答案：jvm性能调优需重点关注堆内存设置、垃圾收集器选择、新生代与元空间配置及线程栈大小等参数。合理设置-xms和-xmx可避免内存抖动，建议初始与最大堆内存相等，通常为物理内存的25%~50%。g1 gc是java 9+默认收集器，适合多数中大型应用，兼顾吞吐量与延迟；zgc和shenandoah适用于超大堆和低延迟场景。新生代大小应确保多数对象在minor gc中回收，避免过早晋升。metaspace需设上限防oom，-xss影响线程数与栈深度平衡，直接内存和jit缓存也需监控。调优应基于监控数据迭代优化，启用gc日志和堆转储是关键。
谈及JVM性能调优，我们通常会围绕几个核心参数展开，它们直接决定了应用程序的运行效率和稳定性。最常用的无疑是堆内存大小（-Xms和-Xmx），它定义了JVM可用的最大和最小内存。其次，垃圾收集器（GC）的选择是另一个关键点，比如G1GC、ParallelGC、ZGC或ShenandoahGC，它们各有侧重，影响着应用的吞吐量和响应延迟。此外，新生代大小（-Xmn或-XX:NewRatio）、元空间大小（-XX:MaxMetaspaceSize）以及线程栈大小（-Xss）也是我们不容忽视的调优对象。
解决方案
要系统地进行JVM性能调优，我们得从以下几个维度入手，并结合实际的应用场景和监控数据进行迭代优化。
首先是堆内存的配置。
-Xms用于设置JVM启动时分配的初始堆内存，
-Xmx则设定了JVM可使用的最大堆内存。一个常见的最佳实践是将这两个值设为相等，即
-Xms<size> -Xmx<size>。这样做的好处是避免了JVM在运行时动态扩展或收缩堆内存，从而减少了潜在的GC开销和内存抖动。选择合适的大小至关重要：太小会导致频繁的Full GC甚至OutOfMemoryError（OOM），而过大则可能造成物理内存不足，导致操作系统频繁进行内存交换（Swap），严重拖慢应用。我个人经验是，对于大多数服务器应用，可以从物理内存的1/4到1/2开始尝试，然后通过监控工具（如JConsole, VisualVM, Grafana结合JMX exporter）观察GC行为和内存使用情况来微调。
接着是垃圾收集器的选择与配置。这是性能调优中最为复杂也最能体现功力的一环。
-
Parallel GC (
-XX:+UseParallelGC
)：注重吞吐量，适合那些可以接受较长GC停顿时间，但希望整体处理能力更强的批处理应用。在Java 8及以前，它通常是默认的服务器端GC。 -
CMS GC (
-XX:+UseConcMarkSweepGC
)：追求低停顿，大部分GC工作与应用线程并发执行，但会有碎片化问题和浮动垃圾。虽然在Java 9后被标记为废弃，但理解其设计思想对理解后续GC仍有帮助。 -
G1 GC (
-XX:+UseG1GC
)：Java 9及以后版本的默认GC。它将堆划分为多个区域，目标是实现可预测的GC停顿时间。G1通过收集收益最高（Garbage-First）的区域来减少GC时间，是一个非常均衡的选择，适用于大多数中大型应用。 -
ZGC (
-XX:+UseZGC
) 和 Shenandoah GC (-XX:+UseShenandoahGC
)：这两个是针对超大堆（TB级别）和极低停顿时间（亚毫秒级）场景设计的GC。它们通过复杂的着色指针和读屏障技术，将大部分GC工作与应用线程并发执行，停顿时间几乎与堆大小无关。如果你的应用对延迟非常敏感，并且有足够的内存资源，可以考虑它们。
选择GC时，我通常会先从G1开始，因为它在平衡吞吐量和延迟方面做得很好。如果G1无法满足低延迟要求，或者堆内存特别巨大，我才会考虑ZGC或Shenandoah。
此外，新生代的大小也很关键。新生代用于存放新创建的对象。
-Xmn<size>直接设置新生代大小，或者通过
-XX:NewRatio=<ratio>设置老年代与新生代的比例（例如
NewRatio=2表示老年代是新生代的2倍）。合理的新生代大小可以减少Minor GC的频率，但如果过大，则可能导致Minor GC时间过长。我倾向于让新生代足够大，以容纳大部分短生命周期的对象，这样它们在Minor GC中就能被回收，避免进入老年代。
JVM堆内存如何合理设置，避免性能瓶颈？
合理设置JVM堆内存，是避免应用性能瓶颈的基石。这里面有一些经验之谈和技术考量。首先，我们得清楚，堆内存不是越大越好。一个过大的堆可能导致Full GC的周期拉长，一旦发生，停顿时间会非常可观，对用户体验造成严重影响。同时，如果堆内存超过了物理内存，操作系统会开始使用硬盘进行内存交换（Swap），这将导致性能急剧下降，比任何GC问题都更致命。
那么，如何“合理”呢？这通常是一个迭代和观察的过程。
- 了解应用特性： 你的应用是内存密集型吗？会创建大量临时对象吗？还是长期持有大量数据？例如，一个批处理应用可能需要较大的堆来处理数据，而一个实时交易系统可能更注重低延迟，不希望堆过大导致GC停顿。
-
基线设置： 通常，我会将
-Xms
和-Xmx
设置为相等，这避免了JVM在运行时调整堆大小带来的额外开销。初始值可以从物理内存的25%到50%开始尝试。例如，一台16GB内存的服务器，可以尝试-Xms8g -Xmx8g
。 -
监控与分析： 这是最关键的一步。使用JMX工具（如JConsole, VisualVM）、GC日志分析工具（如GCViewer, gceasy.io）或APM工具（如SkyWalking, Pinpoint）来持续监控以下指标：
- 堆内存使用率： 观察堆内存的峰值和平均使用情况。如果长期接近最大值，说明堆可能偏小。
- GC频率和停顿时间： Minor GC是否过于频繁？Full GC是否发生？停顿时间是否在可接受范围内？
- 晋升到老年代的对象数量： 如果新生代对象频繁晋升到老年代，可能需要调整新生代大小或优化代码。
- 迭代优化： 根据监控数据，逐步调整堆大小。如果OOM频繁发生，或者Full GC过于频繁，尝试增加堆内存。如果发现堆内存利用率很低，且GC表现良好，可以适当减小堆内存，为其他服务或系统预留资源。
一个常见的陷阱是，为了避免OOM，直接把堆设置得非常大。我见过很多案例，应用实际只用了2GB内存，却配置了32GB的堆，结果是浪费资源不说，一旦发生Full GC，那将是灾难性的停顿。所以，平衡是艺术，数据是依据。
不同的垃圾收集器（GC）各有什么特点，我该如何选择？
垃圾收集器是JVM的“心脏”，它的选择直接影响着应用的响应速度和吞吐量。理解它们各自的特点，才能做出明智的决策。
-
Serial GC (
-XX:+UseSerialGC
)：- 特点： 单线程执行所有GC工作，在GC时会暂停所有应用线程（Stop-The-World, STW）。
- 适用场景： 内存较小（几十到几百MB），CPU核数较少，或客户端应用。它的优势在于简单高效，没有线程协调的开销。
- 选择理由： 你的应用是桌面程序，或者部署在资源极其有限的微服务实例上，且对GC停顿不敏感。
-
Parallel GC (
-XX:+UseParallelGC
)：- 特点： 多线程执行Young/Old GC，同样是STW，但利用多核CPU并行处理，旨在提高吞吐量。
- 适用场景： 后台批处理、数据分析等对吞吐量要求高，但对单次GC停顿时间不那么敏感的场景。
- 选择理由： 你的应用是计算密集型，可以接受秒级甚至更长的GC停顿，但希望在单位时间内处理更多的数据。
-
CMS GC (
-XX:+UseConcMarkSweepGC
)：- 特点： 旨在降低GC停顿时间，大部分GC工作与应用线程并发执行。它分多个阶段，其中只有初始标记和重新标记阶段是STW的。
- 适用场景： 对响应时间敏感的Web应用或在线服务。
- 选择理由： 你的应用需要较低的GC停顿，但你又不想升级到更高版本的JVM使用G1或更先进的GC。需要注意的是，CMS可能会产生内存碎片，并且在并发阶段仍可能出现浮动垃圾导致Full GC。
-
G1 GC (
-XX:+UseG1GC
)：- 特点： 分区（Region）化内存管理，可预测的GC停顿时间。它将堆划分为多个大小相等的区域，并根据用户设定的目标停顿时间，优先回收垃圾最多的区域。
- 适用场景： 大多数中大型应用，尤其是那些需要平衡吞吐量和低延迟的应用。它能很好地处理大内存堆。
- 选择理由： 你的应用是现代的Web服务、微服务，对GC停顿有一定要求，且堆内存可能较大。G1是Java 9+的默认GC，通常是一个很好的起点。
-
ZGC (
-XX:+UseZGC
) / Shenandoah GC (-XX:+UseShenandoahGC
)：- 特点： 极致的低停顿，停顿时间与堆大小无关，通常在亚毫秒级。它们通过着色指针、读屏障等高级技术实现几乎与应用线程并发的GC。
- 适用场景： 对延迟要求极其严苛的场景，如高频交易系统、实时数据处理、超大规模内存数据库等。
- 选择理由： 你的应用对延迟的容忍度极低，即使是几毫秒的停顿都无法接受，并且拥有足够的CPU和内存资源来支持这些GC的额外开销。
我个人选择的思路： 对于新项目或升级项目，我通常会从 G1 GC 开始。它在大多数情况下表现出色，兼顾了吞吐量和低延迟。如果G1无法满足特定的低延迟需求，并且应用运行在较新的JVM版本上，我会考虑 ZGC 或 Shenandoah。对于一些老旧的系统，如果无法升级JVM，那么 Parallel GC 可能是提高吞吐量的选择，而 CMS 则是降低停顿的方案。但无论选择哪个，都离不开持续的监控和调优。
除了堆和GC，还有哪些容易被忽视的JVM调优参数？
除了堆内存和垃圾收集器，JVM还有一些参数，虽然不那么“显眼”，但在特定场景下，它们对应用性能和稳定性有着举足轻重的影响。有时候，一个细微的调整就能解决一个棘手的生产问题。
-
Metaspace 大小 (
-XX:MaxMetaspaceSize
,-XX:MetaspaceSize
)- 作用： Metaspace用于存储类的元数据，如类定义、方法字节码等。它取代了PermGen（永久代）。
- 为什么容易忽视： 默认情况下，Metaspace是根据需要自动扩展的，但如果加载的类太多（比如动态生成类、大量使用框架），或者类加载器泄漏，Metaspace可能会耗尽，导致OOM。
-
调优：
-XX:MaxMetaspaceSize
设置最大值，避免无限制增长。-XX:MetaspaceSize
设置初始值。如果你的应用需要加载大量类或使用动态代理，监控Metaspace使用情况是必要的。我通常会用jcmd <pid> GC.class_histogram
来查看当前加载的类信息。
-
线程栈大小 (
-Xss<size>
)- 作用： 每个Java线程都有自己的栈空间，用于存储方法调用、局部变量等。
-
为什么容易忽视： 默认值通常是1MB（Linux）或256KB（Windows），对于大多数应用足够。但如果应用有大量递归调用，或者创建了非常多的线程，可能会导致
StackOverflowError
或耗尽系统内存。 -
调优： 减小
-Xss
可以让系统创建更多的线程，但增加了StackOverflowError
的风险。增大-Xss
可以处理更深的调用栈，但会减少系统可创建的线程数。这是一个平衡问题，需要根据应用的线程模型和调用深度来权衡。
-
JIT 编译器相关参数
- 作用： JIT（Just-In-Time）编译器将热点代码编译成机器码，显著提升执行效率。
- 为什么容易忽视： 大部分情况下，JVM的默认JIT行为已经很优秀。
-
调优：
-XX:+TieredCompilation
：启用分层编译，通常默认开启。它结合了客户端编译器（C1）和服务器编译器（C2），先用C1快速编译，再用C2进行深度优化，平衡了启动速度和峰值性能。-XX:CompileThreshold=<count>
：设置方法被调用多少次后才会被JIT编译。对于某些需要快速启动或预热的应用，调整这个值可能有帮助。-XX:ReservedCodeCacheSize=<size>
：设置JIT编译代码的缓存区大小。如果这个区域满了，JIT就无法继续编译，只能解释执行，性能会下降。
-
直接内存（Direct Memory）
- 作用： Java NIO（New I/O）和一些第三方库（如Netty）会使用直接内存，它不受JVM堆管理，但受限于物理内存。
-
为什么容易忽视： 它不属于Java堆，所以
-Xmx
无法控制它。但如果直接内存使用过多，同样会导致OOM，通常表现为OutOfMemoryError: Direct buffer memory
。 -
调优：
-XX:MaxDirectMemorySize=<size>
可以显式设置最大直接内存。默认值通常与-Xmx
相同。如果应用大量使用NIO或类似技术，需要监控其使用情况。
-
GC 日志配置
- 作用： 记录GC事件的详细信息，是分析GC行为、诊断性能问题的关键数据。
- 为什么容易忽视： 很多人只知道设置GC参数，却忘了收集GC日志。没有日志，调优就是盲人摸象。
-
调优：
- Java 9+：
-Xlog:gc*=info:file=<path>/gc.log:time,uptime,pid,level,tags
提供了非常灵活的日志配置。 - Java 8及更早版本：
-XX:+PrintGCDetails -XX:+PrintGCTimeStamps -Xloggc:<path>/gc.log
。 - 重要性： 启用GC日志是生产环境的必备配置，它是我们理解JVM行为的“眼睛”。
- Java 9+：
-
堆转储（Heap Dump）配置
- 作用： 在OOM发生时自动生成堆内存快照，用于事后分析内存泄漏。
- 为什么容易忽视： 只有在出问题时才想起，但往往那时已经错过了最佳收集时机。
-
调优：
-XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=<path>/heapdump.hprof
。这个参数至关重要，能帮助我们快速定位内存泄漏的根源。
这些参数的调优并非一蹴而就，它需要我们对应用有深刻的理解，并结合持续的监控和数据分析，才能找到最适合的配置。有时候，解决一个性能问题，并不在于把某个参数调到极致，而在于发现那个被忽视的“木桶短板”。
