GC一些长时间停顿问题排查及解决办法

一时失言乱红尘 2023-09-29 12:45 17阅读 0赞

对于许多企业级应用，尤其是OLTP应用来说，长暂停很可能导致服务超时，而对这些运行在JVM上的应用来说，**垃圾回收（GC）可能是长暂停最主要的原因**。本文将描述一些可能碰到GC长暂停的不同场景，以及说明我们如何排查和解决这些GC停顿的问题。

下面是一些应用在运行时，可能导致GC长暂停的不同场景。

## 1. 碎片化 ##

这个绝对要排在第一位。因为，正是因为碎片化问题–CMS最致命的缺陷，导致这个统治了OLAP系统十多年的垃圾回收器直接退出历史舞台（CMS已经是**deprecated**，未来版本会被移除，请珍惜那些配置了CMS的JVM吧），面对G1以及最新的ZGC，天生残(碎)缺(片)的CMS毫无还手之力。

对于CMS，由于老年代的碎片化问题，在YGC时可能碰到晋升失败（**promotion failures**，即使老年代还有足够多有效的空间，但是仍然可能导致分配失败，因为**没有足够连续的空间**），从而触发**Concurrent Mode Failure**，发生会完全STW的FullGC。FullGC相比CMS这种并发模式的GC需要更长的停顿时间才能完成垃圾回收工作，这绝对是Java应用最大的灾难之一。

为什么CMS场景下会有碎片化问题？由于CMS在老年代回收时，采用的是标记清理（Mark-Sweep）算法，它在垃圾回收时并不会压缩堆，日积月累，导致老年代的碎片化问题会**越来越严重**，直到发生**单线程**的Mark-Sweep-Compact GC，即FullGC，会完全STW。如果堆比较大的话，STW的时间可能需要好几秒，甚至十多秒，几十秒都有可能。

接下来的cms gc日志，由于碎片率非常高，从而导致promotion failure，然后发生concurrent mode failure，触发的FullGC总计花了17.1365396秒才完成：

{Heap before GC invocations=7430 (full 24):
    parnew generation total 134400K, used 121348K[0x53000000, 0x5c600000, 0x5c600000)
    eden space 115200K, 99% used [0x53000000, 0x5a07e738, 0x5a080000)
    from space 19200K, 32% used [0x5a080000, 0x5a682cc0, 0x5b340000)
    to space 19200K, 0% used [0x5b340000, 0x5b340000, 0x5c600000)
    concurrent mark-sweep generation total 2099200K, used 1694466K [0x5c600000, 0xdc800000, 0xdc800000)
    concurrent-mark-sweep perm gen total 409600K, used 186942K [0xdc800000, 0xf5800000, 0xfbc00000)
    10628.167: [GC Before GC:
    Statistics for BinaryTreeDictionary:
    ------------------------------------
    Total Free Space: 103224160
    Max Chunk Size: 5486
    Number of Blocks: 57345
    Av. Block Size: 1800
    Tree Height: 36  <---- High fragmentation
    Statistics for IndexedFreeLists:
    --------------------------------
    Total Free Space: 371324
    Max Chunk Size: 254
    Number of Blocks: 8591 <---- High fragmentation
    Av. Block Size: 43
    free=103595484
    frag=1.0000 <---- High fragmentation
    Before GC:
    Statistics for BinaryTreeDictionary:
    ------------------------------------
    Total Free Space: 0
    Max Chunk Size: 0
    Number of Blocks: 0
    Tree Height: 0
    Statistics for IndexedFreeLists:
    --------------------------------
    Total Free Space: 0
    Max Chunk Size: 0
    Number of Blocks: 0
    free=0 frag=0.0000
    10628.168: [ParNew (promotion failed) Desired survivor size 9830400 bytes, new threshold 1 (max 1)
    - age 1: 4770440 bytes, 4770440 total: 121348K->122157K(134400K), 0.4263254secs]
    10628,594: [CMS10630.887: [CMS-concurrent-mark: 7.286/8.682 secs] [Times: user=14.81, sys=0.34, real=8.68 secs] 
    (concurrent mode failure):1698044K->625427K(2099200K), 17.1365396 secs]
    1815815K->625427K(2233600K), [CMS Perm : 186942K->180711K(409600K)]
    
    After GC:
    Statistics for BinaryTreeDictionary:
    ------------------------------------
    Total Free Space: 377269492
    Max Chunk Size:
    377269492
    Number of Blocks: 1 <---- No fragmentation
    Av. Block Size: 377269492
    Tree Height: 1 <---- No fragmentation
    Statistics for IndexedFreeLists:
    --------------------------------
    Total Free Space: 0
    Max Chunk Size: 0
    Number of Blocks: 0
    free=377269492
    frag=0.0000 <---- No fragmentation
    After GC:
    Statistics for BinaryTreeDictionary:
    ------------------------------------
    Total Free Space: 0
    Max Chunk Size: 0
    Number of Blocks: 0
    Tree Height: 0
    Statistics for IndexedFreeLists:
    --------------------------------
    Total Free Space: 0
    Max Chunk Size: 0
    Number of Blocks: 0
    free=0 frag=0.0000
    , 17.5645589 secs] [Times: user=17.82 sys=0.06, real=17.57 secs]
    Heap after GC invocations=7431 (full 25):
    parnew generation total 134400K, used 0K [0x53000000, 0x5c600000, 0x5c600000)
    eden space 115200K, 0% used [0x53000000, 0x53000000, 0x5a080000)
    from space 19200K, 0% used [0x5b340000, 0x5b340000, 0x5c600000)
    to space 19200K, 0% used [0x5a080000, 0x5a080000, 0x5b340000)
    concurrent mark-sweep generation total 2099200K, used 625427K [0x5c600000, 0xdc800000, 0xdc800000)
    concurrent-mark-sweep perm gen total 409600K, used 180711K [0xdc800000, 0xf5800000, 0xfbc00000)
    }
    Total time for which application threads were stopped: 17.5730653 seconds

## 2. GC时操作系统的活动 ##

当发生GC时，一些操作系统的活动，比如swap，可能导致GC停顿时间更长，这些停顿可能是几秒，甚至几十秒级别。

如果你的系统配置了允许使用swap空间，操作系统可能把JVM进程的非活动内存页移到swap空间，从而释放内存给当前活动进程（可能是操作系统上其他进程，取决于系统调度）。Swapping由于需要访问磁盘，所以相比物理内存，它的速度慢的令人发指。所以，如果在GC的时候，系统正好需要执行Swapping，那么GC停顿的时间一定会非常非常非常恐怖。

下面是一段持续了29.48秒的YGC日志：

{Heap before GC invocations=132 (full 0):
    par new generation total 2696384K, used 2696384K [0xfffffffc20010000, 0xfffffffce0010000, 0xfffffffce0010000)
    eden space 2247040K, 100% used [0xfffffffc20010000, 0xfffffffca9270000, 0xfffffffca9270000)
    from space 449344K, 100% used [0xfffffffca9270000, 0xfffffffcc4940000, 0xfffffffcc4940000)
    to space 449344K, 0% used [0xfffffffcc4940000, 0xfffffffcc4940000, 0xfffffffce0010000)
    concurrent mark-sweep generation total 9437184K, used 1860619K [0xfffffffce0010000, 0xffffffff20010000, 0xffffffff20010000)
    concurrent-mark-sweep perm gen total 1310720K, used 511451K [0xffffffff20010000, 0xffffffff70010000, 0xffffffff70010000)
    2013-07-17T03:58:06.601-0700: 51522.120: [GC Before GC: :2696384K->449344K(2696384K), 29.4779282 secs] 4557003K->2326821K(12133568K) ,29.4795222 secs] [Times: user=915.56, sys=6.35, real=29.48 secs]

> 最后一行\[Times: user=915.56, sys=6.35, real=29.48 secs\]中real就是YGC时应用真实的停顿时间。

发生YGC的这个时间点，vmstat命令输出结果如下：

r b w swap     free     re  mf   pi po fr de sr s0 s1 s2 s3 in    sy    cs    us sy id
    0 0 0 77611960 94847600 55  266  0  0  0  0  0  0  0  0  0  3041  2644  2431  44 8  48
    0 0 0 76968296 94828816 79  324  0  18 18 0  0  0  0  1  0  3009  3642  2519  59 13 28
    1 0 0 77316456 94816000 389 2848 0  7  7  0  0  0  0  2  0  40062 78231 61451 42 6  53
    2 0 0 77577552 94798520 115 591  0  13 13 0  0  13 12 1  0  4991  8104  5413  2  0  98

YGC总计花了29秒才完成。vmstat命令输出结果表示，可用swap空间在这个时间段减少了600m。这就意味着，在GC的时候，内存中的一些页被移到了swap空间，这个内存页不一定属于JVM进程，可能是其他操作系统上的其他进程。

从上面可以看出，操作系统上可用物理内容不足以运行系统上所有的进程，解决办法就是尽可能运行更少的进程，增加RAM从而提升系统的物理内存。在这个例子中，Old区有9G，但是只使用了1.8G（mark-sweep generation total 9437184K, used 1860619K）。我们可以适当的降低Old区的大小以及整个堆的大小，从而减少内存压力，最小化系统上的应用发生swapping的可能。

除了swapping以外，我们也需要监控了解长GC暂停时的任何IO或者网络活动情况等, 可以通过iostat和netstat两个工具来实现. 我们还能通过mpstat查看CPU统计信息，从而弄清楚在GC的时候是否有足够的CPU资源。

## 3. 堆空间不够 ##

如果应用程序需要的内存比我们执行的Xmx还要大，也会导致频繁的垃圾回收，甚至OOM。由于堆空间不足，对象分配失败，JVM就需要调用GC尝试回收已经分配的空间，但是GC并不能释放更多的空间，从而又回导致GC，进入恶性循环。

应用运行时，频繁的FullGC会引起长时间停顿，在下面这个例子中，Perm空间几乎是满的，并且在Perm区尝试分配内存也都失败了，从而触发FullGC：

166687.013: [Full GC [PSYoungGen:126501K->0K(922048K)] [PSOldGen: 2063794K->1598637K(2097152K)]2190295K->1598637K(3019200K) [PSPermGen: 165840K->164249K(166016K)],6.8204928 secs] [Times: user=6.80 sys=0.02, real=6.81 secs]
    166699.015: [Full GC [PSYoungGen:125518K->0K(922048K)] [PSOldGen: 1763798K->1583621K(2097152K)]1889316K->1583621K(3019200K) [PSPermGen: 165868K->164849K(166016K)],4.8204928 secs] [Times: user=4.80 sys=0.02, real=4.81 secs]

同样的，如果在老年代的空间不够的话，也会导致频繁FullGC，这类问题比较好办，给足老年代和永久代，不要做太抠门的人了，嘿嘿。

## 4. JVM Bug ##

什么软件都有BUG，JVM也不例外。有时候，GC的长时间停顿就有可能是BUG引起的。例如，下面列举的这些JVM的BUG，就可能导致Java应用在GC时长时间停顿。

6459113: CMS+ParNew: wildly different ParNew pause times depending on heap shape caused by allocation spread
    fixed in JDK 6u1 and 7
    
    6572569: CMS: consistently skewed work distribution indicated in (long) re-mark pauses
    fixed in JDK 6u4 and 7
    
    6631166: CMS: better heuristics when combatting fragmentation
    fixed in JDK 6u21 and 7
    
    6999988: CMS: Increased fragmentation leading to promotion failure after CR#6631166 got implemented
    fixed in JDK 6u25 and 7
    
    6683623: G1: use logarithmic BOT code such as used by other collectors
    fixed in JDK 6u14 and 7
    
    6976350: G1: deal with fragmentation while copying objects during GC
    fixed in JDK 8

如果你的JDK正好是上面这些版本，强烈建议升级到更新BUG已经修复的版本。

## 5. 显示System.gc调用 ##

检查是否有显示的System.gc调用，应用中的一些类里，或者第三方模块中调用System.gc调用从而触发STW的FullGC，也可能会引起非常长时间的停顿。如下GC日志所示，Full GC后面的（System）表示它是由调用System.GC触发的FullGC，并且耗时5.75秒：

164638.058: [Full GC (System) [PSYoungGen: 22789K->0K(992448K)]
    [PSOldGen: 1645508K->1666990K(2097152K)] 1668298K->1666990K(3089600K)
    [PSPermGen: 164914K->164914K(166720K)], 5.7499132 secs] [Times: user=5.69, sys=0.06, real=5.75 secs]

如果你使用了RMI，能观察到固定时间间隔的FullGC，也是由于RMI的实现调用了System.gc。这个时间间隔可以通过系统属性配置：

-Dsun.rmi.dgc.server.gcInterval=7200000
    -Dsun.rmi.dgc.client.gcInterval=7200000

> JDK 1.4.2和5.0的默认值是60000毫秒，即1分钟；JDK6以及以后的版本，默认值是3600000毫秒，即1个小时。

如果你要关闭通过调用System.gc()触发FullGC，配置JVM参数`-XX:+DisableExplicitGC`即可。

那么如何定位并解决这类问题问题呢？

1.  配置JVM参数：-XX:+PrintGCDetails -XX:+PrintHeapAtGC  
    \-XX:+PrintGCTimeStamps -XX:+PrintGCDateStamps and -XX:+PrintGCApplicationStoppedTime. 如果是CMS，还需要添加-XX:PrintFLSStatistics=2，然后收集GC日志。因为GC日志能告诉我们GC频率，是否长时间停顿等重要信息。
2.  使用vmstat, iostat, netstat和mpstat等工具监控系统全方位健康状况。
3.  使用GCHisto工具可视化分析GC日志，弄明白消耗了很长时间的GC，以及这些GC的出现是否有一定的规律。
4.  尝试从GC日志中能否找出一下JVM堆碎片化的表征。
5.  监控指定应用的堆大小是否足够。
6.  检查你运行的JVM版本，是否有与长时间停顿相关的BUG，然后升级到修复问题的最新JDK。

![37adaa9eb7074e8793808675587c42c3.png][]

[37adaa9eb7074e8793808675587c42c3.png]: https://img-blog.csdnimg.cn/37adaa9eb7074e8793808675587c42c3.png