線上服務(wù)的GC問(wèn)題，是Java程序非常典型的一類問(wèn)題，非?？简?yàn)工程師排查問(wèn)題的能力。同時(shí)，幾乎是面試必考題，但是能真正答好此題的人并不多，要么原理沒(méi)吃透，要么缺乏實(shí)戰(zhàn)經(jīng)驗(yàn)。

過(guò)去半年時(shí)間里，我們的廣告系統(tǒng)出現(xiàn)了多次和GC相關(guān)的線上問(wèn)題，有Full GC過(guò)于頻繁的，有Young GC耗時(shí)過(guò)長(zhǎng)的，這些問(wèn)題帶來(lái)的影響是：GC過(guò)程中的程序卡頓，進(jìn)一步導(dǎo)致服務(wù)超時(shí)從而影響到廣告收入。

這篇文章，我將以一個(gè)FGC頻繁的線上案例作為引子，詳細(xì)介紹下GC的排查過(guò)程，另外會(huì)結(jié)合GC的運(yùn)行原理給出一份實(shí)踐指南，希望對(duì)你有所幫助。內(nèi)容分成以下3個(gè)部分：

• 從一次FGC頻繁的線上案例說(shuō)起
• GC的運(yùn)行原理介紹
• 排查FGC問(wèn)題的實(shí)踐指南

去年10月份，我們的廣告召回系統(tǒng)在程序上線后收到了FGC頻繁的系統(tǒng)告警，通過(guò)下面的監(jiān)控圖可以看到：平均每35分鐘就進(jìn)行了一次FGC。而程序上線前，我們的FGC頻次大概是2天一次。下面，詳細(xì)介紹下該問(wèn)題的排查過(guò)程。

-Xms4g -Xmx4g -Xmn2g -Xss1024K 

-XX:ParallelGCThreads=5 

-XX:+UseConcMarkSweepGC 

-XX:+UseParNewGC 

-XX:+UseCMSCompactAtFullCollection 

-XX:CMSInitiatingOccupancyFraction=80

通過(guò)觀察老年代的使用情況，可以看到：每次FGC后，內(nèi)存都能回到500M左右，因此我們排除了內(nèi)存泄漏的情況。

上圖中，按照對(duì)象所占內(nèi)存大小排序，顯示了存活對(duì)象的實(shí)例數(shù)、所占內(nèi)存、類名?？梢钥吹脚琶谝坏氖牵?/span>int[]，而且所占內(nèi)存大小遠(yuǎn)遠(yuǎn)超過(guò)其他存活對(duì)象。至此，我們將懷疑目標(biāo)鎖定在了 int[] .

鎖定 int[] 后，我們打算dump堆內(nèi)存文件，通過(guò)可視化工具進(jìn)一步跟蹤對(duì)象的來(lái)源。考慮堆轉(zhuǎn)儲(chǔ)過(guò)程中會(huì)暫停程序，因此我們先從服務(wù)管理平臺(tái)摘掉了此節(jié)點(diǎn)，然后通過(guò)以下命令dump堆內(nèi)存：

jmap -dump:format=b,file=heap 7276

通過(guò)JVisualVM工具導(dǎo)入dump出來(lái)的堆內(nèi)存文件，同樣可以看到各個(gè)對(duì)象所占空間，其中int[]占到了50%以上的內(nèi)存，進(jìn)一步往下便可以找到 int[] 所屬的業(yè)務(wù)對(duì)象，發(fā)現(xiàn)它來(lái)自于架構(gòu)團(tuán)隊(duì)提供的codis基礎(chǔ)組件。

5. 通過(guò)代碼分析可疑對(duì)象

通過(guò)代碼分析，codis基礎(chǔ)組件每分鐘會(huì)生成約40M大小的int數(shù)組，用于統(tǒng)計(jì)TP99 和 TP90，數(shù)組的生命周期是一分鐘。而根據(jù)第2步觀察老年代的內(nèi)存變化時(shí)，發(fā)現(xiàn)老年代的內(nèi)存基本上也是每分鐘增加40多M，因此推斷：這40M的int數(shù)組應(yīng)該是從新生代晉升到老年代。

我們進(jìn)一步查看了YGC的頻次監(jiān)控，通過(guò)下圖可以看到大概1分鐘有8次左右的YGC，這樣基本驗(yàn)證了我們的推斷：因?yàn)镃MS收集器默認(rèn)的分代年齡是6次，即YGC 6次后還存活的對(duì)象就會(huì)晉升到老年代，而codis組件中的大數(shù)組生命周期是1分鐘，剛好滿足這個(gè)要求。

6. 解決方案

為了快速解決問(wèn)題，我們將CMS收集器的分代年齡改成了15次，改完后FGC頻次恢復(fù)到了2天一次，后續(xù)如果YGC的頻次超過(guò)每分鐘15次還會(huì)再次觸發(fā)此問(wèn)題。當(dāng)然，我們最根本的解決方案是：優(yōu)化程序以降低YGC的頻率，同時(shí)縮短codis組件中int數(shù)組的生命周期，這里就不做展開(kāi)了。

上面整個(gè)案例的分析過(guò)程中，其實(shí)涉及到很多GC的原理知識(shí)，如果不懂得這些原理就著手處理，其實(shí)整個(gè)排查過(guò)程是很抓瞎的。

大家都知道: GC分為YGC和FGC，它們均發(fā)生在JVM的堆內(nèi)存上。先來(lái)看下JDK8的堆內(nèi)存結(jié)構(gòu)：

下面4種情況，對(duì)象會(huì)進(jìn)入到老年代中：

• YGC時(shí)，To Survivor區(qū)不足以存放存活的對(duì)象，對(duì)象會(huì)直接進(jìn)入到老年代。
• 經(jīng)過(guò)多次YGC后，如果存活對(duì)象的年齡達(dá)到了設(shè)定閾值，則會(huì)晉升到老年代中。
• 動(dòng)態(tài)年齡判定規(guī)則，To Survivor區(qū)中相同年齡的對(duì)象，如果其大小之和占到了 To Survivor區(qū)一半以上的空間，那么大于此年齡的對(duì)象會(huì)直接進(jìn)入老年代，而不需要達(dá)到默認(rèn)的分代年齡。
• 大對(duì)象：由-XX:PretenureSizeThreshold啟動(dòng)參數(shù)控制， 若對(duì)象大小大于此值，就會(huì)繞過(guò)新生代, 直接在老年代中分配。

當(dāng)晉升到老年代的對(duì)象大于了老年代的剩余空間時(shí)，就會(huì)觸發(fā)FGC（Major GC），FGC處理的區(qū)域同時(shí)包括新生代和老年代。除此之外，還有以下4種情況也會(huì)觸發(fā)FGC：

• 老年代的內(nèi)存使用率達(dá)到了一定閾值（可通過(guò)參數(shù)調(diào)整），直接觸發(fā)FGC。

• 空間分配擔(dān)保：在YGC之前，會(huì)先檢查老年代最大可用的連續(xù)空間是否大于新生代所有對(duì)象的總空間。如果小于，說(shuō)明YGC是不安全的，則會(huì)查看參數(shù) HandlePromotionFailure 是否被設(shè)置成了允許擔(dān)保失敗，如果不允許則直接觸發(fā)Full GC；如果允許，那么會(huì)進(jìn)一步檢查老年代最大可用的連續(xù)空間是否大于歷次晉升到老年代對(duì)象的平均大小，如果小于也會(huì)觸發(fā) Full GC。
• Metaspace（元空間）在空間不足時(shí)會(huì)進(jìn)行擴(kuò)容，當(dāng)擴(kuò)容到了-XX:MetaspaceSize 參數(shù)的指定值時(shí)，也會(huì)觸發(fā)FGC。
• System.gc() 或者Runtime.gc() 被顯式調(diào)用時(shí)，觸發(fā)FGC。

不管YGC還是FGC，都會(huì)造成一定程度的程序卡頓（即Stop The World問(wèn)題：GC線程開(kāi)始工作，其他工作線程被掛起），即使采用ParNew、CMS或者G1這些更先進(jìn)的垃圾回收算法，也只是在減少卡頓時(shí)間，而并不能完全消除卡頓。

那到底什么情況下，GC會(huì)對(duì)程序產(chǎn)生影響呢？根據(jù)嚴(yán)重程度從高到底，我認(rèn)為包括以下4種情況：

• FGC過(guò)于頻繁：FGC通常是比較慢的，少則幾百毫秒，多則幾秒，正常情況FGC每隔幾個(gè)小時(shí)甚至幾天才執(zhí)行一次，對(duì)系統(tǒng)的影響還能接受。但是，一旦出現(xiàn)FGC頻繁（比如幾十分鐘就會(huì)執(zhí)行一次），這種肯定是存在問(wèn)題的，它會(huì)導(dǎo)致工作線程頻繁被停止，讓系統(tǒng)看起來(lái)一直有卡頓現(xiàn)象，也會(huì)使得程序的整體性能變差。

• YGC耗時(shí)過(guò)長(zhǎng) ：一般來(lái)說(shuō)，YGC的總耗時(shí)在幾十或者上百毫秒是比較正常的，雖然會(huì)引起系統(tǒng)卡頓幾毫秒或者幾十毫秒，這種情況幾乎對(duì)用戶無(wú)感知，對(duì)程序的影響可以忽略不計(jì)。但是如果YGC耗時(shí)達(dá)到了1秒甚至幾秒（都快趕上FGC的耗時(shí)了），那卡頓時(shí)間就會(huì)增大，加上YGC本身比較頻繁，就會(huì)導(dǎo)致比較多的服務(wù)超時(shí)問(wèn)題。
• FGC耗時(shí)過(guò)長(zhǎng) ：FGC耗時(shí)增加，卡頓時(shí)間也會(huì)隨之增加，尤其對(duì)于高并發(fā)服務(wù)，可能導(dǎo)致FGC期間比較多的超時(shí)問(wèn)題，可用性降低，這種也需要關(guān)注。
  
• YGC過(guò)于頻繁 ：即使YGC不會(huì)引起服務(wù)超時(shí)，但是YGC過(guò)于頻繁也會(huì)降低服務(wù)的整體性能，對(duì)于高并發(fā)服務(wù)也是需要關(guān)注的。

• 大對(duì)象：系統(tǒng)一次性加載了過(guò)多數(shù)據(jù)到內(nèi)存中（比如SQL查詢未做分頁(yè)），導(dǎo)致大對(duì)象進(jìn)入了老年代。
• 內(nèi)存泄漏：頻繁創(chuàng)建了大量對(duì)象，但是無(wú)法被回收（比如IO對(duì)象使用完后未調(diào)用close方法釋放資源），先引發(fā)FGC，最后導(dǎo)致OOM.
• 程序頻繁生成一些長(zhǎng)生命周期的對(duì)象，當(dāng)這些對(duì)象的存活年齡超過(guò)分代年齡時(shí)便會(huì)進(jìn)入老年代，最后引發(fā)FGC. （即本文中的案例）
• 程序BUG導(dǎo)致動(dòng)態(tài)生成了很多新類，使得 Metaspace 不斷被占用，先引發(fā)FGC，最后導(dǎo)致OOM.
• 代碼中顯式調(diào)用了 gc方法，包括自己的代碼甚至框架中的代碼。
• JVM參數(shù)設(shè)置問(wèn)題：包括總內(nèi)存大小、新生代和老年代的大小、Eden區(qū)和S區(qū)的大小、元空間大小、垃圾回收算法等等。

• 公司的監(jiān)控系統(tǒng)：大部分公司都會(huì)有，可全方位監(jiān)控JVM的各項(xiàng)指標(biāo)。
• JDK的自帶工具，包括jmap、jstat等常用命令：
  # 查看 堆內(nèi)存各區(qū)域的使用率 以及GC情況
  
  jstat -gcutil -h20 pid 1000
  # 查看堆內(nèi)存中的存活對(duì)象，并按空間排序
  jmap -histo pid | head -n20
  # dump堆內(nèi)存文件
  jmap -dump:format=b,file=heap pid
• 可視化的堆內(nèi)存分析工具：JVisualVM、MAT等

3. 排查指南

• 查看監(jiān)控，以了解出現(xiàn)問(wèn)題的時(shí)間點(diǎn)以及當(dāng)前FGC的頻率（可對(duì)比正常情況看頻率是否正常）
• 了解該時(shí)間點(diǎn)之前有沒(méi)有程序上線、基礎(chǔ)組件升級(jí)等情況。
• 了解JVM的參數(shù)設(shè)置，包括：堆空間各個(gè)區(qū)域的大小設(shè)置，新生代和老年代分別采用了哪些垃圾收集器，然后分析JVM參數(shù)設(shè)置是否合理。
• 再對(duì)步驟1中列出的可能原因做排除法，其中元空間被打滿、內(nèi)存泄漏、代碼顯式調(diào)用gc方法比較容易排查。
• 針對(duì)大對(duì)象或者長(zhǎng)生命周期對(duì)象導(dǎo)致的FGC，可通過(guò) jmap -histo 命令并結(jié)合dump堆內(nèi)存文件作進(jìn)一步分析，需要先定位到可疑對(duì)象。
• 通過(guò)可疑對(duì)象定位到具體代碼再次分析，這時(shí)候要結(jié)合GC原理和JVM參數(shù)設(shè)置，弄清楚可疑對(duì)象是否滿足了進(jìn)入到老年代的條件才能下結(jié)論。
  
  

特別推薦一個(gè)分享架構(gòu)+算法的優(yōu)質(zhì)內(nèi)容，還沒(méi)關(guān)注的小伙伴，可以長(zhǎng)按關(guān)注一下：
長(zhǎng)按訂閱更多精彩▼
如有收獲，點(diǎn)個(gè)在看，誠(chéng)摯感謝