JVM GC 机制与性能优化 2 实例测试

Java 垃圾回收调优不一样于任何其它性能优化活动。

首先你要确保本身足够了解整个应用的状况以及调优预期的结果，而不是单单知足于应用的某一部分调优。通常状况下，遵循如下过程比较容易：

1. 明确本身的性能目标。
2. 测试。
3. 测量调优结果。
4. 与目标进行比较。
5. 改变方法并再次测试。

性能调优目标要是可肯定且可测量的，这很是重要。这些目标包括延迟、吞吐量和容量，想要了解更多，我推荐看看垃圾回收手册（Garbage Collection Handbook）中相应的章节。让咱们看看在实践中如何设定并达到这样的调优目标。为了这个目的，让咱们来看一个示例代码：

//imports skipped for brevity
public class Producer implements Runnable {
 
  private static ScheduledExecutorService executorService = Executors.newScheduledThreadPool(2);
 
  private Deque<byte[]> deque;
  private int objectSize;
  private int queueSize;
 
  public Producer(int objectSize, int ttl) {
    this.deque = new ArrayDeque<byte[]>();
    this.objectSize = objectSize;
    this.queueSize = ttl * 1000;
  }
 
  @Override
  public void run() {
    for (int i = 0; i < 100; i++) {
      deque.add(new byte[objectSize]);
      if (deque.size() > queueSize) {
        deque.poll();
      }
    }
  }
 
  public static void main(String[] args) throws InterruptedException {
    executorService.scheduleAtFixedRate(new Producer(200 * 1024 * 1024 / 1000, 5), 0, 100, TimeUnit.MILLISECONDS);
    executorService.scheduleAtFixedRate(new Producer(50 * 1024 * 1024 / 1000, 120), 0, 100, TimeUnit.MILLISECONDS);
    TimeUnit.MINUTES.sleep(10);
    executorService.shutdownNow();
  }
}

代码中提交了两个做业（job），且每 100ms 运行一次。每一个做业模拟特定对象的生命周期：先建立对象，让它们“存活”一段时间，而后忘记它们，让 GC 回收内存。 运行这个示例时，开启 GC 日志并使用如下参数：

-XX:+PrintGCDetails -XX:+PrintGCDateStamps -XX:+PrintGCTimeStamps

咱们当即在日志文件中看到 GC 的影响和下面这些类似：

2015-06-04T13:34:16.119-0200: 1.723: [GC (Allocation Failure) [PSYoungGen: 114016K->73191K(234496K)] 421540K->421269K(745984K), 0.0858176 secs] [Times: user=0.04 sys=0.06, real=0.09 secs] 
2015-06-04T13:34:16.738-0200: 2.342: [GC (Allocation Failure) [PSYoungGen: 234462K->93677K(254976K)] 582540K->593275K(766464K), 0.2357086 secs] [Times: user=0.11 sys=0.14, real=0.24 secs] 
2015-06-04T13:34:16.974-0200: 2.578: [Full GC (Ergonomics) [PSYoungGen: 93677K->70109K(254976K)] [ParOldGen: 499597K->511230K(761856K)] 593275K->581339K(1016832K), [Metaspace: 2936K->2936K(1056768K)], 0.0713174 secs] [Times: user=0.21 sys=0.02, real=0.07 secs]

基于日志中的信息，咱们能够开始改善性能。并请牢记三个不一样的目标：

1. 确保 GC pause（垃圾回收暂停）的最坏状况不要超过预期的临界值。
2. 确保应用程序线程停滞时间不超过预先肯定的阀值。
3. 下降基础架构成本，同时确保咱们仍能够实现合理的延迟和吞吐量目标。

为此，以三个不一样的配置各运行了10分钟，在下表中总结了三个差距较大的结果：

堆	GC算法	有效工做	长暂停
-Xmx12g	-XX:+UseConcMarkSweepGC	89.8%	560 ms
-Xmx12g	-XX:+UseParallelGC	91.5%	1,104 ms
-Xmx8g	-XX:+UseConcMarkSweepGC	66.3%	1,610 ms

实验中，设置不一样的 GC 算法和不一样的堆大小，运行相同的代码，而后测量垃圾回收暂停的持续时间和吞吐量。实验细节和结果的解释都在咱们的垃圾回收手册中。看看手册中的一些例子，修改一些简单的配置形成延迟、吞吐量等各方面的性能彻底不一样。

注意：为了保持示例尽量简单，只有数量有限的输入参数被改变，例如没有对不一样数量的核心（CPU core）或不一样堆布局进行测试。

翻译： ImportNew.com - 光光头去打酱油