GC的优化提升系统性能

项目背景
笔者处理某个大型电信项目的 CPU100% 的压力性能测试， 用以检查在系统运行环境不正常的情况下，系统可以运行到何种程度。测试过程是：请求测试的模拟器向系统不断发出大量请求, 系统接受由模拟器发出的请求，然后将请求置于一个任务池中，如果当前有空闲的线程，则该线程会从任务池中取出一个任务进行处理，如果没有空闲的线程，则该任务一直会待在任务池中，直到有空闲的线程来处理它。因此，任务池的队列的长度从某种意义上可以代表整个系统的处理能力，任务池队列的长度用 Q 值来表示，如果 Q 值超出了一定限额，将会有流量控制的线程将超出限额的待处理任务丢弃，以保证系统的稳定性。
整个测试要求得到系统所在服务器的负载达到将近 100% 时，系统的吞吐量，相应时间以及在超负荷下业务请求成功率。
问题现象描述
在测试过程中，任务池中累积的任务数起伏很大，正常时累积的任务数很小，但是每隔一段时间会累积大量的任务。由于累积的任务数超出任务池流量控制所定义的限额，所以 每隔一段时间，大量的待处理任务被清除。因此测试结束后得到的在超负荷下业务请求成功率也不是很理想。
应用服务器的物理部署
一台AIX服务器（4CPU，4GMemory）来部署本Web应用程序；Web应用程序部署在中间件应用服务器上；部署了一个节点（Node），只配置一个应用服务器实例（Instance），没有做 Cluster 部署。
分析
检测 WebSphere Application Server 上的 Web Container，EJB Container ， ORB Service，数据库连接池等设置均合理，然后怀疑问题的现象是不是与系统 GC 有关。当前 Java Virtual Machine 的配置为：Initial Heap Size：256 ， Maximum Heap Size：3072。
为了验证任务池中累积的任务数的大幅度变化和系统 GC 是否存在一定的关系，通过对任务池的累积任务数和系统 GC 进行采样， 将采样后的数据进行分析，用以得出二者的关系。采样时遵循 Nyquist 采样定例：采样频率要大于被采集对象的频率的 2 倍。 否则，采样点很可能每次位于被采集对象的波形的某个点上，从而不能正确反映被采集对象的变化规律。
采样
通过观察，发现任务池的任务数目(以下用 Q 值代替)的变化周期大概是 5 到 6 秒，因此根据 Nyquist 采样定例，采样的时间间隔不能超过 2-3 秒，所以按照每秒来采样。 测试时间是 3 分钟，采样 180 次，系统的当前负载率是 99%。采样图如下所示：


由于系流量控制要求的限额是 450 个任务，也就是任务池中最多能累积 450 个任务，当任务池中累积的任务数超过 450 时，多余的任务会被流量控制直接丢弃，从上图可以看出，系统的Q值在很多时刻都大于 450，因此多次被丢弃任务，从而导致了任务请求成功率不高。
系统 GC 的采样
在 WebSphere Administrative Console 上， 点击进入 Servers， 然后 Application servers > server1 > Process Definition > Java Virtual Machine， 在 Configuration 面板上，选上 Verbose garbage collection 选项。


进入 <%WebSphere Application Server 的安装目录 %>/profiles/<% 所在的 profiles%>/logs/ <% 所在的 Server%>， 可以看到 native_stderr.log 文件，将其清空
在高负载的条件下，进行高压测试 3 分钟
将 native_stderr.log 文件拷贝出来，用 GCCollector 工具进行分析，其中 native_stderr.log 文件上记录了系统 GC 的数据。
安装 GCCollector 工具：下载完 GCCollector.zip 后，解压缩，将里面 Lib 里的 3 个文件 jfreechart-1.0.0-rc1.jar，jcommon-1.0.0-rc1.jar 和 GCCollector.jar 拷贝至 JRE 的 lib 目录下，然后在命令行控制台上进入JRE的安装目录，而后运行：java -classpath jfreechart-1.0.0-rc1.jar;jcommon-1.0.0-rc1.jar -jar GCCollector.jar。
接着可以看到 GCCollector 的用户界面，在它的 Parser 菜单中选择 JRE 的版本，而后在 File 菜单中选择并打开刚才拷出的 native_stderr.log 文件。
下图是在高负载情况下，系统在当前配置下的 GC 分析图。


由图三可以看出，系统没有内存泄漏的现象，每次 GC 所花的时间为 220ms 左右，从 GCCollector 的 Spreadsheet 可以查到，GC 的时间周期为 5-6 s，每次具体 GC 发生的时间，每次 GC 所花的时间。
同样遵循 Nyquist 采样定例，对 GC 进行采样，采样后的数据同任务池中 Q 值的采样数据进行比较和分析，得出两者之间存在着密切的关系。下图为任务池 Q 值和 GC 数据采样分析图，由图中可以看出，每次任务池的 Q 值大幅度增长时，系统刚好发生 GC。二者的时间和周期几乎可以完全匹配。因此可以初步下一个结论，由于系统的 GC，导致了系统在某些时刻不能有足够的能力来处理请求，因此任务池的 Q 值在这些时候会因为任务的大量累积而巨幅涨大，即而超出限额的任务被流控所清除，导致了在超负荷下任务请求成功率不是很理想。


解决方法
当前的 GC 发生的频率和每次所花的时间还算正常，但是如果每次 GC 所花的 CPU 时间能减少，就能空出系统更多的能力处理任务池里的任务，用以降低任务池中的任务数，使得 Q 值基本上位于任务池的限额以下，这样可以提高在超负荷下业务请求的总的成功率。
当前 Java Virtual Machine 的配置为：Initial Heap Size：256 ， Maximum Heap Size：3072。相对而言， Maximum Heap Size 设的有点偏大。对于不同的应用程序，最优化堆大小的设置都有可能不同。堆设置变大，GC 的频率会降低，应用程序会运行更长的时间后，才会进行 GC，带来的就是每次 GC 也会花更长的时间。从而 GC 调用占用系统更长的时间，使系统没有足够的能力处理请求，使得此刻任务池中的任务累积很多，Q 值很大，形成很高的峰值，超过流量控制的限额，超过限额数的任务被流量控制给直接丢弃，从而导致总的成功率不高。
因此，必须降低堆大小，使得 GC 的频率增大，每次 GC 所花时间降低，从而降低 Q 的峰值，使之位于系统的流量控制的范围之内，从而提高业务请求的总的成功率。
当前的流量控制所允许的峰值是 450，因此我们需要通过试验来验证，堆大小降低到什么值时，Q 值的峰值将低于 450，以保证总的成功率。 同时在峰值低于 450 的条件下，什么样的堆大小设置可以让系统的性能最佳。因为如果堆设置过小，会使得对象可分配空间变小，从而会频繁的使用垃圾收集机制来释放内存空间，而每次垃圾收集，都会耗用一定的系统资源。所以，我们要通过试验和监控数据，设法使的我们所设置的堆大小能够使得我们的程序运行最优化。
通过多次试验，我们得出结论：当 Java Virtual Machine 的配置为：Initial Heap Size：512 ， Maximum Heap Size：1024 时，该系统性能最佳。
从 WebSphere Administrative Console上，依次点击 Servers->Application Servers，然后选择需要的 server，接着点击 Process Definition->Java Virtual Machine，而后在那里设置 Initial Heap Size：512 和 Maximum Heap Size：1024。 这时的配置对于该应用系统相对较为合理。这时再次分析 3 分钟内的 GC 的数据，从下图可以看出，GC 的周期缩短了，每 1-2 秒就会发生一次 GC，但是每次 GC 所花费的 CPU 时间降低了，平均 130ms 左右。


相应地，在 JVM 配置改进后，对任务池的 Q 值再进行一次采样，并且和改进前的采样值进行比价，采样图如下图六所示，改进后任务池的 Q 值分布在 50-450 之间，数值的起伏相对改进前要均衡些。不再出现忽然间 Q 值大小涨到 500 以上的情况，基本在流控的限制范围之类，进而提高了在超负荷下业务请求的总的成功率。


总结
通过本文，我们可以看到系统 JVM 的配置和系统的性能有着比较大的关系，特别当系统的处理能力成某种变化趋势时，要考虑到系统 GC 对系统性能的影响，为了找到两者的关系，可以通过采样，图形比较来进行分析。如果发现二者之间有密切的联系，可以考虑对 JVM 的配置进行优化，比如：对最优化堆的大小进行调整。
对于不同的应用程序，最优化堆大小的设置都有可能不同。如果堆设置较大，可能导致 GC 的次数变少，但每次 GC 所花的时间很长，从而导致系统的处理能力抖动很大。此外如果堆设置过大，会占用过多的内存，使内存资源耗尽，从而会频繁的进行 IO 操作来使用虚拟内存。 如果堆设置较小，可能导致 GC 变的频繁，但每次 GC 所花的时间不会太长，每次 GC 对系统的性能影响相对也会小些。但是如果堆设置过小， 会使得对象可分配空间变小，从而会频繁的 GC 来释放内存空间，而每次 GC，都会耗用一定的系统资源。因此，要通过试验和监控数据，设法使的我们所设置的堆大小能够使得系统运行最优化。