面经策

如何对 Java 的垃圾回收进行调优？ ​

  • 标签：JVM、Java

🏛 业务架构师 ​

GC 调优的方法论我概括为**"目标先行、数据驱动、小步验证"**：

第一步：定目标（业务指标翻译成 GC 指标）

  • 接口 P99 200ms → 单次 GC 停顿需远小于此（如 <50ms）；
  • 吞吐型任务 → GC 时间占比 <5%；
  • 目标不同，方向相反（大堆低频 vs 小堆低停顿）——没有目标的调优是撒网祈祷。

第二步：采数据

  • GC 日志（-Xlog:gc*）分析停顿分布、频率、回收效果；
  • 堆趋势：老年代增长速率（斜率异常 = 泄漏或缓存失控）、对象画像（jmap histo 找大头）；
  • 关联业务指标：GC 停顿与接口毛刺的时间点对齐验证因果。

第三步：按优先级动手

  1. 多数"GC 问题"是内存问题：修代码（缓存上限、大对象复用、减少临时对象）比调参数收益大——调参治标，治本在业务代码的内存行为；
  2. 堆大小与分代比例（Xms=Xmx 防抖动、新生代适配对象晋升率）；
  3. 换收集器：Parallel（吞吐）→ G1（均衡，默认即够）→ ZGC（亚毫秒停顿，延迟尖刻业务如实时风控）；
  4. 只在证据明确时动 JVM 细节参数——每调一个参数都要能回答"预期改善什么指标、依据是什么"。

第四步：验证闭环：同负载压测前后对比 + 灰度观察线上——没有对比数据的调优改动禁止上线。

务实结论：90% 的应用默认 G1 + 合理堆 + 不写内存失控的代码 = 不需要调优。架构师更该投入的是内存治理规范（缓存必设上限、大集合分页）——把 GC 问题消灭在设计期。

🏗 系统架构师 ​

GC 调优我按"先定目标 → 看数据 → 改关键变量 → 验证固化"的闭环讲：

1. 定目标：低延迟（P99 < 200ms、无 Full GC）还是高吞吐（批处理）？目标决定收集器选择——这是我调优的第一决策。

2. 采集数据：GC 日志（-Xlog:gc*:file=gc.log）+ APM/监控（堆使用曲线、promote 速率、停顿分布）。看三类症状：频繁 Young GC（新生代太小/分配速率高）、对象过早晋升（Survivor 不足）、Old 持续上涨（泄漏 or 缓存滥用）。

3. 关键调优动作：

  • 选对收集器：JDK8 默认 Parallel（吞吐型，停顿大）；低延迟服务换 G1（大堆 4~32GB、可控停顿）或 ZGC（TB 级堆、亚毫秒停顿，JDK15+ 生产可用）；
  • 堆大小：容器里 -XX:MaxRAMPercentage=70 防止被 OOMKilled，同时预留堆外/元空间；堆不是越大越好，太大单次停顿上升；
  • 分代比例：G1 下让 Region 大小、MaxGCPauseMillis 自治，少手动干预；Parallel 下按"平均请求存活对象量"倒推 Survivor；
  • 治本类问题：缓存无界（换 Caffeine 有界）、大对象直接进老年代（PretenureSizeThreshold 或代码拆分）、Full GC 由元空间/调用 System.gc() 引起的分别处理（-XX:+DisableExplicitGC 注意堆外内存回收依赖，用 ExplicitGCInvokesConcurrent 替代）。

4. 验证：每次只改一个参数，压测对比停顿分布与吞吐，参数进配置管理与发布流程。

一句话：GC 调优 20% 靠参数，80% 靠定位内存分配行为，多数"GC 问题"最后改的是代码不是 JVM 参数。

💻 全栈开发专家 ​

我的调优流程是**"先诊断、后动刀、必验证"**，绝不上来就改参数：

第一步：收集数据

text
# JVM 参数（8+ 统一日志）
-Xlog:gc*,gc+heap=debug:file=gc.log:time,uptime:filecount=5,filesize=50m
# 运行时观测
jstat -gcutil <pid> 1000     # 各区使用率 + YGC/FGC 次数与耗时

GC 日志丢 GCEasy/GCViewer 分析：GC 频率、单次时长、晋升量、大对象分配。

第二步：定位问题模式

  • 频繁 Young GC：新生代太小 / 短命对象太多（代码问题：循环内建对象）；
  • Young GC 后 survivor 装不下大量晋升 → 老年代涨 → Full GC：Survivor 太小或 MaxTenuringThreshold 不合理；
  • Old 区持续增长回收不掉：内存泄漏（dump + MAT）或缓存无界；
  • G1 下 Humongous 对象：单对象 > region/2 直接进老年代（一次性拉大结果集的典型）。

第三步：动刀（单一变量原则）

text
-Xms = -Xmx（防堆抖动）      -Xmn 或 G1 用 -XX:MaxGCPauseMillis=200
8G 以下堆：ParallelGC；8G+ 在线服务：G1；超大堆低延迟：ZGC

第四步：压测验证：对比 P99、GC 次数/停顿、吞吐，指标不达标回退。

我修过的真实案例：定时任务每分钟 new 一个 200MB 的报表对象 → G1 频繁 Humongous 分配 → Full GC。改成流式分页处理 + 复用 buffer，Full GC 归零——GC 调优七分靠改代码，三分靠调参数。