Tomcat在Linux上的性能调优技巧有哪些

Linux 上 Tomcat 性能调优要点

一 JVM 与内存

设置堆大小与元空间：将 -Xms 与 -Xmx 设为相同值（如 -Xms4g -Xmx4g）以避免运行期扩缩堆带来的抖动；Java 8+ 关注 Metaspace（如 -XX:MetaspaceSize=… -XX:MaxMetaspaceSize=…），防止元空间无限增长。按需开启 GC 日志与 OOM Dump：如 -XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=… -Xloggc:… -XX:+PrintGCDetails -XX:+PrintGCDateStamps。选择合适的 GC：吞吐优先可用 Parallel GC，低停顿优先可用 G1 GC（如 -XX:+UseG1GC）。修改方式：在 $CATALINA_HOME/bin/catalina.sh 中设置 JAVA_OPTS/CATALINA_OPTS 并重启生效。以上做法能提升稳定性与可观测性，便于定位内存瓶颈。

二线程池与连接器

使用共享线程池（Executor）并合理设置：如 maxThreads（并发处理线程数，常见建议 500–800，视 CPU/IO 而定）、minSpareThreads（预启动核心线程）、maxQueueSize（排队上限）、prestartminSpareThreads=true（启动时即预热）。示例：
```
<Executor name="tomcatThreadPool" namePrefix="catalina-exec-"
        maxThreads="700" minSpareThreads="100" maxSpareThreads="400"
        prestartminSpareThreads="true" maxQueueSize="300"/>
```

配置 Connector：协议优先 NIO/NIO2（如 org.apache.coyote.http11.Http11Nio2Protocol），关闭 DNS 反查 enableLookups=“false”，启用压缩 compression=“on” 并设置 compressableMimeType，设置 URIEncoding=“UTF-8”，connectionTimeout 控制排队与超时，acceptCount 为队列溢出阈值。关键关系：当所有线程忙碌时，新连接进入队列；队列满后将被拒绝。示例：

<Connector executor="tomcatThreadPool"
           protocol="org.apache.coyote.http11.Http11Nio2Protocol"
           port="8080" redirectPort="8443"
           connectionTimeout="20000"
           enableLookups="false" URIEncoding="UTF-8"
           compression="on" compressionMinSize="2048"
           compressableMimeType="text/html,text/xml,text/plain,text/css,text/javascript,application/javascript"
           acceptCount="500" maxConnections="10000" tcpNoDelay="true"/>

线程数经验值：CPU 密集型约为 CPU 核心数 1–2 倍；IO 密集型可按公式：线程数 = 核心数 ×（1 + 平均等待时间/平均工作时间）。队列过大虽能“削峰”，但会增加排队时延，需结合业务 SLA 权衡。

三操作系统与网络

提升文件描述符限制：在 /etc/security/limits.conf 增加如 * soft nofile 65536、* hard nofile 65536，防止 “Too many open files”。必要时在 systemd 服务单元中设置 LimitNOFILE=65536。
优化内核网络参数：如开启 net.ipv4.tcp_tw_reuse=1（加速 TIME_WAIT 回收）、提升 net.core.somaxconn（如 4096）以容纳更高并发连接排队；结合业务压测逐步调优。
监控与诊断：用 lsof -p | wc -l 观察进程打开文件数；用 netstat -na | grep 8080 查看监听与连接状态；必要时通过 JMX（JConsole/VisualVM）远程监控线程、内存与类加载等指标。

四应用与数据库层协同

静态资源与压缩：开启 Connector 压缩、设置合适的 compressionMinSize，并配合反向代理/浏览器缓存策略，降低带宽与时延。
连接池与后端：合理设置数据库连接池（如 HikariCP/DBCP 的 maxActive/maxIdle/minIdle/maxWait），避免连接风暴；同时检查数据库 max_connections 与超时参数，防止“连接不够用/长事务阻塞”。
监控与持续优化：引入 Prometheus + Grafana 等监控体系，持续跟踪 吞吐量、响应时间、错误率、线程池使用率、JVM GC 与内存 等关键指标，按指标反馈迭代参数。

五快速检查清单

已设置 -Xms == -Xmx，并开启 GC 日志/OOM Dump；GC 策略与堆大小匹配业务特征（吞吐或低停顿）。
使用 共享 Executor，按负载设置 maxThreads/minSpareThreads/maxQueueSize，队列不过度放大。
Connector 采用 NIO/NIO2，关闭 enableLookups，开启 compression，acceptCount 与 maxConnections 与压测匹配。
系统层面已提升 ulimit -n，内核网络参数（如 tcp_tw_reuse、somaxconn）已调优，能支撑目标并发。
已配置 JMX 或 APM/日志监控，能实时观测线程、连接、GC、错误率与慢查询并据此迭代。

最新问答

相关标签