资讯频道 → 编程语言
阅读更多

2顶
0踩

编程语言

转载新闻 IntelliJ IDEA 内存优化最佳实践

2016-01-19 14:21 by 副主编 mengyidan1988 评论(5) 有11510人浏览
java IntelliJ
【编者按】本文作者在和同事的一次讨论中发现，对 IntelliJ IDEA 内存采用不同的设置方案，会对 IDE 的速度和响应能力产生不同的影响。本文转自OneAPM。




Don’t be a Scrooge and give your IDE some more memory

不要做守财奴，给IDE多留点内存吧。

昨天，大家就是否自定义 IntelliJ IDEA 的内存设置进行了讨论，有些人选择默认设置，有些人会对默认的设置进行简单的变更，还有一些开发者会基于他们的需求进行全面复杂的设置。笔者目前的工作是处理几个微服务项目和一个老项目，而客户的核心业务需求非常大。对 IntelliJ IDEA 内存进行简单设置以后，笔者明显感受到了该 IDE 在速度和响应方面的改善。但当时笔者并未进行具体的测量，所以这只是主观感受而已。

不过，参与讨论的一位开发者给笔者发了一份他的设置，虽然是针对同个项目，该设置却极其复杂。笔者对自己的设置并无不满，但非常好奇，这些完全不同的设置对比 JetBrains 提供的默认设置，会有怎样的不同。

目标
笔者的计划是，在一个接近日常开发项目的场景下（加载一个大项目、加载2、3个微服务、git pull 后刷新大项目），测试各个设置带来的效果，并选出内存消耗和速度都达到最优时的最佳设置。

测试机器和项目
笔记本电脑：MacBook Pro Retina, 2.3GHz Intel Core i7, 16GB 1600Mhz DDR3,SSD Disc, OS X Yosemite
项目

  • 大项目—— Monolith ，70万行代码（ Java 8 和 Groovy ），303个Gradle模块
  • 两个微服务——约有10000——20000行代码（ Java 8 和 Groovy ）的小项目，各有一个Gradle模块

测试场景
  • 在 Idea 中关闭所有项目
  • 基于测试文件 idea.vmoptions 进行设置
  • 重启电脑
  • 启动后关闭所有不相关的项目（ communicators 等等）
  • 打开 Idea（测试时间）
  • 打开大项目（测试时间）
  • 检查 jstat -gcutil
  • 打开两个微服务项目（测试时间）
  • 检查 jstat -gcutil
  • 返回大项目然后点击“刷新 Gradle 项目”按钮（测试时间）
  • 检查 jstat -gcutil

jstat -gcutil
jstat 是 JDK 自带的工具，主要利用 JVM 内建的指令对 Java 应用程序的资源和性能进行实时的命令行监控，还包括对 Heap size 和垃圾回收状况的监控。它有许多选项来收集各种数据（完整的文档），但这里只会用到： -gcutil : 
-gcutil - Summary of garbage collection statistics.
S0: Survivor space 0 utilization as a percentage of the space's current capacity.  
S1: Survivor space 1 utilization as a percentage of the space's current capacity.  
E: Eden space utilization as a percentage of the space's current capacity.  
O: Old space utilization as a percentage of the space's current capacity.  
M: Metaspace utilization as a percentage of the space's current capacity.  
CCS: Compressed class space utilization as a percentage.  
YGC: Number of young generation GC events.  
YGCT: Young generation garbage collection time.  
FGC: Number of full GC events.  
FGCT: Full garbage collection time.  
GCT: Total garbage collection time.

这个命令的输出结果如下： 
S0     S1    E     O     M    CCS  YGC YGCT FGC  FGCT   GCT  
89.70 0.00 81.26 74.27 95.68 91.76 40 2.444 14  0.715  3.159

在本文中，最重要的参数是 GC 事件（ YGC 和 FGC ）次数和收集时间（ YGCT 和 FGCT ）。

测试设置
笔者设置了四种不同的设置，为了好记，给它们起了不同的名字。

默认（灰色标识）
JetBrains 提供的默认设置： 
-Xms128m
-Xmx750m
-XX:MaxPermSize=350m
-XX:ReservedCodeCacheSize=240m
-XX:+UseCompressedOops

Big（大）（红色标识）
给 Xmx 配 4096MB， ReservedCodeCacheSize 设置 1024MB，这已经是相当多的内存了： 
-Xms1024m
-Xmx4096m
-XX:ReservedCodeCacheSize=1024m
-XX:+UseCompressedOops

Balanced(平衡的)（蓝色标识）
Xmx 和 Xms 都分配 2GB ，这是相当平衡的内存消耗： 
-Xms2g
-Xmx2g
-XX:ReservedCodeCacheSize=1024m
-XX:+UseCompressedOops

Sophisticated（复杂的）（橘色标识）
和上面一样， Xmx 和 Xms 都分配2GB，但是给 GC 和内存管理指定不同的垃圾回收器和许多不同的标志： 
-server
-Xms2g
-Xmx2g
-XX:NewRatio=3
-Xss16m
-XX:+UseConcMarkSweepGC
-XX:+CMSParallelRemarkEnabled
-XX:ConcGCThreads=4
-XX:ReservedCodeCacheSize=240m
-XX:+AlwaysPreTouch
-XX:+TieredCompilation
-XX:+UseCompressedOops
-XX:SoftRefLRUPolicyMSPerMB=50
-Dsun.io.useCanonCaches=false
-Djava.net.preferIPv4Stack=true
-Djsse.enableSNIExtension=false
-ea

以上便是笔者的测试设置，为了执行该测试用例，还需要在~/Library/Preferences/IntelliJIdea15/下创建一个idea.vmoptions文件（这是 Mac OS 系统下的路径设置，查看这篇文章，基于你的操作系统进行设置）

现在，执行测试用例并比较结果。

结果
Idea启动时间



正如上图所示，启动时间并不依赖于内存设置。 Idea 在所有场景下的测试时间都是10秒，无论内存分配有多少。这并不足为奇，因为在此早期阶段，这些设置并不会影响到应用的行为。

加载大项目花费的时间
现在加载 Monolith 项目及其70万行代码。 终于，出现了一些的差异。默认设置所花费的时间几乎是其它的3倍。很明显，如此庞大的代码库需要更多的内存。如果我们执行： 
jstat -gcutil <IDEA_PID>

会发现，对比其它设置， GC 在默认设置下会变得异常忙碌。






不仅 GC 释放内存的总时间非常高（几乎达到了50倍），而且 Full GC 的平均执行时间也非常非常长。大量的时间都花在了 Full GC 上面，这是 IDE 响应速度低的主要原因。

在IDEA中打开两个微服务
现在加载这两个微服务项目，在 IDEA 中打开并且对比他们所消耗的时间。



在这个测试用例下，差异还是非常明显的，复杂设置表现最佳，而默认设置仍旧输给了其他两种设置。

再次使用jstat –gcutil
加载完两个微服务项目后，来检查一下同时打开3个项目的情况下， GC 的表现情况。经测试发现，3个不同的自定义设置表现几乎差不多，而默认设置简直弱爆了。






最后的角逐：重新加载Monolith
现在，笔者需要从仓库中获得 Monolith 项目的最新版本，并且刷新 Gradle 模块，这样， IDEA 能看到所有的新类。



重要提示：代表默认设置的灰色条形柱非常高，因为 IDEA 在刷新过程中崩溃了，笔者无法测量实际时间。显然，默认分配的内存不足以执行该操作。

但从三个自定义例子中可以发现，大内存配置花费的时间是最短的。所以，内存分配还是起到了作用。

最后一次使用jstat-gcutil
因为 IDEA 在默认设置下无法刷新项目，所以，这次测试默认设置就不包括在里面。






从上图可以看出，三者之间的差异不大，但是 Big 配置下的 Full GC 执行时间最快。此外， Xmx 内存大些对响应能力提升的帮助非常明显。

总结
在这次简短的实验中，大家可以发现，即使对 IntelliJ IDEA 内存进行微调，都可以大大提升 IDE 性能。当然，内存分配越多，执行效果就越好。但是，你也会发现， IDE 之外许多其他应用程序也需要消耗内存，所以，大家的目标应该是在提高性能和内存消耗之间找到一个平衡。笔者认为，在大多数情况下，把 Xmx 值设置在 2G 和 3G 之间是最佳的。如果你有更多的时间可以用 jstat 和 jvisualm 检查用不同的 JVM 设置如何影响性能和内存占用。

讨论
你的 idea.vmoptions 是如何配置的呢？你还有其它提高 InteliJ IDEA 性能的方法吗？不妨一起讨论讨论吧。

编译自：https://dzone.com/articles/the-one-and-only-reason-to-customize-intellij-idea
译文来自：http://news.oneapm.com/intellij-idea/
  • 大小: 36 KB
  • 大小: 28.1 KB
  • 大小: 35.1 KB
  • 大小: 36.8 KB
  • 大小: 35.2 KB
  • 大小: 33.9 KB
  • 大小: 37.1 KB
  • 大小: 34.9 KB
  • 大小: 36.7 KB
来自: OneAPM
2
顶
0
踩
评论 共 5 条 请登录后发表评论
5 楼 flashing 2016-02-26 11:04
white_crucifix 写道
说了半天的意思就是，请调大一点你的 IDE 内存，但是不要太大哦，不然 chrome 会让你卡死哦

说的我竟然无言以对...
不过我觉得这个分析过程还是可取的。
4 楼 o0rid0o 2016-01-20 13:44
o0rid0o 写道
我尝试设置的时候，只要把内存调大，idea就无法打开了，闪一下就没了。。。
比如我设置-Xmx1024m，就会出现这个现象，如果<=1000m就没事
或者-XX:ReservedCodeCacheSize=512m,或者设置成300m都无法启动，只有设置成240m才可以正常启动。。。
另外-XX:+UseCompressedOops 我的idea也无法使用，启动会报错：Failed to create JVM:error code -6
我目前使用的是：-XX:+UseConcMarkSweepGC



找到原因了，默认用的是32位启动的

重新调整了64位的并启动64位的程序后，一切正常了
3 楼 o0rid0o 2016-01-19 20:09
我尝试设置的时候，只要把内存调大，idea就无法打开了，闪一下就没了。。。
比如我设置-Xmx1024m，就会出现这个现象，如果<=1000m就没事
或者-XX:ReservedCodeCacheSize=512m,或者设置成300m都无法启动，只有设置成240m才可以正常启动。。。
另外-XX:+UseCompressedOops 我的idea也无法使用，启动会报错：Failed to create JVM:error code -6
我目前使用的是：-XX:+UseConcMarkSweepGC
2 楼 diggywang 2016-01-19 19:04
调过n次，最后还是安装时默认的最顺畅！
1 楼 white_crucifix 2016-01-19 16:33
说了半天的意思就是，请调大一点你的 IDE 内存，但是不要太大哦，不然 chrome 会让你卡死哦

发表评论

您还没有登录,请您登录后再发表评论

相关推荐

  • IntelliJ IDEA 内存优化最佳实践 -.pdf

    IntelliJ IDEA 内存优化

  • IntelliJ IDEA内存优化最佳实践

    IntelliJ IDEA内存优化最佳实践 转载：https://cloud.tencent.com/developer/article/1491166 转载理由：还可以

  • IntelliJ IDEA 内存优化最佳实践！

    本文作者在和同事的一次讨论中发现，对IntelliJ IDEA内存采用不同的设置方案，会对 IDEA 的速度和响应能力产生不同的影响。IntelliJ IDEA 内存优化最佳实践 技...

  • 【转载】IntelliJ IDEA 内存优化最佳实践

    【编者按】本文作者在和同事的一次讨论中发现，对 IntelliJ IDEA 内存采用不同的设置方案，会对 IDE 的速度和响应能力产生不同的影响。 Don’t be a Scrooge and give your IDE some more memory 不要做守财奴，...

  • 计算机术语.pdf

    计算机术语.pdf

  • 包括缺陷和有限视场效应的Etalon模型 matlab代码.rar

    1.版本：matlab2014/2019a/2024a 2.附赠案例数据可直接运行matlab程序。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。

  • 基于PLC和组态软件的智能停车场收费系统：电气控制与梯形图程序详解

    内容概要：本文详细介绍了基于PLC（可编程逻辑控制器）和组态软件的智能停车场收费系统的实现方法和技术细节。首先，文章概述了系统的总体架构，指出PLC用于控制停车场的电气设备，而组态软件则提供直观的操作界面。接着，深入解析了PLC梯形图程序的具体逻辑，包括车辆检测、闸门控制、收费计算等功能模块。此外，文章还讨论了接线图的设计原则和注意事项，如防止电磁干扰、确保系统稳定性的措施。最后，介绍了组态画面的设计思路及其优化方法，如动态显示车位状态、实时更新收费信息等。通过这些内容，读者能够全面了解智能停车场收费系统的内部运作机制。 适合人群：从事自动化控制、工业物联网、智能交通等领域的工作技术人员，尤其是对PLC编程和组态软件应用感兴趣的工程师。 使用场景及目标：适用于新建或改造停车场项目的规划与实施阶段，帮助工程师理解和设计类似的自动化控制系统，提高停车场管理效率和服务质量。 其他说明：文中提供了大量实际案例和技术细节，有助于读者更好地掌握相关技术和应对实际工程中的挑战。

  • MATLAB实现电-气-热综合能源系统耦合优化调度模型

    内容概要：本文详细介绍了利用MATLAB及其工具箱YALMIP和求解器CPLEX/Gurobi构建电-气-热综合能源系统耦合优化调度模型的方法。首先，文章描述了电网部分采用39节点系统进行直流潮流建模，气网部分则使用比利时20节点配气网，并对Weymouth方程进行了线性化处理，将非线性问题转化为线性规划问题。热网部分引入了热电联产(CHP)和电转气(P2G)设备，实现了热电耦合。通过模块化设计，代码能够灵活地添加新的能量存储或转换设备。实验结果显示，相比单一网络优化，三网耦合优化降低了12.6%的系统总成本，并显著改善了负荷峰谷差。 适合人群：从事能源系统优化研究的专业人士，尤其是熟悉MATLAB编程和优化理论的研究人员和技术人员。 使用场景及目标：适用于希望深入了解综合能源系统耦合优化调度机制的研究人员和技术人员。主要目标是掌握如何使用MATLAB搭建电-气-热耦合优化模型，理解各个子系统的数学建模方法以及它们之间的相互作用。 其他说明：文中提供了详细的代码片段和解释，帮助读者更好地理解和复现模型。此外，还讨论了一些实际应用中的注意事项，如求解器的选择、参数调优等。

  • 计算机三级网络机试考试试题及答案(下).pdf

    计算机三级网络机试考试试题及答案(下).pdf

  • NX MCD时序仿真中机械臂抓取仿真的参数配置与PLC联动实现

    内容概要：本文详细介绍了使用NX MCD进行机械臂抓取仿真的方法和技术要点。首先探讨了运行时参数的配置，如夹爪力度的动态调整和位置控制的脚本编写。接着讨论了条件仿真序列的设计，包括状态机跳转、阻塞等待、异步响应和超时保护等关键概念。此外，文章还讲解了与PLC的联合仿真，展示了如何通过TIA Portal实现抓取力度的动态补偿以及信号同步。最后分享了一些实用的调试技巧，如使用半速模式观察力学变化、设置碰撞检测触发器等。 适合人群：从事自动化设备开发、机械臂控制系统设计的技术人员，尤其是对NX MCD和PLC有一定了解的工程师。 使用场景及目标：适用于需要进行复杂机械臂抓取仿真的项目，帮助工程师更好地理解和掌握NX MCD与时序仿真的核心技术，提高仿真精度和可靠性。 其他说明：文中提供了大量具体的代码片段和配置示例，便于读者快速上手实践。同时强调了参数化配置的重要性，指出这是为了在现场调试时提供更大的灵活性。

  • 计算机数控系统.pdf

    计算机数控系统.pdf

  • 基于Qt框架的音频采集与播放工具

    本人创作，禁止商用

  • 大型流水线贴膜机PLC与触摸屏程序：初学者必备的工业控制项目

    内容概要：本文详细介绍了一款大型流水线贴膜机的PLC程序和触摸屏程序，涵盖多个控制工艺如上下气缸控制、输送带电机控制、贴膜伺服控制等。程序适用于西门子S7-1200 PLC和KTP700触摸屏，支持V13及以上版本。文中提供了详细的代码示例和分析，解释了各个控制部分的工作原理及其优化技巧。此外，还介绍了异常处理机制、报警处理模块、以及触摸屏界面上的一些实用功能，如动画流程图显示和参数微调。 适合人群：工业自动化领域的初学者，尤其是对PLC编程和运动控制感兴趣的工程师和技术人员。 使用场景及目标：① 学习PLC编程和触摸屏程序设计的基础知识；② 掌握常见工业控制元件的编程方法和优化技巧；③ 提高对复杂控制系统的设计和调试能力。 其他说明：文章强调了程序中的关键技术和注意事项，如定时器保护、光电开关连锁、位置补偿算法等，有助于初学者避免常见错误并提高系统的可靠性和安全性。

  • 基于51单片机的多点测温系统：利用DS18B20传感器与LCD1602实现实时温度监测

    内容概要：本文详细介绍了基于51单片机的多点测温系统的构建方法。系统采用五个DS18B20数字温度传感器进行温度采集，并将数据实时显示在LCD1602屏幕上。文中涵盖了硬件连接、单总线通信协议、温度读取与显示的具体实现细节，以及常见问题的解决方案。特别强调了ROM匹配算法的应用，确保多个传感器在同一总线上能够正确通信。此外，还提供了Proteus仿真的注意事项和一些调试技巧。 适合人群：对嵌入式系统开发感兴趣的初学者和有一定单片机基础的研发人员。 使用场景及目标：适用于恒温箱监控、多房间温控等应用场景，旨在帮助开发者掌握多点温度监测系统的搭建方法和技术要点。 其他说明：文中附有完整的硬件连接图和核心代码片段，便于读者理解和实践。同时提到了一些扩展功能，如温度单位切换、阈值报警等，增加了项目的趣味性和实用性。

  • 直流电机模糊PID控制技术详解及其Python与C语言实现

    内容概要：本文详细介绍了将模糊控制与传统PID相结合应用于直流电机控制的方法。首先阐述了传统PID控制在面对负载突变或转速大幅变化时的局限性，随后引入模糊PID的概念并展示了具体的实现步骤。文中提供了完整的Python和C语言代码示例，涵盖模糊规则表的设计、隶属度函数的选择以及参数自适应调整机制。此外，作者还分享了多个实用的经验技巧，如参数调整范围限制、误差量化因子选择、抗积分饱和算法的应用等。并通过实验数据对比证明了模糊PID相比传统PID在响应速度和稳定性方面的优势。 适合人群：具有一定自动化控制理论基础和技术实践经验的研发人员，尤其是从事电机控制系统开发的技术人员。 使用场景及目标：适用于需要提高直流电机控制系统鲁棒性和响应速度的实际工程项目。主要目标是在保持系统稳定的前提下，缩短调节时间和减少超调量，从而提升整体性能。 其他说明：尽管模糊PID能够显著改善某些特定条件下的控制效果，但仍需注意合理设置初始参数和调整幅度限制。同时，对于不同类型的电机和应用场景，可能还需要进一步优化模糊规则和隶属度函数。

  • 计算机试题office应用.pdf

    计算机试题office应用.pdf

  • 强化学习算法的功能实现，举了一个小例子，运行无问题 matlab代码.rar

    1.版本：matlab2014/2019a/2024a 2.附赠案例数据可直接运行matlab程序。 3.代码特点：参数化编程、参数可方便更改、代码编程思路清晰、注释明细。 4.适用对象：计算机，电子信息工程、数学等专业的大学生课程设计、期末大作业和毕业设计。

  • 基于多目标粒子群算法的CCHP联供系统MATLAB优化代码解析与应用

    内容概要：本文详细介绍了用于冷热电联供系统(CCHP)的多目标粒子群优化(MOPSO)算法MATLAB实现。该代码通过动态惯性权重、轮盘赌全局最优选取和约束集成等特性，解决了燃气轮机出力与风光发电波动的平衡问题，优化了电制冷机和锅炉的启停策略，从而提高系统的经济性和环保性能。文中展示了核心代码片段，如粒子位置更新、适应度函数构建、约束处理策略以及帕累托前沿筛选等，强调了工程化思维的应用，如设备启停控制、风光预测处理等。 适合人群：从事能源系统优化的研究人员、工程师和技术爱好者，尤其是对MATLAB编程和多目标优化算法有一定了解的人士。 使用场景及目标：适用于需要优化冷热电联供系统运行策略的场合，旨在实现系统运行成本最小化和碳排放量最低的目标。具体应用场景包括但不限于：工业园区能源管理、分布式能源系统调度、智能电网优化等。 其他说明：该代码不仅提供了理论上的优化方案，还通过实际案例验证了其有效性，如在夏季负荷高峰场景下的动态调度策略。此外，代码具有良好的扩展性和实用性，支持多种设备模型和目标函数的定制化修改。

  • 计算机求职笔试内容与分类

    计算机求职笔试内容与分类

Global site tag (gtag.js) - Google Analytics