亿级流量电商系统JVM模型参数二次优化

2023-10-06 22:02:40

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：

  • 一种是普通流量，非特殊节假日，通常早上、中午、晚上非工作时间有1个小时的时间集中购买。我们按照早上1小时，中午1小时，晚上1小时来计算，也就是3小时。这样平均到每秒就是50万/3/3600=46, 也就是及时并发，通常我们的服务都是一个集群，有好几台服务器承受着几十并发，应该不成问题。
  • 另一种是大促流量，比如双十一，基本流量都集中在双十一当天的投几分钟。这时每秒的并发量大概在50万/10/60=866，平均每秒并发量不到1000。这时服务集群有3台服务器，没太服务器承受的压力是400单/s。

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

  • 整个堆空间3G
    • Eden区800M
    • s1/s2各100M
  • 方法区512M
  • 一个线程1M

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？

  • Young区占2G，Eden区有1.6G， S1、S2各有200M。

这时在分析：

亿级流量电商系统JVM模型参数二次优化

  • Eden区有1.6G，每秒产生80M的对象放到Eden区，大约1.6G/80=20s放满。
  • 放满以后触发Minor GC, 此时前19s的对象都已经成为垃圾被回收，第20s的对象被转移到S1区。
  • 此时，S1区有200M，80<S1区空间的一半，所以不会转移到老年代。这样第一次GC结束
  • 又过了20s，进行第二次Minor GC，这次Eden区又产生了1.52G的垃圾被回收，之前在S1区的80M对象也已经变成垃圾被回收。新的80M对象被放入到S2区。没有进入到老年代。
  • 以此类推，第三次，第四次，垃圾对象不会再进入老年代，因此也不会在发生Full GC.

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
上一篇：【SSH网上商城项目实战01】整合Struts2、Hibernate4.3和Spring4.2


下一篇：Chapter 3 Observational Studies