GC環(huán)境模擬

首先我們給出如下代碼用來觸發(fā)GC

public static void main(String[] args) {
// 每100毫秒創(chuàng)建100線程，每個線程創(chuàng)建一個1M的對象，即每100ms申請100M堆空間
Executors.newScheduledThreadPool(1).scheduleAtFixedRate(() -> {
for (int i = 0; i < 100; i++) {
new Thread(() -> {
try {
// 申請1M
byte[] temp = new byte[1024 * 1024];
Thread.sleep(new Random().nextInt(1000)); // 隨機睡眠1秒以內(nèi)
} catch (InterruptedException e) {
e.printStackTrace();
}
}).start();
}
}, 1000, 100, TimeUnit.MILLISECONDS);
}

我們要模擬的場景是年輕代不斷地Young GC，并有一部分對象晉升到老年代，當(dāng)老年代空間不足時觸發(fā)Full GC。

程序邏輯：每100毫秒鐘創(chuàng)建100個線程，每個線程創(chuàng)建一個1M的對象，即每100ms申請100M堆空間。之所以每個線程隨機睡眠1s，是為了避免對象朝生夕滅，保證可以有一部分對象能晉升到老年代，更好的觸發(fā)Young GC 和 Full GC，注意這個睡眠時間如果大了，會導(dǎo)致OOM，如果小了，很難觸發(fā)FULL GC。

虛擬機參數(shù)解釋

啟動Java進(jìn)程：java -Xms200m -Xmx200m -Xmn100m -verbose:gc -XX:+PrintGCDetails -Xloggc:./gc.log -XX:+PrintGCDateStamps -jar demo-0.0.1-SNAPSHOT.jar

-Xms200m -Xmx200m 最小/最大堆內(nèi)存 200M

-Xmn100m 年輕代內(nèi)存 100M

-verbose:gc 開啟GC日志

-XX:+PrintGCDetails -Xloggc:./gc.log -XX:+PrintGCDateStamps 將GC日志詳情輸入到gc.log中

jmap分析

jcmd 獲取我們Java進(jìn)程的Id：6264

jmap -heap 6264查看堆信息

第一次查看，我們發(fā)現(xiàn) Eden區(qū)是98M，S0、S1是1M

第二次查看， Eden區(qū)是99M，S0、S1是0.5M

Eden區(qū)與Survivor區(qū)的比例在動態(tài)的變化，并不是默認(rèn)的8:1:1。

原來我們使用默認(rèn)的垃圾收集器Parallel Scavenge+Parallel Old組合，而該收集器下-XX:+UseAdaptiveSizePolicy是默認(rèn)開啟的，即Eden區(qū)與Survivor區(qū)比例根據(jù)GC情況會自適應(yīng)變化。

我們加上參數(shù)，關(guān)閉年輕代自適應(yīng)，年輕代比例設(shè)置為8:1:1

-XX:-UseAdaptiveSizePolicy -XX:SurvivorRatio=8

另外為了盡早的觸發(fā)FULL GC，我們新增虛擬機參數(shù)

-XX:MaxTenuringThreshold=10

晉升年齡由默認(rèn)的15修改為10，使得年輕代的對象更容易晉升到老年代

重啟虛擬機查看jmap

年輕代

• Eden區(qū)80M 已使用51M，當(dāng)前使用率63.8%
• S0區(qū)10M 已使用0.43M，使用率4.37%
• S1區(qū)10M 使用率為空

老年代

• 100M 已使用18.39M，使用率18.9%

GC日志內(nèi)容分析

查看我們輸出的GC日志gc.log，選取其中兩段

2019-06-09T02:55:30.993+0800: 330.811: [GC (Allocation Failure) [PSYoungGen: 82004K->384K(92160K)] 184303K->102715K(194560K), 0.0035647 secs] [Times: user=0.00 sys=0.00, real=0.00 secs]
2019-06-09T02:55:30.997+0800: 330.815: [Full GC (Ergonomics) [PSYoungGen: 384K->0K(92160K)] [ParOldGen: 102331K->5368K(102400K)] 102715K->5368K(194560K), [Metaspace: 16941K->16914K(1064960K)], 0.0213953 secs] [Times: user=0.02 sys=0.00, real=0.02 secs]

Young GC

2019-06-09T02:55:30.993+0800: 330.811: [GC (Allocation Failure) [PSYoungGen: 82004K->384K(92160K)] 184303K->102715K(194560K), 0.0035647 secs] [Times: user=0.00 sys=0.00, real=0.00 secs]
2019-06-09T02:55:30.997+0800: 330.815: [Full GC (Ergonomics) [PSYoungGen: 384K->0K(92160K)] [ParOldGen: 102331K->5368K(102400K)] 102715K->5368K(194560K), [Metaspace: 16941K->16914K(1064960K)], 0.0213953 secs] [Times: user=0.02 sys=0.00, real=0.02 secs]

解釋:

• 年輕代GC：[GC前年輕代80.08M->GC后0.37M(年輕代總大小90M)]GC前堆179.98M->GC后堆100.3M(堆總大小190M)，用時]
• 其中年輕代總大小是90M而不是100M，這里我理解是年輕代當(dāng)前最大申請到90M
• 100M*80%=80M 是Eden區(qū)大小
• 80M*80% = 64M Eden區(qū)默認(rèn)占用超過8成即64M就會觸發(fā)YoungGC

Full GC

[Full GC (Ergonomics) [PSYoungGen: 384K->0K(92160K)] [ParOldGen: 102331K->5368K(102400K)] 102715K->5368K(194560K), [Metaspace: 16941K->16914K(1064960K)], 0.0213953 secs] [Times: user=0.02 sys=0.00, real=0.02 secs]

解釋：

• [GC前年輕代0.375M->GC后年輕代0M(年輕代總大小90M)][GC前老年代99.93M->GC后老年代5.24M(老年代總大小100M)]GC前堆100.3M->GC后堆5.24M（堆總大小190M）,[元數(shù)據(jù)區(qū):GC前16.5,GC后16.5(元數(shù)據(jù)區(qū)總大小1040M)]，用時]
• 可以推測出此次FullGC原因是年輕代晉升老年代空間不足導(dǎo)致

利用可視化工具分析

這里我們利用 gceasy.io/ 分析一下

(1)統(tǒng)計年輕代、老年代、元數(shù)據(jù)區(qū)最大可用空間以及峰值，這里元數(shù)據(jù)區(qū)大小在我們的虛擬機參數(shù)沒有配置，所以取的是默認(rèn)值

(2)吞吐量、GC平均延遲、最大延遲以及延遲區(qū)間的統(tǒng)計

(3)堆所用大小的實時分析，紅色位置是發(fā)生了FullGC使得堆總量直線下降

會發(fā)現(xiàn)虛擬機在剛啟動不久的階段觸發(fā)大量的FULL GC，我的理解是我們申請的對象都隨機睡眠一秒以內(nèi)，剛啟動時大部分還存在線程的引用，GCRoot可達(dá)。在剛啟動的時候觸發(fā)FULL GC并不會完整清理掉老年代空間并由于空間不足不斷觸發(fā)FULL GC。

(4)GC空間總量和時間的統(tǒng)計

(5)各類GC時間、GC次數(shù)、GC總量等指標(biāo)

總結(jié)

GC日志分析可以幫助我們宏觀的監(jiān)控GC運行情況。一方面如果頻繁的FullGC會有嚴(yán)重的性能問題(STW)，另一方面過于頻繁的GC，即GC占用系統(tǒng)正常運行的比重過多，吞吐量低，則是一定程度上的性能資源浪費。若系統(tǒng)存在性能問題，根據(jù)GC分析各項指標(biāo)的作為參考，我們也可以適當(dāng)?shù)脑诔绦蚶锘蛱摂M機參數(shù)做些調(diào)優(yōu)。

以上就是本文的全部內(nèi)容，希望對大家的學(xué)習(xí)有所幫助，也希望大家多多支持腳本之家。

最新評論