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11479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，...

  • Spring Cloud 全面学习案例集，含多种功能示例与教程.zip

    1、资源项目源码均已通过严格测试验证，保证能够正常运行； 2、项目问题、技术讨论，可以给博主私信或留言，博主看到后会第一时间与您进行沟通； 3、本项目比较适合计算机领域相关的毕业设计课题、课程作业等使用，尤其对于人工智能、计算机科学与技术等相关专业，更为适合； 4、下载使用后，可先查看README.md文件（如有），本项目仅用作交流学习参考，请切勿用于商业用途。

  • AudioStream 1.5.unitypackage

    AudioStream 1.5.unitypackage

  • 驾驭未来：Simulink中PMSM永磁同步电机控制深度解析

    在现代工业自动化和电动汽车领域，永磁同步电机（PMSM）因其高效率、高性能和紧凑设计而备受青睐。本文将详细介绍如何在Simulink中实现PMSM的控制，包括矢量控制（FOC）策略的实现，以及必要的代码示例，旨在为工程师和研究者提供实用的指导。 一、PMSM控制概述 永磁同步电机（PMSM）以其高功率密度、高效率和优异的动态响应而广泛应用于工业和汽车领域。在Simulink中实现PMSM控制，通常采用矢量控制（Field-Oriented Control, FOC）策略，该策略通过磁场定向控制实现电机转矩和速度的精确控制。 二、PMSM数学模型与Simulink实现 PMSM的数学模型包括电压方程、磁链方程和转矩方程。在Simulink中，我们可以通过构建相应的模块来实现这些方程。 1. PMSM数学模型 电压方程： u d = R s i d − ω e L q i q + L d d i d d t + ω e ψ f u d ​ =Rsid−ω e ​ L q ​ iq+

  • Jupyter_B 站直播事件 webhook 和开播邮件提醒.zip

    Jupyter-Notebook

  • 合成控制法与收敛性分析资料最新集.zip

    合成控制法与收敛性分析资料最新集.zip

  • Gartner发布将漏洞管理发展为暴露管理指南：模拟实时攻击场景的对抗性暴露验证将替代传统渗透测试.pdf

    Gartner发布将漏洞管理发展为暴露管理指南：模拟实时攻击场景的对抗性暴露验证将替代传统渗透测试.pdf

  • python+翻译器+语音

    装库 pip install python-office

  • Jupyter_python 說明.zip

    Jupyter-Notebook

  • 《中国房地产统计年鉴》面板数据资源-精心整理.zip

    《中国房地产统计年鉴》面板数据资源-精心整理.zip

  • 基于python的大麦网自动抢票工具的设计与实现(1) - 副本.zip

    【基于Python的大麦网自动抢票工具的设计与实现】 随着互联网技术的发展，网络购票已经成为人们生活中不可或缺的一部分。尤其是在文化娱乐领域，如音乐会、演唱会、戏剧等活动中，热门演出的门票往往在开售后瞬间就被抢购一空。为了解决这个问题，本论文探讨了一种基于Python的自动抢票工具的设计与实现，旨在提高购票的成功率，减轻用户手动抢票的压力。 Python作为一种高级编程语言，因其简洁明了的语法和丰富的第三方库，成为了开发自动化工具的理想选择。Python的特性使得开发过程高效且易于维护。本论文深入介绍了Python语言的基础知识，包括数据类型、控制结构、函数以及模块化编程思想，这些都是构建抢票工具的基础。 自动化工具在现代社会中广泛应用，尤其在网络爬虫、自动化测试等领域。在抢票工具的设计中，主要利用了自动化工具的模拟用户行为、数据解析和定时任务等功能。本论文详细阐述了如何使用Python中的Selenium库来模拟浏览器操作，通过识别网页元素、触发事件，实现对大麦网购票流程的自动化控制。同时，还讨论了BeautifulSoup和requests库在抓取和解析网页数据中的应用。 大麦网作为国内知名的票务平台，其网站结构和购票流程对于抢票工具的实现至关重要。论文中介绍了大麦网的基本情况，包括其业务模式、用户界面特点以及购票流程，为工具的设计提供了实际背景。 在系统需求分析部分，功能需求主要集中在自动登录、监控余票、自动下单和异常处理等方面。抢票工具需要能够自动填充用户信息，实时监控目标演出的票务状态，并在有票时立即下单。此外，为了应对可能出现的网络延迟或服务器错误，工具还需要具备一定的错误恢复能力。性能需求则关注工具的响应速度和稳定性，要求在大量用户同时使用时仍能保持高效运行。 在系统设计阶段，论文详细描述了整体架构，包括前端用户界面、后端逻辑处理以及与大麦网交互的部分。在实现过程中，采用了多线程技术以提高并发性，确保在抢票关键环节的快速响应。此外，还引入了异常处理机制，以应对网络故障或程序错误。 测试与优化是确保抢票工具质量的关键步骤。论文中提到了不同场景下的测试策略，如压力测试、功能测试和性能测试，以验证工具的有效性和稳定性。同时，通过对抢票算法的不断优化，提高工具的成功率。 论文讨论了该工具可能带来的社会影响，包括对消费者体验的改善、对黄牛现象的抑制以及可能引发的公平性问题。此外，还提出了未来的研究方向，如增加多平台支持、优化抢票策略以及考虑云服务的集成，以进一步提升抢票工具的实用性。 本论文全面介绍了基于Python的大麦网自动抢票工具的设计与实现，从理论到实践，从需求分析到系统优化，为读者提供了一个完整的开发案例，对于学习Python编程、自动化工具设计以及理解网络购票市场的运作具有重要的参考价值。

  • 学生考勤管理系统 SSM毕业设计 附带论文.zip

    学生考勤管理系统 SSM毕业设计 附带论文 启动教程:https://www.bilibili.com/video/BV1GK1iYyE2B

  • ODrive FOC BLDC伺服控制方案，KEIL版本

    ODrive FOC BLDC伺服控制方案，KEIL版本

  • 数字经济资源大合集（7类）-最新.zip

    数字经济资源大合集（7类）-最新.zip

  • 1950-2021年中国统计年鉴（分省年度）面板数据-全新发布.zip

    1950-2021年中国统计年鉴（分省年度）面板数据-全新发布.zip

  • 伯克利大学机器学习-5Dimensionality reduction [Percy Liang]

    lstm Summary Framework: z = U>x, x u Uz Criteria for choosing U: • PCA: maximize projected variance • CCA: maximize projected correlation • FDA: maximize projected intraclass variance

Global site tag (gtag.js) - Google Analytics