一次年轻代 GC 长暂停问题的解决与思考

关注
发布于: 2020 年 09 月 18 日
问题描述公司某规则引擎系统，在每次发版启动会手动预热，预热完成当流量切进来之后会偶发的出现一次长达1-2秒的年轻代GC（流量并不大，并且LB下的每一台服务都会出现该情况）
在这次长暂停之后，每一次的年轻代GC暂停时间又都恢复在20-100ms以内
2s虽然看起来不长，但是对比规则引擎每次10ms左右的响应时间来说，还是不可以接受的；并且由于该规则引擎响应超时，还会导致出单超时失败
问题分析在分析该系统GC日志后发现，2s暂停发生在Young GC阶段，而且每次发生长暂停的Young GC都会伴随着新生代对象的晋升(Promotion)
核心JVM参数（Oracle JDK7）
-Xms10G 
-Xmx10G 
-XX:NewSize=4G 
-XX:PermSize=1g 
-XX:MaxPermSize=4g 
-XX:+UseConcMarkSweepGC
复制代码
启动后第一次年轻代GC日志
2020-04-23T16:28:31.108+0800: [GC2020-04-23T16:28:31.108+0800: [ParNew2020-04-23T16:28:31.229+0800: [SoftReference, 0 refs, 0.0000950 secs]2020-04-23T16:28:31.229+0800: [WeakReference, 1156 refs, 0.0001040 secs]2020-04-23T16:28:31.229+0800: [FinalReference, 10410 refs, 0.0103720 secs]2020-04-23T16:28:31.240+0800: [PhantomReference, 286 refs, 2 refs, 0.0129420 secs]2020-04-23T16:28:31.253+0800: [JNI Weak Reference, 0.0000000 secs]
Desired survivor size 214728704 bytes, new threshold 1 (max 15)
- age   1:  315529928 bytes,  315529928 total
- age   2:   40956656 bytes,  356486584 total
- age   3:    8408040 bytes,  364894624 total
: 3544342K->374555K(3774912K), 0.1444710 secs] 3544342K->374555K(10066368K), 0.1446290 secs] [Times: user=1.46 sys=0.09, real=0.15 secs] 
复制代码
长暂停年轻代GC日志
2020-04-23T17:18:28.514+0800: [GC2020-04-23T17:18:28.514+0800: [ParNew2020-04-23T17:18:29.975+0800: [SoftReference, 0 refs, 0.0000660 secs]2020-04-23T17:18:29.975+0800: [WeakReference, 1224 refs, 0.0001400 secs]2020-04-23T17:18:29.975+0800: [FinalReference, 8898 refs, 0.0149670 secs]2020-04-23T17:18:29.990+0800: [PhantomReference, 600 refs, 1 refs, 0.0344300 secs]2020-04-23T17:18:30.025+0800: [JNI Weak Reference, 0.0000210 secs]
Desired survivor size 214728704 bytes, new threshold 15 (max 15)
- age   1:   79203576 bytes,   79203576 total
: 3730075K->304371K(3774912K), 1.5114000 secs] 3730075K->676858K(10066368K), 1.5114870 secs] [Times: user=6.32 sys=0.58, real=1.51 secs] 
复制代码
从这个长暂停的GC日志来看，是发生了晋升的，在Young GC后，有363M+的对象晋升到了老年代，这个晋升操作因该就是耗时原因（ps: 检查过safepoint原因，不存在异常）
由于日志参数中没有配置-XX:+PrintHeapAtGC参数，这里是手动计算的晋升大小：
年轻代年轻变化 - 全堆容量变化 = 晋升大小
(304371K - 3730075K) - (676858K - 3730075K) = 372487K(363M)
﻿
下一次年轻代GC日志
2020-04-23T17:23:39.749+0800: [GC2020-04-23T17:23:39.749+0800: [ParNew2020-04-23T17:23:39.774+0800: [SoftReference, 0 refs, 0.0000500 secs]2020-04-23T17:23:39.774+0800: [WeakReference, 3165 refs, 0.0002720 secs]2020-04-23T17:23:39.774+0800: [FinalReference, 3520 refs, 0.0021520 secs]2020-04-23T17:23:39.776+0800: [PhantomReference, 150 refs, 1 refs, 0.0051910 secs]2020-04-23T17:23:39.782+0800: [JNI Weak Reference, 0.0000100 secs]
Desired survivor size 214728704 bytes, new threshold 15 (max 15)
- age   1:   17076040 bytes,   17076040 total
- age   2:   40832336 bytes,   57908376 total
: 3659891K->90428K(3774912K), 0.0321300 secs] 4032378K->462914K(10066368K), 0.0322210 secs] [Times: user=0.30 sys=0.00, real=0.03 secs] 
复制代码
乍一看其实没什么问题，仔细想想发现了一些不正常，为什么程序刚启动第二次gc就发生了晋升呢
这里应该是动态年龄判定导致的，GC中晋升年龄阈值并不是固定的15，而是jvm每次gc后动态计算的
年轻代晋升机制为了能更好地适应不同程序的内存状况，虚拟机并不是永远地要求对象的年龄必须达到了MaxTenuringThreshold才能晋升老年代，如果在Survivor空间中相同年龄所有对象大小的总和大于Survivor空间的一半，年龄大于或等于该年龄的对象就可以直接进入老年代，无须等到MaxTenuringThreshold中要求的年龄
《深入理解Java虚拟机》一书中提到，对象晋升年龄的阈值是动态判定的。
﻿
不过经查阅其他资料和验证后，发现此处和《深入理解Java虚拟机》解释的有些出入（或者是书上解释的不够清楚）
其实就是按年龄给对象分组，取total（累加值，小于等与当前年龄的对象总大小）最大的年龄分组，如果该分组的total大于survivor的一半，就将晋升年龄阈值更新为该分组的年龄
注意：不是是超过survivor一半就晋升，超过survivor一半只会重新设置晋升阈值（threshold），在下一次GC才会使用该新阈值
3544342K->374555K(3774912K), 0.1444710 secs] 年轻代
﻿
3544342K->374555K(10066368K), 0.1446290 secs] 全堆
复制代码
从上面第一次的GC日志也可以证明这个结论，在这次GC中全堆的内存变化和年轻代内存变化是相等的，所以并没有发生对象的晋升
就像上面的日志中，第一次GC只是将threshold设置为1，因为此时survivor一半为214728704 bytes，而年龄为1的对象总和有315529928 bytes，超过了Desired survivor size，所以在本次GC后将threshold设置为年龄为1的对象年龄1
这里更新了对象晋升年龄阈值为1
Desired survivor size 214728704 bytes, new threshold 1 (max 15)
- age   1:  315529928 bytes,  315529928 total
- age   2:   40956656 bytes,  356486584 total
- age   3:    8408040 bytes,  364894624 total
复制代码
这里顺便解释下这个年龄分布的输出内容：
- age 1: 315529928 bytes, 315529928 total
复制代码
age 1表示年龄为1的对象分组，315529928 bytes表示年龄为1的对象占用内存大小
315529928 total这个是一个累加值，表示小于等于当前分组年龄的对象总大小。先把对象按年龄分组，age 1的分组total为age 1总大小（前面的xxx bytes），age 2的分组total为age 1 + age 2总大小，age n的分组total为age 1 + age 2 + ... +age n的总大小，累加规则如下图所示
﻿
﻿
当total最大的分组的total值超过了survivor/2时，就会更新晋升阈值
在第二次年轻代GC“长暂停年轻代GC日志”中，由于新的晋升年龄阈值为1，所以那些经历了一次GC并存活并且现在仍然可达（reachable）的对象们就会发生晋升了
由于此次GC发生了363M的对象晋升，所以导致了长暂停
思考JVM中这个“动态对象年龄判定”真的是合理的吗？个人认为机制是好的，可以更好的适应不同程序的内存状况，但不是任何场景都适合，比如在本文中这个刚启动不就GC的场景下就会有问题
因为在程序刚启动时，大多数对象年龄都是0或者1，很容易出现年龄为1的大量存活对象；在这个“动态对象年龄判定”机制下，就会导致新的晋升阈值被设置为1，导致这些不该晋升的对象发生了晋升
比如程序在初始化，正在加载各种资源时发生了Young GC，加载逻辑还在执行中，很多新建的对象年龄在这次GC时还是可达的（reachable）
经历了这次GC后，这些对象年龄更新为1，但是由于“动态对象年龄判定”机制的影响，晋升年龄阈值更新为了“最大的对象年龄分组”的年龄，也就是这批刚经历了一次GC的对象们
在这次GC之后不久，资源初始化完成了，涉及的相关对象有很可能不可达了，但是由于刚才晋升年龄阈值被更新为了1，在下一次正常的Young GC这批年龄为1的对象会直接发生晋升，提前或者说错误的发生了晋升
解决方案经查阅文档、资料，发现“动态年龄判定”这个机制并不能禁用，所以如果想解决这个问题，只有靠“绕过”这个计算规则了
动态年龄的判定，是根据Survivor空间中相同年龄所有对象大小的总和大于Survivor空间的一半来判定的，那么根据这个机制解决也很简单
由于我们足够了解自己的系统，清楚的知道加载资源所需的大概内存，完全可以设定一个大于这些暂时可达的对象总和的数值来作为survivor的容量
比如上面的日志中，第一次GC后年龄为1的对象有315529928 Bytes(300M)，Desired survivor size为（survivor size /2）214728704 bytes(204M)，那么survivor就可以设置为600M以上。
不过为了稳妥，还是将survivor调到800M，这样desired survivor size就是400M左右，在第一次Young GC后，就不会因年龄为1的对象总和超过了desired survivor size而导致晋升年龄阈值的更新了，从而也就不会有提前/错误晋升而导致的GC长暂停问题
survivor不可以直接指定大小，不过可以通过-XX:SurvivorRatio这种调节比例的方式来调节survivor大小
-XX:SurvivorRatio=8
表示两个Survivor和Edgen区的比，8表示两个Survivor:Eden=2:8，即一个Survivor占新生代的1/10。
计算方式为：
Survivor Size(1) = Young Generation Size / (2+SurvivorRatio)
Eden Size = Young Generation Size / (2+SurvivorRatio) * SurvivorRatio
复制代码
扩展阅读为什么晋升300M比年轻代回收3G还要慢这么多倍
根据复制算法的特性，复制算法的时间消耗主要取决于存活对象的大小，而不是总空间的大小
﻿
比如上面4G的年轻代（实际只有Eden+S0可用），GC时只需要从GC ROOTS开始遍历对象图，将可达的对象复制至S1即可，并不需要遍历整个年轻代
在上面那次长暂停GC日志中，发生了363M的晋升，300M左右的回收，对比第一次GC基本可以得出，花费的1.5S基本上都是在晋升操作
那么为什么晋升操作这么耗时呢？
这里没有深入研究Oracle JVM实现的年轻代晋升细节，不过晋升涉及跨代复制（其实都年轻代和老年代都是heap，在复制这件事上本质上没什么区别，都是memcpy而已，只是需要额外处理的逻辑更多了）
，所需处理的逻辑会更复杂一些，比如指针的更新等操作，更耗时也是可以理解的，
﻿
本地代码模拟这里也附上一段可以在本地模拟问题的代码，Oracle JDK7下可直接运行测试
//jdk7.。
﻿
import java.io.IOException;
import java.util.ArrayList;
import java.util.HashMap;
import java.util.List;
﻿
public class PromotionTest {
    public static void main(String[] args) throws IOException {
        //模拟初始化资源场景
        List<Object> dataList = new ArrayList<>();
        for (int i = 0; i < 5; i++) {
            dataList.add(new InnerObject());
        }
        //模拟流量进入场景
        for (int i = 0; i < 73; i++) {
            if(i == 72){
                System.out.println("Execute young gc...Adjust promotion threshold to 1");
            }
            new InnerObject();
        }
        System.out.println("Execute full gc...dataList has been promoted to cms old space");
        //这里注意dataList中的对象在这次Full GC后会进入老年代
        System.gc();
    }
    public static byte[] createData(){
        int dataSize = 1024*1024*4;//4m
        byte[] data = new byte[dataSize];
        for (int j = 0; j < dataSize; j++) {
            data[j] = 1;
        }
        return data;
    }
    static class InnerObject{
        private Object data;
﻿
        public InnerObject() {
            this.data = createData();
        }
    }
}
复制代码
jvm options
-server -Xmn400M -XX:SurvivorRatio=9 -Xms1000M -Xmx1000M -XX:+PrintGCDetails -XX:+PrintGCDateStamps -XX:+PrintTenuringDistribution -XX:+PrintHeapAtGC -XX:+PrintReferenceGC -XX:+PrintGCApplicationStoppedTime -XX:+UseConcMarkSweepGC
﻿
感谢大家对作者的支持，如果觉得文章不错，对大家有所帮助，大家可以帮作者点点关注+转发。
﻿
欢迎关注我的公众号：【 Java烂猪皮 】，获得独家整理的学习资源、日常干货及福利赠送。
﻿
﻿
文章出处：club.perfma.com/article/17
﻿
发布于: 2020 年 09 月 18 日阅读数: 48
AI乔治

关注
分享后端技术干货。公众号【 Java烂猪皮】 2019.06.30 加入
一名默默无闻的扫地僧！
发布
暂无评论
创作场景

一次年轻代 GC 长暂停问题的解决与思考

问题描述

问题分析

年轻代晋升机制

思考

解决方案

扩展阅读

本地代码模拟

AI乔治

评论
