JVM调优之 -Xms -Xmx -Xmn -Xss

心已赠人 2024-02-19 16:50 15阅读 0赞

原博客地址：[http://uule.iteye.com/][http_uule.iteye.com]

1、[JVM垃圾回收与性能调优总结][JVM]

2、[JVM调优的几种策略][JVM 1]

![3d11dfb9-18ca-32f6-8e45-48522c670e92.jpeg][]

**一、JVM内存模型及垃圾收集算法**

**1.**根据Java虚拟机规范，**JVM将内存划分为：**

*  New（年轻代）
 *  Tenured（年老代）
 *  永久代（Perm）

其中New和Tenured属于堆内存，堆内存会从JVM启动参数（-Xmx:3G）指定的内存中分配，**Perm不属于堆内存，有虚拟机直接分配**，但可以通过**-XX:PermSize -XX:MaxPermSize** 等参数调整其大小。

*  年轻代（New）：**年轻代用来存放JVM刚分配的Java对象**
 *  年老代（Tenured)：年轻代中经过垃圾回收没有回收掉的对象将被Copy到年老代
 *  永久代（Perm）：永久代存放Class、Method元信息，其大小跟项目的规模、类、方法的量有关，一般设置为128M就足够，设置原则是预留30%的空间。

New又分为几个部分：

*  Eden：**Eden用来存放JVM刚分配的对象**
 *  Survivor1
 *  Survivro2：**两个Survivor空间一样大**，当Eden中的对象经过垃圾回收没有被回收掉时，会在两个Survivor之间来回Copy，当满足某个条件，比如Copy次数，就会被Copy到Tenured。显然，**Survivor只是增加了对象在年轻代中的逗留时间**，增加了被垃圾回收的可能性。

**2.垃圾回收算法**

垃圾回收算法可以分为三类，都基于标记-清除（复制）算法：

*  Serial算法（单线程）
 *  并行算法
 *  并发算法

JVM会根据机器的硬件配置对每个内存代选择适合的回收算法，比如，如果机器多于1个核，会对年轻代选择并行算法，关于选择细节请参考JVM调优文档。

稍微解释下的是，**并行算法是用多线程进行垃圾回收，回收期间会暂停程序的执行，而并发算法，也是多线程回收，但期间不停止应用执行。**所以，并发算法适用于交互性高的一些程序。经过观察，并发算法会减少年轻代的大小，其实就是使用了一个大的年老代，这反过来跟并行算法相比吞吐量相对较低。

还有一个问题是，垃圾回收动作何时执行？

*  当年轻代内存满时，会引发一次普通GC，该GC仅回收年轻代。**需要强调的时，年轻代满是指Eden代满，Survivor满不会引发GC**
 *  当年老代满时会引发Full GC，Full GC将会同时回收年轻代、年老代
 *  当永久代满时也会引发Full GC，会导致Class、Method元信息的卸载

另一个问题是，何时会抛出OutOfMemoryException，**并不是内存被耗空的时候才抛出**

*  JVM98%的时间都花费在内存回收
 *  每次回收的内存小于2%

满足这两个条件将触发OutOfMemoryException，这将会留给系统一个微小的间隙以做一些Down之前的操作，比如手动打印Heap Dump。

**二、内存泄漏及解决方法**

1.系统崩溃前的一些现象：

*  每次垃圾回收的时间越来越长，由之前的10ms延长到50ms左右，FullGC的时间也有之前的0.5s延长到4、5s
 *  FullGC的次数越来越多，最频繁时隔不到1分钟就进行一次FullGC
 *  年老代的内存越来越大并且每次FullGC后年老代没有内存被释放

之后系统会无法响应新的请求，逐渐到达OutOfMemoryError的临界值。

2.生成堆的dump文件

通过JMX的MBean生成当前的Heap信息，大小为一个3G（整个堆的大小）的hprof文件，如果没有启动JMX可以通过Java的jmap命令来生成该文件。

3.分析dump文件

下面要考虑的是如何打开这个3G的堆信息文件，显然一般的Window系统没有这么大的内存，必须借助高配置的Linux。当然我们可以借助X-Window把Linux上的图形导入到Window。我们考虑用下面几种工具打开该文件：

1.  Visual VM
2.  IBM HeapAnalyzer
3.  JDK 自带的Hprof工具

使用这些工具时为了确保加载速度，建议设置最大内存为6G。使用后发现，这些工具都无法直观地观察到内存泄漏，Visual VM虽能观察到对象大小，但看不到调用堆栈；HeapAnalyzer虽然能看到调用堆栈，却无法正确打开一个3G的文件。因此，我们又选用了Eclipse专门的静态内存分析工具：Mat。

4.分析内存泄漏

通过Mat我们能清楚地看到，哪些对象被怀疑为内存泄漏，哪些对象占的空间最大及对象的调用关系。针对本案，在ThreadLocal中有很多的JbpmContext实例，经过调查是JBPM的Context没有关闭所致。

另，通过Mat或JMX我们还可以分析线程状态，可以观察到线程被阻塞在哪个对象上，从而判断系统的瓶颈。

5.回归问题

Q：为什么崩溃前垃圾回收的时间越来越长？

A:根据内存模型和垃圾回收算法，垃圾回收分两部分：内存标记、清除（复制），标记部分只要内存大小固定时间是不变的，变的是复制部分，因为每次垃圾回收都有一些回收不掉的内存，所以增加了复制量，导致时间延长。所以，垃圾回收的时间也可以作为判断内存泄漏的依据

Q：为什么Full GC的次数越来越多？

A：因此内存的积累，逐渐耗尽了年老代的内存，导致新对象分配没有更多的空间，从而导致频繁的垃圾回收

Q:为什么年老代占用的内存越来越大？

A:因为年轻代的内存无法被回收，越来越多地被Copy到年老代

**三、性能调优**

除了上述内存泄漏外，我们还发现CPU长期不足3%，系统吞吐量不够，针对8core×16G、64bit的Linux[服务器][Link 1]来说，是严重的资源浪费。

在CPU负载不足的同时，偶尔会有用户反映请求的时间过长，我们意识到必须对程序及JVM进行调优。从以下几个方面进行：

*  **线程池**：解决用户响应时间长的问题
 *  **连接池**
 *  **JVM启动参数**：调整各代的内存比例和垃圾回收算法，提高吞吐量
 *  **程序算法**：改进程序逻辑算法提高性能

**1.Java线程池（java.util.concurrent.ThreadPoolExecutor）**

大多数JVM6上的应用采用的线程池都是JDK自带的线程池，之所以把成熟的Java线程池进行罗嗦说明，是因为该线程池的行为与我们想象的有点出入。Java线程池有几个重要的配置参数：

*  corePoolSize：核心线程数（最新线程数）
 *  maximumPoolSize：最大线程数，超过这个数量的任务会被拒绝，用户可以通过RejectedExecutionHandler接口自定义处理方式
 *  keepAliveTime：线程保持活动的时间
 *  workQueue：工作队列，存放执行的任务

Java线程池需要传入一个Queue参数（workQueue）用来存放执行的任务，而对Queue的不同选择，线程池有完全不同的行为：

*  `SynchronousQueue：``一个无容量的等待队列，一个线程的insert操作必须等待另一线程的remove操作，采用这个Queue线程池将会为每个任务分配一个新线程`
 *  `LinkedBlockingQueue ：` `无界队列，采用该Queue，线程池将忽略` maximumPoolSize参数，仅用corePoolSize的线程处理所有的任务，未处理的任务便在`LinkedBlockingQueue中排队`
 *  `ArrayBlockingQueue： 有界队列，在有界队列和` maximumPoolSize的作用下，程序将很难被调优：更大的Queue和小的maximumPoolSize将导致CPU的低负载；小的Queue和大的池，Queue就没起动应有的作用。

其实我们的要求很简单，希望线程池能跟连接池一样，能设置最小线程数、最大线程数，当最小数<任务<最大数时，应该分配新的线程处理；当任务>最大数时，应该等待有空闲线程再处理该任务。

但线程池的设计思路是，任务应该放到Queue中，当Queue放不下时再考虑用新线程处理，如果Queue满且无法派生新线程，就拒绝该任务。设计导致“先放等执行”、“放不下再执行”、“拒绝不等待”。所以，根据不同的Queue参数，要提高吞吐量不能一味地增大maximumPoolSize。

当然，要达到我们的目标，必须对线程池进行一定的封装，幸运的是ThreadPoolExecutor中留了足够的自定义接口以帮助我们达到目标。我们封装的方式是：

*  以SynchronousQueue作为参数，使maximumPoolSize发挥作用，以防止线程被无限制的分配，同时可以通过提高maximumPoolSize来提高系统吞吐量
 *  自定义一个RejectedExecutionHandler，当线程数超过maximumPoolSize时进行处理，处理方式为隔一段时间检查线程池是否可以执行新Task，如果可以把拒绝的Task重新放入到线程池，检查的时间依赖keepAliveTime的大小。

**2.连接池（org.apache.commons.dbcp.BasicDataSource）**

在使用org.apache.commons.dbcp.BasicDataSource的时候，因为之前采用了默认配置，所以当访问量大时，通过JMX观察到很多Tomcat线程都阻塞在BasicDataSource使用的Apache ObjectPool的锁上，直接原因当时是因为BasicDataSource连接池的最大连接数设置的太小，默认的BasicDataSource配置，仅使用8个最大连接。

我还观察到一个问题，当较长的时间不访问系统，比如2天，DB上的Mysql会断掉所以的连接，导致连接池中缓存的连接不能用。为了解决这些问题，我们充分研究了BasicDataSource，发现了一些优化的点：

*  Mysql默认支持100个链接，所以每个连接池的配置要根据集群中的机器数进行，如有2台服务器，可每个设置为60
 *  initialSize：参数是一直打开的连接数
 *  minEvictableIdleTimeMillis：该参数设置每个连接的空闲时间，超过这个时间连接将被关闭
 *  timeBetweenEvictionRunsMillis：后台线程的运行周期，用来检测过期连接
 *  maxActive：最大能分配的连接数
 *  maxIdle：最大空闲数，当连接使用完毕后发现连接数大于maxIdle，连接将被直接关闭。只有initialSize < x < maxIdle的连接将被定期检测是否超期。这个参数主要用来在峰值访问时提高吞吐量。
 *  initialSize是如何保持的？经过研究代码发现，BasicDataSource会关闭所有超期的连接，然后再打开initialSize数量的连接，这个特性与minEvictableIdleTimeMillis、timeBetweenEvictionRunsMillis一起保证了所有超期的initialSize连接都会被重新连接，从而避免了Mysql长时间无动作会断掉连接的问题。

**3.JVM参数**

在JVM启动参数中，可以设置跟内存、垃圾回收相关的一些参数设置，默认情况不做任何设置JVM会工作的很好，但对一些配置很好的Server和具体的应用必须仔细调优才能获得最佳性能。通过设置我们希望达到一些目标：

*  **GC的时间足够的小**
 *  **GC的次数足够的少**
 *  **发生Full GC的周期足够的长**

前两个目前是相悖的，要想GC时间小必须要一个更小的堆，要保证GC次数足够少，必须保证一个更大的堆，我们只能取其平衡。

（1）针对JVM堆的设置，一般可以通过-Xms -Xmx限定其最小、最大值，**为了防止垃圾收集器在最小、最大之间收缩堆而产生额外的时间，我们通常把最大、最小设置为相同的值**  
（2）**年轻代和年老代将根据默认的比例（1：2）分配堆内存**，可以通过调整二者之间的比率NewRadio来调整二者之间的大小，也可以针对回收代，比如年轻代，通过 -XX:newSize -XX:MaxNewSize来设置其绝对大小。同样，为了防止年轻代的堆收缩，我们通常会把-XX:newSize -XX:MaxNewSize设置为同样大小

（3）年轻代和年老代设置多大才算合理？这个我问题毫无疑问是没有答案的，否则也就不会有调优。我们观察一下二者大小变化有哪些影响

*  **更大的年轻代必然导致更小的年老代，大的年轻代会延长普通GC的周期，但会增加每次GC的时间；小的年老代会导致更频繁的Full GC**
 *  **更小的年轻代必然导致更大年老代，小的年轻代会导致普通GC很频繁，但每次的GC时间会更短；大的年老代会减少Full GC的频率**
 *  如何选择应该依赖应用程序**对象生命周期的分布情况**：如果应用存在大量的临时对象，应该选择更大的年轻代；如果存在相对较多的持久对象，年老代应该适当增大。但很多应用都没有这样明显的特性，在抉择时应该根据以下两点：（A）本着Full GC尽量少的原则，让年老代尽量缓存常用对象，JVM的默认比例1：2也是这个道理 （B）通过观察应用一段时间，看其他在峰值时年老代会占多少内存，在不影响Full GC的前提下，根据实际情况加大年轻代，比如可以把比例控制在1：1。但应该给年老代至少预留1/3的增长空间

（4）**在配置较好的机器上（比如多核、大内存），可以为年老代选择并行收集算法**： **-XX:+UseParallelOldGC** ，默认为Serial收集

（5）线程堆栈的设置：每个线程默认会开启1M的堆栈，用于存放栈帧、调用参数、局部变量等，对大多数应用而言这个默认值太了，一般256K就足用。理论上，在内存不变的情况下，减少每个线程的堆栈，可以产生更多的线程，但这实际上还受限于操作系统。

（4）可以通过下面的参数打Heap Dump信息

*  \-XX:HeapDumpPath
 *  \-XX:+PrintGCDetails
 *  \-XX:+PrintGCTimeStamps
 *  \-Xloggc:/usr/aaa/dump/heap\_trace.txt

通过下面参数可以控制OutOfMemoryError时打印堆的信息

*  \-XX:+HeapDumpOnOutOfMemoryError

请看一下一个时间的Java参数配置：（服务器：Linux 64Bit，8Core×16G）

**JAVA\_OPTS="$JAVA\_OPTS -server -Xms3G -Xmx3G -Xss256k -XX:PermSize=128m -XX:MaxPermSize=128m -XX:+UseParallelOldGC -XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=/usr/aaa/dump -XX:+PrintGCDetails -XX:+PrintGCTimeStamps -Xloggc:/usr/aaa/dump/heap\_trace.txt -XX:NewSize=1G -XX:MaxNewSize=1G"**

经过观察该配置非常稳定，每次普通GC的时间在10ms左右，Full GC基本不发生，或隔很长很长的时间才发生一次

通过分析dump文件可以发现，每个1小时都会发生一次Full GC，经过多方求证，只要在JVM中开启了JMX服务，JMX将会1小时执行一次Full GC以清除引用，关于这点请参考附件文档。

4.程序算法调优：本次不作为重点

参考资料：

http://java.sun.com/javase/technologies/hotspot/gc/gc\_tuning\_6.html

来源：http://blog.csdn.net/chen77716/article/details/5695893

=======================================================================================

**调优方法**

一切都是为了这一步，调优，在调优之前，我们需要记住下面的原则：

1、多数的Java应用不需要在服务器上进行GC优化；

2、多数导致GC问题的Java应用，都不是因为我们参数设置错误，而是代码问题；

3、在应用上线之前，先考虑将机器的JVM参数设置到最优（最适合）；

4、减少创建对象的数量；

5、减少使用全局变量和大对象；

6、GC优化是到最后不得已才采用的手段；

7、在实际使用中，分析GC情况优化代码比优化GC参数要多得多；

**GC优化的目的有两个**（http://www.360doc.com/content/13/0305/10/15643\_269388816.shtml）：

1、将转移到老年代的对象数量降低到最小；

2、减少full GC的执行时间；

为了达到上面的目的，一般地，你需要做的事情有：

1、减少使用全局变量和大对象；

2、调整[新生代][Link 2]的大小到最合适；

3、设置老年代的大小为最合适；

4、选择合适的GC收集器；

在上面的4条方法中，用了几个“合适”，那究竟什么才算合适，一般的，请参考上面“收集器搭配”和“启动内存分配”两节中的建议。但这些建议不是万能的，需要根据您的机器和应用情况进行发展和变化，实际操作中，可以将两台机器分别设置成不同的GC参数，并且进行对比，选用那些确实提高了性能或减少了GC时间的参数。

真正熟练的使用GC调优，是建立在多次进行GC监控和调优的实战经验上的，进行监控和调优的一般步骤为：

1，监控GC的状态

使用各种JVM工具，查看当前日志，分析当前JVM参数设置，并且分析当前堆内存快照和gc日志，根据实际的各区域内存划分和GC执行时间，觉得是否进行优化；

2，分析结果，判断是否需要优化

如果各项参数设置合理，系统没有超时日志出现，GC频率不高，GC耗时不高，那么没有必要进行GC优化；如果GC时间超过1-3秒，或者频繁GC，则必须优化；

注：**如果满足下面的指标，则一般不需要进行GC：**

Minor GC执行时间不到50ms；

Minor GC执行不频繁，约10秒一次；

**Full GC执行时间不到1s；**

Full GC执行频率不算频繁，不低于10分钟1次；

3，调整GC类型和内存分配

如果内存分配过大或过小，或者采用的GC收集器比较慢，则应该优先调整这些参数，并且先找1台或几台机器进行beta，然后比较优化过的机器和没有优化的机器的性能对比，并有针对性的做出最后选择；

4，不断的分析和调整

通过不断的试验和试错，分析并找到最合适的参数

5，全面应用参数

如果找到了最合适的参数，则将这些参数应用到所有服务器，并进行后续跟踪。

**调优实例**

上面的内容都是[纸上谈兵][Link 3]，下面我们以一些真实例子来进行说明：

实例1：

笔者昨日发现部分开发测试机器出现异常：java.lang.OutOfMemoryError: GC overhead limit exceeded，这个异常代表：

GC为了释放很小的空间却耗费了太多的时间，其原因一般有两个：1，堆太小，2，有死循环或大对象；

笔者首先排除了第2个原因，因为这个应用同时是在线上运行的，如果有问题，早就挂了。所以怀疑是这台机器中堆设置太小；

使用ps -ef |grep "java"查看，发现：

![af00bbf9-50dc-3127-a917-e78aced45e01.png][]

该应用的堆区设置只有768m，而机器内存有2g，机器上只跑这一个java应用，没有其他需要占用内存的地方。另外，这个应用比较大，需要占用的内存也比较多；

笔者通过上面的情况判断，只需要改变堆中各区域的大小设置即可，于是改成下面的情况：

![196da884-1c12-3b4e-9d5a-08300587d5e4.png][]

跟踪运行情况发现，相关异常没有再出现；

**实例2：**（http://www.360doc.com/content/13/0305/10/15643\_269388816.shtml）

一个服务系统，**经常出现卡顿，分析原因，发现Full GC时间太长**：

jstat -gcutil:

S0 S1 E O P YGC YGCT FGC FGCT GCT

12.16 0.00 5.18 63.78 20.32 54 2.047 5 6.946 8.993

分析上面的数据，发现Young GC执行了54次，耗时2.047秒，每次Young GC耗时37ms，在正常范围，**而Full GC执行了5次，耗时6.946秒，每次平均1.389s，数据显示出来的问题是：Full GC耗时较长**，分析该系统的是指发现，NewRatio=9，也就是说，新生代和老生代大小之比为1:9，这就是问题的原因：

1，新生代太小，导致对象提前进入老年代，触发老年代发生Full GC；

2，老年代较大，进行Full GC时耗时较大；

优化的方法是调整NewRatio的值，调整到4，发现Full GC没有再发生，只有Young GC在执行。这就是把对象控制在新生代就清理掉，没有进入老年代（这种做法对一些应用是很有用的，但并不是对所有应用都要这么做）

实例3：

一应用在性能测试过程中，发现内存占用率很高，Full GC频繁，使用sudo -u admin -H jmap -dump:format=b,file=文件名.hprof pid 来dump内存，生成dump文件，并使用Eclipse下的mat差距进行分析，发现：

![a61f0f4e-9d89-35a9-b7c9-501b52b2de08.png][]

从图中可以看出，这个线程存在问题，队列LinkedBlockingQueue所引用的大量对象并未释放，导致整个线程占用内存高达378m，此时通知开发人员进行代码优化，将相关对象释放掉即可。

来源：[Java系列笔记(4) - JVM监控与调优][Java_4_ - JVM]

**原文二地址 http://unixboy.iteye.com/blog/174173**

1.  **堆大小设置**  
    JVM 中最大堆大小有三方面限制：相关操作系统的数据模型（32-bt还是64-bit）限制；系统的可用虚拟内存限制；系统的可用物理内存限制。32位系统下，一般限制在1.5G~2G；64为操作系统对内存无限制。我在Windows Server 2003 系统，3.5G物理内存，JDK5.0下测试，最大可设置为1478m。  
    典型设置：
    
     *  java -Xmx3550m -Xms3550m -Xmn2g -Xss128k  
        \-Xmx3550m：设置JVM最大可用内存为3550M。  
        \-Xms3550m：设置JVM初始内存为3550m。此值可以设置与-Xmx相同，以避免每次垃圾回收完成后JVM重新分配内存。  
        \-Xmn2g：设置年轻代大小为2G。整个JVM内存大小=年轻代大小 + 年老代大小 + 持久代大小。持久代一般固定大小为64m，所以增大年轻代后，将会减小年老代大小。此值对系统性能影响较大，Sun官方推荐配置为整个堆的3/8。  
        \-Xss128k：设置每个线程的堆栈大小。JDK5.0以后每个线程堆栈大小为1M，以前每个线程堆栈大小为256K。更具应用的线程所需内存大小进行调整。在相同物理内存下，减小这个值能生成更多的线程。但是操作系统对一个进程内的线程数还是有限制的，不能无限生成，经验值在3000~5000左右。
     *  java -Xmx3550m -Xms3550m -Xss128k -XX:NewRatio=4 -XX:SurvivorRatio=4 -XX:MaxPermSize=16m -XX:MaxTenuringThreshold=0  
        \-XX:NewRatio=4:设置年轻代（包括Eden和两个Survivor区）与年老代的比值（除去持久代）。设置为4，则年轻代与年老代所占比值为1：4，年轻代占整个堆栈的1/5  
        \-XX:SurvivorRatio=4：设置年轻代中Eden区与Survivor区的大小比值。设置为4，则两个Survivor区与一个Eden区的比值为2:4，一个Survivor区占整个年轻代的1/6  
        \-XX:MaxPermSize=16m:设置持久代大小为16m。  
        \-XX:MaxTenuringThreshold=0：设置垃圾最大年龄。如果设置为0的话，则年轻代对象不经过Survivor区，直接进入年老代。对于年老代比较多的应用，可以提高效率。如果将此值设置为一个较大值，则年轻代对象会在Survivor区进行多次复制，这样可以增加对象再年轻代的存活时间，增加在年轻代即被回收的概论。
2.  **回收器选择**
3.  JVM回收器分为三类：串行收集器、并行收集器、并发收集器，但是串行收集器只适用于小数据量的情况，所以这里的选择主要针对并行收集器和并发收集器。默认情况下，JDK5.0以前都是使用串行收集器，如果想使用其他收集器需要在启动时加入相应参数。JDK5.0以后，JVM会根据当前[系统配置][Link 4]进行判断。
    
    1.  **吞吐量优先的并行收集器**  
        如上文所述，并行收集器主要以到达一定的吞吐量为目标，适用于科学技术和后台处理等。  
        典型配置：
        
         *  java -Xmx3800m -Xms3800m -Xmn2g -Xss128k -XX:+UseParallelGC -XX:ParallelGCThreads=20  
            \-XX:+UseParallelGC：选择垃圾收集器为并行收集器。此配置仅对年轻代有效。即上述配置下，年轻代使用并发收集，而年老代仍旧使用串行收集。  
            \-XX:ParallelGCThreads=20：配置并行收集器的线程数，即：同时多少个线程一起进行垃圾回收。此值最好配置与处理器数目相等。
         *  java -Xmx3550m -Xms3550m -Xmn2g -Xss128k -XX:+UseParallelGC -XX:ParallelGCThreads=20 -XX:+UseParallelOldGC  
            \-XX:+UseParallelOldGC：配置年老代垃圾收集方式为并行收集。JDK6.0支持对年老代并行收集。
         *  java -Xmx3550m -Xms3550m -Xmn2g -Xss128k -XX:+UseParallelGC -XX:MaxGCPauseMillis=100  
            \-XX:MaxGCPauseMillis=100:设置每次年轻代垃圾回收的最长时间，如果无法满足此时间，JVM会自动调整年轻代大小，以满足此值。
         *  java -Xmx3550m -Xms3550m -Xmn2g -Xss128k -XX:+UseParallelGC -XX:MaxGCPauseMillis=100 -XX:+UseAdaptiveSizePolicy  
            \-XX:+UseAdaptiveSizePolicy：设置此选项后，并行收集器会自动选择年轻代区大小和相应的Survivor区比例，以达到目标系统规定的最低相应时间或者收集频率等，此值建议使用并行收集器时，一直打开。
    2.  **响应时间优先的并发收集器**  
        如上文所述，并发收集器主要是保证系统的响应时间，减少垃圾收集时的停顿时间。适用于应用服务器、电信领域等。  
        典型配置：
        
         *  java -Xmx3550m -Xms3550m -Xmn2g -Xss128k -XX:ParallelGCThreads=20 -XX:+UseConcMarkSweepGC -XX:+UseParNewGC  
            \-XX:+UseConcMarkSweepGC：设置年老代为并发收集。测试中配置这个以后，-XX:NewRatio=4的配置失效了，原因不明。所以，此时年轻代大小最好用-Xmn设置。  
            \-XX:+UseParNewGC:设置年轻代为并行收集。可与CMS收集同时使用。JDK5.0以上，JVM会根据系统配置自行设置，所以无需再设置此值。
         *  java -Xmx3550m -Xms3550m -Xmn2g -Xss128k -XX:+UseConcMarkSweepGC -XX:CMSFullGCsBeforeCompaction=5 -XX:+UseCMSCompactAtFullCollection  
            \-XX:CMSFullGCsBeforeCompaction：由于并发收集器不对内存空间进行压缩、整理，所以运行一段时间以后会产生“碎片”，使得运行效率降低。此值设置运行多少次GC以后对内存空间进行压缩、整理。  
            \-XX:+UseCMSCompactAtFullCollection：打开对年老代的压缩。可能会影响性能，但是可以消除碎片
4.  **辅助信息**  
    JVM提供了大量命令行参数，打印信息，供调试使用。主要有以下一些：
    
     *  \-XX:+PrintGC  
        输出形式：\[GC 118250K->113543K(130112K), 0.0094143 secs\]
        
        \[Full GC 121376K->10414K(130112K), 0.0650971 secs\]
     *  \-XX:+PrintGCDetails  
        输出形式：\[GC \[DefNew: 8614K->781K(9088K), 0.0123035 secs\] 118250K->113543K(130112K), 0.0124633 secs\]
        
        \[GC \[DefNew: 8614K->8614K(9088K), 0.0000665 secs\]\[Tenured: 112761K->10414K(121024K), 0.0433488 secs\] 121376K->10414K(130112K), 0.0436268 secs\]
     *  \-XX:+PrintGCTimeStamps -XX:+PrintGC：PrintGCTimeStamps可与上面两个混合使用  
        输出形式：11.851: \[GC 98328K->93620K(130112K), 0.0082960 secs\]
     *  \-XX:+PrintGCApplicationConcurrentTime:打印每次垃圾回收前，程序未中断的执行时间。可与上面混合使用  
        输出形式：Application time: 0.5291524 seconds
     *  \-XX:+PrintGCApplicationStoppedTime：打印垃圾回收期间程序暂停的时间。可与上面混合使用  
        输出形式：Total time for which application threads were stopped: 0.0468229 seconds
     *  \-XX:PrintHeapAtGC:打印GC前后的详细堆栈信息  
        输出形式：  
        34.702: \[GC \{Heap before gc invocations=7:  
        def new generation total 55296K, used 52568K \[0x1ebd0000, 0x227d0000, 0x227d0000)  
        eden space 49152K, 99% used \[0x1ebd0000, 0x21bce430, 0x21bd0000)  
        from space 6144K, 55% used \[0x221d0000, 0x22527e10, 0x227d0000)  
        to space 6144K, 0% used \[0x21bd0000, 0x21bd0000, 0x221d0000)  
        tenured generation total 69632K, used 2696K \[0x227d0000, 0x26bd0000, 0x26bd0000)  
        the space 69632K, 3% used \[0x227d0000, 0x22a720f8, 0x22a72200, 0x26bd0000)  
        compacting perm gen total 8192K, used 2898K \[0x26bd0000, 0x273d0000, 0x2abd0000)  
        the space 8192K, 35% used \[0x26bd0000, 0x26ea4ba8, 0x26ea4c00, 0x273d0000)  
        ro space 8192K, 66% used \[0x2abd0000, 0x2b12bcc0, 0x2b12be00, 0x2b3d0000)  
        rw space 12288K, 46% used \[0x2b3d0000, 0x2b972060, 0x2b972200, 0x2bfd0000)  
        34.735: \[DefNew: 52568K->3433K(55296K), 0.0072126 secs\] 55264K->6615K(124928K)Heap after gc invocations=8:  
        def new generation total 55296K, used 3433K \[0x1ebd0000, 0x227d0000, 0x227d0000)  
        eden space 49152K, 0% used \[0x1ebd0000, 0x1ebd0000, 0x21bd0000)  
        from space 6144K, 55% used \[0x21bd0000, 0x21f2a5e8, 0x221d0000)  
        to space 6144K, 0% used \[0x221d0000, 0x221d0000, 0x227d0000)  
        tenured generation total 69632K, used 3182K \[0x227d0000, 0x26bd0000, 0x26bd0000)  
        the space 69632K, 4% used \[0x227d0000, 0x22aeb958, 0x22aeba00, 0x26bd0000)  
        compacting perm gen total 8192K, used 2898K \[0x26bd0000, 0x273d0000, 0x2abd0000)  
        the space 8192K, 35% used \[0x26bd0000, 0x26ea4ba8, 0x26ea4c00, 0x273d0000)  
        ro space 8192K, 66% used \[0x2abd0000, 0x2b12bcc0, 0x2b12be00, 0x2b3d0000)  
        rw space 12288K, 46% used \[0x2b3d0000, 0x2b972060, 0x2b972200, 0x2bfd0000)  
        \}  
        , 0.0757599 secs\]
     *  \-Xloggc:filename:与上面几个配合使用，把相关日志信息记录到文件以便分析。
5.  **常见配置汇总**
    
    1.  堆设置
        
         *  \-Xms:初始堆大小
         *  \-Xmx:最大堆大小
         *  \-XX:NewSize=n:设置年轻代大小
         *  \-XX:NewRatio=n:设置年轻代和年老代的比值。如:为3，表示年轻代与年老代比值为1：3，年轻代占整个年轻代年老代和的1/4
         *  \-XX:SurvivorRatio=n:年轻代中Eden区与两个Survivor区的比值。注意Survivor区有两个。如：3，表示Eden：Survivor=3：2，一个Survivor区占整个年轻代的1/5
         *  \-XX:MaxPermSize=n:设置持久代大小
    2.  收集器设置
        
         *  \-XX:+UseSerialGC:设置串行收集器
         *  \-XX:+UseParallelGC:设置并行收集器
         *  \-XX:+UseParalledlOldGC:设置并行年老代收集器
         *  \-XX:+UseConcMarkSweepGC:设置并发收集器
    3.  垃圾回收统计信息
        
         *  \-XX:+PrintGC
         *  \-XX:+PrintGCDetails
         *  \-XX:+PrintGCTimeStamps
         *  \-Xloggc:filename
    4.  并行收集器设置
        
         *  \-XX:ParallelGCThreads=n:设置并行收集器收集时使用的CPU数。并行收集线程数。
         *  \-XX:MaxGCPauseMillis=n:设置并行收集最大暂停时间
         *  \-XX:GCTimeRatio=n:设置垃圾回收时间占程序运行时间的百分比。公式为1/(1+n)
    5.  并发收集器设置
        
         *  \-XX:+CMSIncrementalMode:设置为增量模式。适用于单CPU情况。
         *  \-XX:ParallelGCThreads=n:设置并发收集器年轻代收集方式为并行收集时，使用的CPU数。并行收集线程数。

**四、调优总结**

1.  年轻代大小选择
    
     *  响应时间优先的应用：尽可能设大，直到接近系统的最低响应时间限制（根据实际情况选择）。在此种情况下，年轻代收集发生的频率也是最小的。同时，减少到达年老代的对象。
     *  吞吐量优先的应用：尽可能的设置大，可能到达Gbit的程度。因为对响应时间没有要求，垃圾收集可以并行进行，一般适合8CPU以上的应用。
2.  年老代大小选择
    
     *  响应时间优先的应用：年老代使用并发收集器，所以其大小需要小心设置，一般要考虑并发会话率和会话持续时间等一些参数。如果堆设置小了，可以会造成内存碎片、高回收频率以及应用暂停而使用传统的标记清除方式；如果堆大了，则需要较长的收集时间。最优化的方案，一般需要参考以下数据获得：
        
         *  并发垃圾收集信息
         *  持久代并发收集次数
         *  传统GC信息
         *  花在年轻代和年老代回收上的时间比例
        
        减少年轻代和年老代花费的时间，一般会提高应用的效率
     *  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年轻代和一个较小的年老代。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，而年老代尽存放长期存活对象。
3.  较小堆引起的碎片问题  
    因为年老代的并发收集器使用标记、清除算法，所以不会对堆进行压缩。当收集器回收时，他会把相邻的空间进行合并，这样可以分配给较大的对象。但是，当堆空间较小时，运行一段时间以后，就会出现“碎片”，如果并发收集器找不到足够的空间，那么并发收集器将会停止，然后使用传统的标记、清除方式进行回收。如果出现“碎片”，可能需要进行如下配置：
    
     *  \-XX:+UseCMSCompactAtFullCollection：使用并发收集器时，开启对年老代的压缩。
     *  \-XX:CMSFullGCsBeforeCompaction=0：上面配置开启的情况下，这里设置多少次Full GC后，对年老代进行压缩

[http_uule.iteye.com]: http://uule.iteye.com/
[JVM]: http://developer.51cto.com/art/201201/312639.htm
[JVM 1]: http://developer.51cto.com/art/201009/227848_all.htm
[3d11dfb9-18ca-32f6-8e45-48522c670e92.jpeg]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/29/e58de7bd55e44e6299dc70cf9f16c1bd.png
[Link 1]: https://www.baidu.com/s?wd=%E6%9C%8D%E5%8A%A1%E5%99%A8&tn=24004469_oem_dg&rsv_dl=gh_pl_sl_csd
[Link 2]: https://www.baidu.com/s?wd=%E6%96%B0%E7%94%9F%E4%BB%A3&tn=24004469_oem_dg&rsv_dl=gh_pl_sl_csd
[Link 3]: https://www.baidu.com/s?wd=%E7%BA%B8%E4%B8%8A%E8%B0%88%E5%85%B5&tn=24004469_oem_dg&rsv_dl=gh_pl_sl_csd
[af00bbf9-50dc-3127-a917-e78aced45e01.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/29/06ad127d060e404cb30c8942f6fb1a7e.png
[196da884-1c12-3b4e-9d5a-08300587d5e4.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/29/454dcbd2dfee433abfb1a99e26820530.png
[a61f0f4e-9d89-35a9-b7c9-501b52b2de08.png]: https://image.dandelioncloud.cn/pgy_files/images/2024/01/29/26bacb91528b4b45bcd7d9957f3ace1a.png
[Java_4_ - JVM]: http://www.cnblogs.com/zhguang/p/Java-JVM-GC.html
[Link 4]: http://java.sun.com/j2se/1.5.0/docs/guide/vm/server-class.html