JVM生产环境调优实战

案例三：JVM频繁Full GC优化

1. 项目背景（Situation）

在云中万维跨境支付的反洗钱系统中，我们负责对海量交易数据进行实时规则校验，以确保符合监管要求。系统日均处理交易量超过500万笔，峰值QPS达到3000，采用微服务架构，核心服务基于Java开发，运行在容器集群上。随着业务量增长，系统在运行数小时后频繁触发Full GC，导致服务响应时间（RT）从平均50ms飙升至2秒以上，严重影响了实时风控决策的时效性。

2. 问题与挑战（Task）

现象：
- 老年代内存占用持续增长，每小时触发3-4次Full GC，每次停顿时间超过3秒。
- 系统吞吐量下降30%，部分交易因超时被风控系统误判为高风险。
目标：
- 在1周内定位内存泄漏根源并优化，将Full GC频率降至每天1次以内，停顿时间控制在200ms以下。
- 保障系统在业务高峰期稳定运行，避免因GC停顿导致交易积压。

3. 解决过程（Action）

3.1 监控与诊断

工具链选择：
- JVM监控：通过 jstat -gcutil 实时观察内存分区（Eden、Survivor、Old Gen）使用率，发现老年代占用率在每次Young GC后仍持续上升。
GC日志分析：
启用详细GC日志（-Xlog:gc*,gc+heap=debug:file=gc.log），结合工具（如GCViewer、GCEasy）分析GC原因。
关注 Full GC 触发原因（如 Metadata GC Threshold、Ergonomics）。
Prometheus + Grafana监控：
集成JVM Exporter，实时监控内存分区使用率、GC次数与耗时。
设置告警规则（如老年代内存占用超过80%触发告警）。
根因定位：
- MAT分析结果：发现 ConcurrentHashMap 中缓存了历史风控规则对象（单条规则大小约2KB），总量超过500万条，占老年代内存的85%。
- 代码审查：规则引擎在每次规则更新时，将新规则添加到静态Map中，但未清理过期规则，导致缓存无限增长。

3.2 优化方案设计

缓存策略重构：

数据结构替换：将静态 ConcurrentHashMap 改为 WeakHashMap，利用弱引用特性，允许JVM在内存不足时自动回收未被引用的规则。
定期清理机制：增加定时任务（通过Spring @Scheduled），每天凌晨清理3天前的历史规则。

代码示例：

public class RuleCache {private static Map<String, SoftReference<Rule>> ruleCache = new WeakHashMap<>();@Scheduled(cron = "0 0 3 * * ?") // 每天凌晨3点清理public void cleanExpiredRules() {ruleCache.entrySet().removeIf(entry -> entry.getValue().get() == null || entry.getValue().get().isExpired());}
}

垃圾回收器调优：

更换垃圾回收器：从默认的Parallel GC切换为G1 GC，利用其分区回收和预测停顿时间的特性。

参数调整：

-XX:+UseG1GC 
-XX:MaxGCPauseMillis=200  # 目标停顿时间200ms
-XX:InitiatingHeapOccupancyPercent=45  # 更早启动并发标记
-XX:G1HeapRegionSize=8m  # 根据堆大小调整Region

3.3 验证与兜底

压测验证：
- 使用JMeter模拟峰值流量（QPS 6000），持续运行24小时，Full GC频率降至每天1次，平均停顿时间180ms。
监控加固：
- 在Prometheus中配置GC停顿告警规则（如1分钟内Full GC次数 > 1），并集成到运维告警平台。
- 通过Grafana可视化GC时间分布和内存使用趋势。

4. 成果与价值（Result）

性能提升：
- Full GC频率从每小时3次降至每天1次，平均停顿时间从3秒缩短至180ms。
- 系统吞吐量恢复至优化前水平，RT稳定在50ms以内。
资源优化：
- 老年代内存占用减少70%，容器内存申请从16GB降至10GB，节省云资源成本约20%。
经验沉淀：
- 输出《JVM内存泄漏排查指南》和《G1调优手册》，推动团队建立周期性GC健康检查机制。

5. 技术深度扩展

WeakHashMap的局限性：
- 弱引用仅在下一次GC时被回收，若业务要求精确控制缓存生命周期，需结合ReferenceQueue主动清理。
G1调优进阶：
- 通过 -XX:G1ReservePercent=10 预留空间，避免晋升失败（Evacuation Failure）。
- 监控G1的 Mixed GC 效率，调整 -XX:G1MixedGCLiveThresholdPercent 优化回收阈值。