:+PrintGCDateStamps  输出  GC  的时间戳（以日期的形式，如  2013-05-04T21:53:59.234+0800 ）

\-XX:+PrintHeapAtGC  在进行  GC  的前后打印出堆的信息

\-Xloggc:../logs/gc.log  日志文件的输出路径

注意：一般记录日志的是，如果只有一个日志文件肯定不行，有时候一个高并发项目一天产生的日志文件就上  T ，其实记录日志这个事情，应该是运维干 的事情。日志文件帮助我们分析问题。

**8、优化**  **JVM**  **运行环境（慢、卡顿等）**

一般造成  JVM  卡或者慢的原因无非两个部分，一个是  CPU  占用过高，一个是内存占用过高。所以这个时候需要我们进行问题的排查，进行具体的故障分析。

**亿级流量电商系统**  **JVM**  **调优**

**9、亿级流量系统**

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L25hbmRhbzE1OA_size_16_color_FFFFFF_t_70][]

亿级流量系统，其实就是每天点击量在亿级的系统，根据淘宝的一个官方的数据分析。 每个用户一次浏览点击 20~40  次之间，推测出每日活跃用户（日活用户）在  500  万左右。 同时结合淘宝的一个点击数据，可以发现，能够付费的也就是橙色的部分（cart ）的用户，比例只有  10% 左右。 90%的用户仅仅是浏览，那么我们可以通过图片缓存、 Redis  缓存等技术，我们可以把  90% 的用户解决掉。 10%的付费用户，大概算出来是每日成交  50  万单左右

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L25hbmRhbzE1OA_size_16_color_FFFFFF_t_70 1][]

**10、GC**  **预估**

如果是普通业务，一般处理时间比较平缓，大概在  3,4  个小时处理，算出来每秒只有几十单，这个一般的应用可以处理过来（不需要  JVM  预估调优） 另外电商系统中有大促场景（秒杀、限时抢购等），一般这种业务是几种在几分钟。我们算出来大约每秒 2000  单左右的数据， 承受大促场景的使用 4  台服务器（使用负载均衡）。每台订单服务器也就是大概  500  单 / 秒。

我们测试发现，每个订单处理过程中会占据  0.2MB  大小的空间（什么订单信息、优惠券、支付信息等等），那么一台服务器每秒产生  100M  的内存空间， 这些对象基本上都是朝生夕死，也就是 1  秒后都会变成垃圾对象。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L25hbmRhbzE1OA_size_16_color_FFFFFF_t_70 2][]

加入我们设置堆的空间最大值为  3  个  G ，我们按照默认情况下的设置，新生代  1/3  的堆空间，老年代  2/3  的堆空间。 Eden:S0:S1=8:1:1     我们推测出，old  区 =2G,Eden  区 =800M,S0=S1=100M。

根据对象的分配原则（对象优先在  Eden  区进行分配），由此可得， 8  秒左右  Eden  区空间满了。 每 8  秒触发一个  MinorGC （新生代垃圾回收），这次  MinorGC  时， JVM  要  STW ，但是这个时候有  100M  的对象是不能回收的（线程暂停，对象需要  1  秒 后都会变成垃圾对象），那么就会有  100M  的对象在本次不能被回收（只有下次才能被回收掉）。

所以经过本次垃圾回收后。本次存活的  100M  对象会进入  S0  区，但是由于另外一个  JVM  对象分配原则（如果在  Survivor  空间中相同年龄所有对象大小的 总和大于 Survivor  空间的一半，年龄大于或等于该年龄的对象就可以直接进入老年代，无须等到  MaxTenuringThreshold  中要求的年龄） 所以这样的对象本质上不会进去 Survivor  区，而是进入老年代

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L25hbmRhbzE1OA_size_16_color_FFFFFF_t_70 3][]

所以我们推算，大概每个  8  秒会有  100M  的对象进入老年代。大概  20\*8=160  秒，也就是  2  分  40  秒左右  old  区就会满掉，就会触发一次  FullGC, 一般来说， 这次 FullGC  是可以避免的，同时由于  FullGC  不单单回收老年代 \+ 新生代，还要回收元空间，这些  FullGC  的时间可能会比较长（老年代回收的朝生夕死的对 象，使用标记清除/ 标记整理算法决定了效率并不高 , 同时元空间也要回收一次，进一步加大  GC  时间）。 所以问题的根本就是做到如何避免没有必要的 FullGC。

**11、GC**  **预估调优**

我们在项目中加入  VM  参数：

\-Xms3072M //初始化

\-Xmx3072M //最大

\-Xmn2048M  //年轻代大小

\-XX:SurvivorRatio=7

\-Xss256K  //线程堆栈大小  默认1 M

\-XX:MetaspaceSize= 128M  //元空间

\-XX:MaxMetaspaceSize= 128M

\-XX:MaxTenuringThreshold=2

\-XX:ParallelGCThreads=8

\-XX:+UseConcMarkSweepGC

1 、首先看一下堆空间： old  区 =1G ， Eden  区 =1.4G,S0=S1=300M

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L25hbmRhbzE1OA_size_16_color_FFFFFF_t_70 4][]

2 、那么第一点， Eden  区大概需要  14  秒才能填满，填满之后， 100M  的存活对象会进入  S0  区（由于这个区域变大，不会触发动态年龄判断）

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L25hbmRhbzE1OA_size_16_color_FFFFFF_t_70 5][]

3 、再过  14  秒， Eden  区，填满之后，还是剩余  100M  的对象要进入  S1  区。但是由于原来的  100M  已经是垃圾了（过了  14  秒了），所以， S1  也只会

有  Eden  区过来的  100M  对象， S0  的  100M  已经别回收，也不会触发动态年龄判断。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L25hbmRhbzE1OA_size_16_color_FFFFFF_t_70 6][]

4 、反反复复，这样就没有对象会进入  old  区，就不会触发  FullGC, 同时我们的  MinorGC  的频次也由之前的  8  秒变为  14  秒，虽然空间加大，但是换来

的还是  GC  的总时间会减少。

5 、 \-Xss256K -XX:MetaspaceSize= 128M -XX:MaxMetaspaceSize= 128M  栈一般情况下很少用到  1M 。所以为了线程占用内存更少，我们可以减少到  256K

元空间一般启动后就不会有太多的变化，我们可以设定为  128M ，节约内存空间。

6 、 \-XX:MaxTenuringThreshold=2  这个是分代年龄（年龄为  2  就可以进入老年代），因为我们基本上都使用的是  Spring  架构， Spring  中很多的  bean  是 长期要存活的，没有必要在 Survivor  区过渡太久，所以可以设定为  2 ，让大部分的  Spring  的内部的一些对象进入老年代。

7 、 \-XX:ParallelGCThreads=8  线程数可以根据你的服务器资源情况来设定（要速度快的话可以设置大点，根据  CPU  的情况来定，一般设置成  CPU  的整 数倍）

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L25hbmRhbzE1OA_size_16_color_FFFFFF_t_70 7][]

8 、 \-XX:+UseConcMarkSweepGC  因为这个业务响应时间优先的，所以还是可以使用  CMS  垃圾回收器或者  G1  垃圾回收器。

![watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L25hbmRhbzE1OA_size_16_color_FFFFFF_t_70 8][]

预调优今天到此结束：明天分析调优实战，解决线上卡顿、慢等问题，敬请期待！

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L25hbmRhbzE1OA_size_16_color_FFFFFF_t_70]: /images/20221123/cdabd78ce493426985d3f5ae5f9b4730.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L25hbmRhbzE1OA_size_16_color_FFFFFF_t_70 1]: /images/20221123/9e2489be820c4045bafc9dade7bb29d3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L25hbmRhbzE1OA_size_16_color_FFFFFF_t_70 2]: /images/20221123/88e167ce1944429ca60351f4ec4783d7.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L25hbmRhbzE1OA_size_16_color_FFFFFF_t_70 3]: /images/20221123/3a9986e834674a50ad9958c8203c9c48.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L25hbmRhbzE1OA_size_16_color_FFFFFF_t_70 4]: /images/20221123/545a325bbc4c4933a0640b8d7c2411f3.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L25hbmRhbzE1OA_size_16_color_FFFFFF_t_70 5]: /images/20221123/39266805ac5940c5b7d45617a19a11d5.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L25hbmRhbzE1OA_size_16_color_FFFFFF_t_70 6]: /images/20221123/714d2fdc372f46bfbdcc639f171932bd.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L25hbmRhbzE1OA_size_16_color_FFFFFF_t_70 7]: /images/20221123/fb480e237e8d44859ca526f8a6c91911.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L25hbmRhbzE1OA_size_16_color_FFFFFF_t_70 8]: /images/20221123/888bdc62cf3841ae8db9f9f280145da8.png