Java HotSpot GC 调优

这是一个面向工程师 / 运维的简化但详细的 Java HotSpot 垃圾回收（GC）调优手册。假设你的应用运行在 JDK 11/17+（以 Java 17 为例），目标是快速建立基线、选择合适的收集器、逐步调整并验证效果。

核心原则：先测量（baseline）→ 小步改动（single variable changes）→ 观测与回滚 → 迭代优化。

适用对象与场景

你负责线上或预发布的 Java 服务（Spring Boot、微服务、RPC 服务等）。
目标可能是：降低最大延迟（pause）、减少 Full GC、提高吞吐量或降低内存占用。
需要具备对线上采集日志、重启服务和调参权限的工程师。 (Oracle 文档)

必备工具（准备工作）

在开始前请确保能在目标机器上运行或采集下列工具/命令输出：

JVM 版本信息：java -version（确认是 HotSpot、版本）。 (Oracle 文档)
监控/诊断工具：jcmd、jstat、jmap、jstack、jcmd（用于触发 JFR / dump / gc 等），以及 Java Flight Recorder (JFR) / JDK Mission Control（用于详细性能采样）。 (Oracle 文档)
GC 日志（必须）：使用 -Xlog:gc* 或等价老写法开启到文件。示例见下。(jvmperf: JVM Performance Workshop)
一个能够模拟真实负载的压测工具（wrk、ab、jmeter、gatling 等），用于可重复的性能测试。

步骤 0 — 记录基线（Baseline）

在不改任何 GC 参数的情况下运行一次代表性负载（生产或预发布流量）。记录：
- 平均/百分位延迟（p50 / p95 / p99）
- 吞吐量（requests/sec）
- JVM heap 使用峰值、GC 停顿次数与最大停顿时间（pause）
- CPU、IO、线程数指标
使用 jstat -gc <pid> 1000 10 观察短期内 Eden/Survivor/Old 使用情况；用 jcmd <pid> VM.native_memory summary（如需要）或 jmap -heap <pid> 获取堆详情。(Oracle 文档)
保存 GC 日志：如果程序未开启日志，先在测试环境用以下方式运行并采集日志（示例）：

java -Xms4g -Xmx4g -XX:+UseG1GC \
     -Xlog:gc*:file=/var/log/myapp_gc.log:time,uptime,level,tags \
     -jar myapp.jar

（上面以 G1 为例；后文会按场景讲如何切换）。(jvmperf: JVM Performance Workshop)

步骤 1 — 收集并开启观测（GC 日志 + JFR）

开启 GC 日志（必做）
- 现代 JDK 建议使用 -Xlog:gc*：例如 -Xlog:gc*:file=/path/gc.log:time,uptime,level。这样可以记录每次 Minor/Full GC、停顿时长、回收前后堆占用等信息。(jvmperf: JVM Performance Workshop)
启用 Java Flight Recorder（建议在预发/长时间采样）
- 快速启动命令（不需重启 JVM 的话可用 jcmd）：
```
jcmd <pid> JFR.start name=perf filename=/tmp/myapp.jfr duration=15m
jcmd <pid> JFR.dump name=perf filename=/tmp/myapp.jfr
```
- JFR 可帮助你定位 GC 以外的瓶颈（锁争用、方法热点、分配热点）。(Oracle 文档)
持续监控：将 GC 日志和 JFR 与 Prometheus/Grafana 或外部 APM（如 NewRelic、Dynatrace）结合，便于长期趋势分析。(Medium)

步骤 2 — 选择适合的 GC（快速决策）

按业务目标选择收集器（常见建议）：

追求极致吞吐量、不太敏感停顿：Parallel GC（Throughput）。
需要延迟-吞吐量平衡、并希望控制最大停顿：G1（Java 9+ 的默认收集器）。(Oracle)
非常低停顿（tiny pauses），堆大或延迟敏感：ZGC 或 Shenandoah（如果你的 JVM 发行版支持）。注意：ZGC 更依赖于合理的 -Xmx 设置。(Oracle 文档)

如何切换（示例）：

启用 G1（多数 JDK 9+ 默认）：-XX:+UseG1GC
启用 ZGC（若可用）：-XX:+UseZGC
（每次切换应在预发或受控环境验证）。(Oracle 文档)

步骤 3 — 基本调优项（按收集器给出可直接复制的参数）

先只改一个参数，跑压测并记录差异；如果效果不好再回滚。

A. G1（常用且适配广）

主要目标：控制最大停顿、提前触发混合回收（避免 Full GC）。

推荐起点（示例）：

-XX:+UseG1GC \
-XX:MaxGCPauseMillis=200 \
-XX:InitiatingHeapOccupancyPercent=45 \
-XX:ParallelGCThreads=8 \
-XX:ConcGCThreads=4 \
-Xms8g -Xmx8g

解释：

MaxGCPauseMillis=200：建议目标最大停顿 200ms（G1 会尽力，但不能保证绝对值）。(Oracle 文档)
InitiatingHeapOccupancyPercent=45：老年代占用 45% 时就开始並發標記（更早触发可避免老年代突然涨满）。(Oracle 文档)
ParallelGCThreads / ConcGCThreads：按机器核数微调（一般不超过核数），避免 GC 抢占过多 CPU。

其他可选（依情况）：

-XX:G1NewSizePercent / -XX:G1MaxNewSizePercent：限制 young 大小。(Oracle 文档)

B. ZGC（低停顿优先）

要点：

ZGC 是并发收集器，对 -Xmx 非常敏感：你必须确保 -Xmx 能覆盖 live-set 并留足 headroom。(Oracle 文档)

推荐起点（示例）：

-XX:+UseZGC -Xms16g -Xmx16g -XX:ConcGCThreads=4

解释与注意：

给 ZGC 较大堆通常能提升稳定性，但也要观察分配速率与 live-set。可考虑开启 large pages 提升性能（-XX:+UseLargePages）。(GC easy - Universal Java GC Log Analyser)

C. Parallel / Throughput GC（需要最大吞吐）

-XX:+UseParallelGC -XX:ParallelGCThreads=16 -Xms8g -Xmx8g

适合 CPU 密集且不敏感短暂停顿的场景。

步骤 4 — 如何读 GC 日志（简化要点）

看 停顿时间（pause）：关注 p95/p99 的 pause length；若某次 pause 非常大，找对应时间段的日志行（通常会标明原因：GC type、并发标记、混合回收、Full）。(jvmperf: JVM Performance Workshop)
看频率：频繁的小 pause 可能意味着年轻代太小或分配速率高；长时间未发生老年代回收可能会造成一次性大型标记。
看 Promotion（晋升）/Allocation failure：大量晋升可能说明 Survivor 区太小或对象寿命模型不合。
如果看到 Full GC 频繁，则必须优先定位导致 Full GC 的根因（如元空间、直接内存耗尽、老年代碎片化）。(jvmperf: JVM Performance Workshop)

工具：可以用 gcviewer、gceasy.io 或自建脚本解析 GC 日志，快速得到 pause distribution、young/full counts 等图表。(GC easy - Universal Java GC Log Analyser)

步骤 5 — 使用 JFR / jcmd / jstat 定位问题（实操）

用 jstat 快速看内存走向：
```
jstat -gc <pid> 1000 10
```
观察 Eden/S0/S1/Old/Perm（或 Metaspace）变化。(Oracle 文档)
用 jcmd 触发 JFR（参考上文）并在 JDK Mission Control 中打开 .jfr 文件查看热点、锁、分配热点。(Oracle 文档)
堆快照 / histogram（短期内查看对象分布）：
```
jcmd <pid> GC.class_histogram > /tmp/hist.txt
```
或用 jmap -histo:live <pid>。这些输出能帮助你判断哪些类分配最频繁（Potential allocation hotspots）。(Oracle 文档)

步骤 6 — 验证与回滚（测试策略）

每次改动只改一项（比如只改 MaxGCPauseMillis 或只改 InitiatingHeapOccupancyPercent），并运行同一套压测脚本。
比较基线与当前改动的关键指标（延迟分位、吞吐量、GC pause histogram、CPU 使用）。
若改动导致负面影响，立刻回滚到上一个稳定配置并记录原因。
将成功的配置在更长时间（数小时或天）运行以观察长期影响（内存泄漏/慢慢上升的内存等）。

常见问题与排查建议（快速清单）

频繁 Minor GC + 高暂停：增大 Young（通过 G1NewSizePercent / MaxGCPauseMillis 调整）或检查分配热点（JFR）。(Oracle 文档)
频繁 Full GC：检查 Metaspace、直接内存或老年代溢出；查看是否有大量对象晋升或长寿命对象。(jvmperf: JVM Performance Workshop)
改了参数没效果：确认 JVM 实际启动参数（进程的启动脚本/容器命令行），并确保没有容器/平台限制（k8s memory limit）导致看起来“参数无效”。
GC 占用过多 CPU：可能是 GC 线程数过多或 GC 触发过频，考虑减少 ParallelGCThreads/ConcGCThreads 或调整触发阈值。