Java应用在Linux上如何调优
小樊
38
2025-11-22 15:52:40
Java应用在Linux上的调优实践
一 目标与基线
- 明确优化目标：优先保障P99/P95 延迟、**吞吐量（QPS/TPS）与资源利用率（CPU/内存/IO）**的平衡，避免只盯单一指标。
- 建立可复现的压测基线：在相同硬件与数据规模下，固定JVM版本/参数、Linux内核与文件系统、应用配置与负载模型，记录压测结果与关键指标（GC暂停、线程争用、I/O 等待等）。
- 持续度量与回放：每次变更都保留变更记录与指标对比，便于回滚与复盘；优先做“低成本高收益”的改动（如连接池、缓存、超时与背压策略）。
二 快速定位瓶颈
- Linux与JDK自带工具联动：
- 进程与线程：用top -H -p 定位高CPU线程；用jps快速查PID；用jstack 抓取线程栈，排查死锁/长时间运行线程；用jcmd Thread.print替代jstack获取线程快照。
- 内存与GC：用jstat -gc 1000观察Eden/Survivor/Old、YGC/FGC次数与耗时；用jmap -heap 查看堆配置与使用；用jmap -dump:format=b,file=heap.hprof 或jcmd GC.heap_dump导出堆转储，配合Eclipse MAT分析泄漏与大对象。
- 可视化与在线分析：用VisualVM/JConsole观察CPU、堆、线程、类加载与GC活动，必要时远程 attach 到目标JVM。
三 JVM层调优
- 堆与GC策略
- 合理设置堆：将**-Xms与-Xmx设为相同值（如-Xms4g -Xmx4g**），避免运行期扩缩堆带来的停顿抖动；在容器/虚拟化环境按cgroup内存上限配置，防止被OOM Killer终止。
- 选择GC：大堆、低延迟优先G1 GC（-XX:+UseG1GC）；吞吐优先可考虑Parallel GC；低延迟且依赖CMS生态的旧版本可用CMS（注意其已废弃趋势）。
- 代际与对象生命周期：通过**-XX:NewRatio**、-XX:SurvivorRatio、-XX:MaxTenuringThreshold减少过早晋升与频繁YGC；结合压测微调停顿目标（如**-XX:MaxGCPauseMillis**）与并发线程数（如**-XX:ParallelGCThreads**、-XX:ConcGCThreads）。
- 指针压缩：在64位JVM且堆≤32GB时开启**-XX:+UseCompressedOops**，降低对象头与引用开销。
- 常用启动示例（按场景微调）
- 低延迟服务：java -Xms4g -Xmx4g -XX:+UseG1GC -XX:MaxGCPauseMillis=200 -XX:+UseCompressedOops -jar app.jar
- 吞吐优先批处理：java -Xms8g -Xmx8g -XX:+UseParallelGC -XX:ParallelGCThreads=8 -jar app.jar
- 运行期观测与验证：压测中持续观察jstat -gc的YGC/FGC次数与停顿、Heap/Meta/Direct 使用、Prometheus/Grafana或VisualVM面板，确认改动收益与副作用。
四 Linux与容器层调优
- 资源与句柄
- 文件描述符：在**/etc/security/limits.conf提升nofile**（如65536或更高），避免“Too many open files”。
- 内存与交换：根据负载调vm.swappiness（如10–30），既避免频繁swap又不致过早OOM；必要时设置vm.min_free_kbytes保障内核回收余量。
- 网络
- 连接与队列：提升net.core.somaxconn（如1024–4096）以容纳突发连接；在短连接高并发场景结合SO_REUSEPORT、合理的backlog与内核/应用线程池匹配。
- 传输与缓冲：依据带宽与RTT调整TCP窗口/缓冲区；对丢包/重传及时排查（链路、NIC、驱动、宿主机负载）。
- 容器与cgroup
- 明确CPU配额/份额与内存上限；JVM堆上限应低于容器内存并预留元空间、堆外内存、Direct Buffer、JIT编译与OS页缓存空间。
- 使用**JDK 8u191+或JDK 10+**的容器感知（UseContainerSupport 默认开启），避免“看到宿主机全部CPU/内存”的错误决策。
五 应用与架构层优化
- 线程与连接
- 以有限线程池与异步非阻塞模型替代“每请求一线程”；为CPU/IO任务分别配置线程池；为数据库/缓存/下游服务配置连接池（如HikariCP），并合理设置超时/重试/熔断。
- 缓存与数据访问
- 建立多级缓存（本地热点如Caffeine + 分布式如Redis/Memcached），区分读多写少与写多读少场景，设置过期/淘汰/并发策略；谨慎引入分布式缓存，避免一致性、穿透与雪崩问题。
- 通信与超时
- 近距离实时通信优先异步；为RPC/HTTP调用设置超时/重试/退避与熔断，避免慢调用拖垮整个系统。
- 数据库与存储
- 为热点数据建立合适索引、优化SQL执行计划、控制事务边界；优先使用数据库而非本地磁盘做高并发读写；必要时引入读写分离/分库分表。
- 监控与可观测性
- 在应用中埋点与暴露Micrometer/Prometheus指标（如JVM内存/GC、线程池、HTTP延迟/吞吐、业务关键指标），配合Grafana面板做容量与异常预警；结合日志链路追踪定位跨服务瓶颈。
