其他分享
首页 > 其他分享> > 亿级流量电商系统JVM模型参数二次优化

亿级流量电商系统JVM模型参数二次优化

作者:互联网

亿级流量电商系统JVM模型参数预估方案,在原来的基础上采用ParNew+CMS垃圾收集器

一、亿级流量分析及jvm参数设置

1. 需求分析

大促在即,拥有亿级流量的电商平台开发了一个订单系统,我们应该如何来预估其并发量?如何根据并发量来合理配置JVM参数呢?

假设,现在有一个场景,一个电商平台,比如京东,需要承担每天上亿的流量。现在开发了一个订单系统,那么这个订单系统每秒的并发量是多少呢?我们应该如何分配其内存空间呢?先来分析一下

亿级流量电商系统JVM模型参数二次优化

每日亿级流量,平均一个用户点击量在20-30左右,通过这个计算出日活用户数约1亿/20=500万, 看的人多,买的人少,通常下单率不超过10%,我们按照留存率10%来计算,日均订单约50万单。这是分两种情况:

2. 常规方案及问题暴露

对于这每秒400但会产生多大的对象呢?

亿级流量电商系统JVM模型参数二次优化

我们假设订单对象的大小是1kb,实际上订单对象的大小和订单对象中的字段有关系,我们假设是1kb。每秒400单,也就是会产生400kb的订单对象。下单还涉及到其他对象,比如库存,优惠券,积分等等,我们将对象扩大20倍, 大约是(400kb*20)/秒. 可能同时还有其他操作,比如查询订单的操作,我们再讲其扩大10倍,大约是80M,也就是每秒产生约80M的对象,这些对象在1s后都会变为垃圾。

对于一台4核8G的服务器来说,通常我们不设置JVM参数,也可能会根据物理机的8G内存来设置JVM参数。如果根据JVM参数来设置参数如何设置呢?

之前说过开启逃逸分析会将对象分配到栈上,我们这里计算分析的时候暂且忽略逃逸分析分配到栈上的对象,因为这部分对象相对来说比较少。下面我们来验证上面的预估算法是否准确,会有什么样的问题呢?

物理机有8G,分给os操作系统3G,分给JVM5G,然后JVM中给堆分配3G,元数据空间分配512M,线程栈分配1M等等。这是估算,不够精细,到底分配这么多空间够不够呢,会不会浪费呢?会产生什么样的问题呢?

设置jvm参数大致如下:
  
-Xms3072M -Xmx3072M -Xss1M -XX:MetaspaceSize=512M -XX:MaxMetaspaceSize=512M 

这样设置到底行不行呢?有没有问题呢?我们来看看运行时数据区:

亿级流量电商系统JVM模型参数二次优化

根据计算

按照这个模型来分析,得到如下结果:

亿级流量电商系统JVM模型参数二次优化

  1. 大促期间1s产生80M的对象数据。我们知道对象数据都是放在Eden园区,Eden园区一共800M,那么大约10s就放满了,放满了就会触发Minor GC
  2. 触发Minor GC的期间,会Stop The World暂停业务线程。在第10s触发MinorGC的时候,前9s的720M数据都已经变成垃圾了,会被回收掉,最后1s的80M数据由于还有对象引用,只是暂停了业务线程,因此不是垃圾,不能被回收。会被放入S1区。
  3. 在Survivor区有一个对象动态年龄判断机制。什么是对象动态年龄判断机制呢?

当前放对象的Survivor区域里(其中一块区域,放对象的那块s区),一批对象的总大小大于这块Survivor区域内存大小的50%(-XX:TargetSurvivorRatio可以指定),那么此时大于等于这批对象年龄最大值的对象,就可以直接进入老年代了,

例如:Survivor区域里现在有一批对象,年龄1+年龄2+年龄n的多个年龄对象总和超过了Survivor区域的50%,此时就会把年龄n(含)以上的对象都放入老年代。这个规则其实是希望那些可能是长期存活的对象,尽早进入老年代。

对象动态年龄判断机制一般是在minor gc之后触发的。

也就是说当在Survivor区经过几代的回收以后,如果对象总和大于Survivor区域的一半,则会直接放入到老年代。Survivor是100M,第10s的对象是80M,大于100M,会直接将这个对象放入到老年代。

亿级流量电商系统JVM模型参数二次优化

  1. 老年代一共有2G空间,2G空间执行多少次会满呢?2G/80M=25次,也就是发生25次(25秒)Minor GC就会触发一次Full GC。这个频率就太高了,通常应该要很少触发Full GC,起码也得1个小时触发一次。而触发的原因是因为垃圾对象(这些对象1s后都变成垃圾了),这样肯定是不行的。我们需要优化JVM参数。

3. JVM优化

有问题有就解决问题。问题的根本原因是老年代发生了Full GC,为什么会发生Full GC呢?

之所以80M对象会放到了老年代是因为每秒产生的数据 大于 Survivor区空间的一半。所以,我们可以调整Survivor区大小。通常我们不会修改默认的Eden:S1:S2的比例,所以,我们可以考虑从整体扩大新生代的内存空间。假设我们扩大到2G,让老年代是1G。

亿级流量电商系统JVM模型参数二次优化

这时会怎么样呢?

这时在分析:

亿级流量电商系统JVM模型参数二次优化

由此分析,大大降低了Full GC发生的频率。

最终参数设置:

-Xms3072M -Xmx3072M -Xmn2048M -Xss1M -XX:MetaspaceSize=512M -XX:MaxMetaspaceSize=512M 
  
为了更清晰的看到效果,可以打印GC详细日志
-XX:+PrintGCDetails

4. 总结

通过上面的数据分析,我们要养成一个习惯,做任何事情都是要有理有据,不能是拍脑袋就说出来的。一定要能够经得起验证的。

二、亿级流量jvm参数优化--使用parNew和CMS垃圾收集器

1. 需求分析

上面的参数设置,帮我们解决了多次触发Full GC的问题,通过调整参数以后,我们看出在预期正常情况下,基本不会触发Full GC。但如果有意外情况呢?比如,我们的一台服务器能够承受的最大并发量是400/s,但如果在秒杀的时候,并发量超过了这种情况是在不发生意外的情况下。假如并发流量达到1000,内存模型是怎么样的呢?

亿级流量电商系统JVM模型参数二次优化

根据这个估算模型,正常情况下订单系统可以承接的订单并发量是400单/s,但遇到某一个大促活动,很可能并发量冲到700单/s, 1000单/s,这是一秒产生的垃圾就不是60M了,可能是120M,甚至更多。根据之前的分析,这时又会频繁的触发Full GC了。当然了,我们有很多办法来控制并发量,比如限流、扩容。但这里我们从JVM的角度来分析,如何处理这个问题。

正常情况我们的jvm参数是如下设置:

‐Xms3072M ‐Xmx3072M ‐Xss1M ‐XX:MetaspaceSize=256M ‐XX:MaxMetaspaceSize=256M ‐XX:SurvivorRatio=8

经过上面的分析,这样设置可能会由于动态对象年龄判断原则导致频繁full gc。于是我们设置如下JVM参数,尽量避免触发full GC

 ‐Xms3072M ‐Xmx3072M ‐Xmn2048M ‐Xss1M ‐XX:MetaspaceSize=256M ‐XX:MaxMetaspaceSize=256M ‐XX:SurvivorRatio=8

2. JVM优化

这个原理在上面已经说过了,但是如果并发量从峰值400单/s,一下冲到700~1000单/s。这时候,很显然,又会触发Full GC了,因为内存对象从原来的80M,变成了160M甚至更多,Survior区200M空间,他的一半小于160M, 所以会直接放入到老年代。针对这个问题,我们来做参数优化。

优化一:分代年龄从15变成5

系统默认的分代年龄是15,也就是一个对象在Survivor两个区轮回15次才会进入到老年代。15次大概是多长时间呢?我们来计算一下,按照参数来分析一下内存模型,如下图:

‐Xms3072M ‐Xmx3072M ‐Xmn2048M ‐Xss1M ‐XX:MetaspaceSize=256M ‐XX:MaxMetaspaceSize=256M ‐XX:SurvivorRatio=8

亿级流量电商系统JVM模型参数二次优化

​ 每秒钟产生80M垃圾,放入到Eden区,Eden区一共1.6G,预计20s放满,触发Minor GC, 然后大部分对象被回收,只有一小部分对象进入到Survivor区。第二次回收的时候,上次进入Survivor区的大部分对象被垃圾回收,另一部分进入到另一个Survivor区。这些进入到另一个Survivor的对象要经历15次Minor GC,也就是年龄是15的时候,被转移到老年代,花费大约20s*15约5分钟的时间才能进入到老年代。其实这些长期存活的对象都是java运行或者spring运行是的一些java.lang.String, java.util.Math, 和一些bean对象。既然这些对象本身是长期存活的,那么我们就没必要让他经历那么多代才进入到老年代。

​ 我们完全可以将默认的15岁改小一点,比如改为5,那么意味着对象要经过5次minor gc才会进入老年代,如果经历5次Minor GC还没有被回收,我们完全可以认为她就是要长期存活的对象了,将其移动到老年代,而不是继续一直占用survivor区空间。整个过程时间不到两分钟。

设置参数如下:

‐Xms3072M ‐Xmx3072M ‐Xmn2048M ‐Xss1M ‐XX:MetaspaceSize=256M ‐XX:MaxMetaspaceSize=256M ‐XX:SurvivorRatio=8  
‐XX:MaxTenuringThreshold=5

优化二:大对象直接进入老年代

对于多大的对象直接进入老年代合适呢?这个一般可以结合你自己系统看下有没有什么大对象生成,预估下大对象的大小,一般来说设置为1M就差不多了,很少有超过1M的大对象,这些对象一般就是你系统初始化分配的缓存对象,比如大的缓存List,Map之类的对象。 设置大对象直接进入老年代使用的参数:-XX:PretenureSizeThreshold

参数设置如下:

‐Xms3072M ‐Xmx3072M ‐Xmn2048M ‐Xss1M ‐XX:MetaspaceSize=256M ‐XX:MaxMetaspaceSize=256M ‐XX:SurvivorRatio=8  
‐XX:MaxTenuringThreshold=5 ‐XX:PretenureSizeThreshold=1M

优化三:替换垃圾收集器为ParNew + CMS

JDK8默认使用的垃圾回收器是-XX:+UseParallelGC(年轻代)和-XX:+UseParallelOldGC(老年代),通常使用Parallel会有什么问题呢?经验告诉我们,当系统内存较大的时候(超过4G,经验值),系统对停顿时间是比较敏感的。 通常大于4G内存,我们可以采用ParNew + CMS垃圾收集器。可不可以使用G1收集器呢?G1收集器通常是内存大于8G时使用的。 内存小于8G时,在jdk8中G1收集器的算法耗费的内存要比CMS多。所以这里我们替换垃圾收集器为ParNew + CMS。设置使用ParNew + CMS的参数是:-XX:+UseParNewGC -XX:+UseConcMarkSweepGC

经验: 很多使用jdk8的公司都是用时ParNew + CMS垃圾回收

参数设置如下:

‐Xms3072M ‐Xmx3072M ‐Xmn2048M ‐Xss1M ‐XX:MetaspaceSize=256M ‐XX:MaxMetaspaceSize=256M ‐XX:SurvivorRatio=8  
‐XX:MaxTenuringThreshold=5 ‐XX:PretenureSizeThreshold=1M -XX:+UseParNewGC -XX:+UseConcMarkSweepGC

替换成ParNew + CMS垃圾收集器能解决上面并发流量达到700~1000单/s的问题么?我们来分析一下:

1) 当并发流量导到700单/s的时候, 原来每秒产生80M垃圾,现在可能达到160M,那么年轻代Survivor放不下,会直接放入到老年代。

2)当兵发流量大了的时候,本来系统能承受的是400单/s, 但是突增到500单/s的时候,原来每秒可以处理一个订单,现在可能1秒处理不完了,要2秒甚至更多。那么就有可能在垃圾回收的时候,2s内的对象的引用关系都还在,不能被回收,刚好又大于新生代一半的空间,也会被直接放入老年代。

3)经过上面的优化,发生一次Minor GC,大约要20s, 老年代有1G空间,1G/160M*20/60=2分钟。2分钟触发一次GC,通常高峰流量也就半个小时左右。2分钟触发一次GC,这也不太合适。

优化四:设置CMS收集器的参数

1) 避免并发失败参数设置

在CMS收集器那块我们说过,CMS正在收集垃圾但还没有完成的时候,又产生了新的垃圾,导致再次触发垃圾回收,这就发生死循环了,这就是concurrentmode failure并发失败。为了避免并发失败,这时会停止CMS垃圾回收的全部线程,进入到Serial Old串行垃圾收集。串行速度是很慢的,严重影响用户体验。我们尽量不要让这种情况发生。因此,我们设置垃圾回收参数:‐XX:CMSInitiatingOccupancyFraction,我们设置老年代达到一定比例比如80%就出发Full GC,留出足够大的空间给大对象,这样就不会触发Serial Old了。

这个值默认是92,也可以设置成80,但设置成80就表示,剩下20%的内存空间正常情况下处于闲置了。

参数设置如下:

‐Xms3072M ‐Xmx3072M ‐Xmn2048M ‐Xss1M ‐XX:MetaspaceSize=256M ‐XX:MaxMetaspaceSize=256M ‐XX:SurvivorRatio=8  
‐XX:MaxTenuringThreshold=5 ‐XX:PretenureSizeThreshold=1M -XX:+UseParNewGC -XX:+UseConcMarkSweepGC
‐XX:CMSInitiatingOccupancyFraction=92 

2)压缩整理参数设置

我们可以设置在发生Full GC之后进行内存空间的压缩整理。这里涉及到两个参数,一个是开启压缩整理,另一个是触发几次Full GC整理一次内存空间。

-XX:+UseCMSCompactAtFullCollection:FullGC之后做压缩整理(减少碎片) 
-XX:CMSFullGCsBeforeCompaction:多少次FullGC之后压缩一次,默认是0,代表每次FullGC后都会压缩一次
  这个参数是说执行多少次Full GC以后进行一次压缩。如果其值是3,则表示执行3次Full GC,进行一次压缩整理。

在触发了CMS垃圾回收之后,进行内存整理,也会对性能有一定的影响的。 因为他也会STW。这个过程不会特别慢,这和剩余的对象有关,剩余的对象少,效率就高。剩余的对象多,效率就低。因为在整理的过程中,对象的地址会发生变化。

对于我们上面的案例,我们可以设置每次垃圾回收后都进行整理,为什么可以这么设置呢?因为我们full GC发生的频率很低。偶尔搞一次大促呢?也没关系,大促的前面二三十分钟流量最高,二三十分钟触发一次Full GC没关系的,因为大促基本结束了。

如果系统压力比较大,触发Full GC很频繁,这个参数就不要这么设置了。可以设置-XX:CMSFullGCsBeforeCompaction为3次,5次。

不做碎片整理可不可以呢?

最好不要,因为如果不做碎片整理,老年代的碎片就会越来越多,正常的大对象都放不下了。

参数设置如下:

‐Xms3072M ‐Xmx3072M ‐Xmn2048M ‐Xss1M ‐XX:MetaspaceSize=256M ‐XX:MaxMetaspaceSize=256M ‐XX:SurvivorRatio=8  
‐XX:MaxTenuringThreshold=5 ‐XX:PretenureSizeThreshold=1M -XX:+UseParNewGC -XX:+UseConcMarkSweepGC
‐XX:CMSInitiatingOccupancyFraction=92 ‐XX:+UseCMSCompactAtFullCollection ‐XX:CMSFullGCsBeforeCompaction=0

标签:触发,Full,对象,XX,GC,垃圾,JVM,亿级,电商
来源: https://blog.csdn.net/weixin_48612224/article/details/121016365