Linux Java应用性能优化技巧有哪些

一、JVM参数调优

堆内存设置：通过-Xms（初始堆大小）和-Xmx（最大堆大小）参数将堆内存固定为相同值（如-Xms4g -Xmx4g），避免运行时JVM动态调整堆大小导致的性能波动（如Full GC触发）。
垃圾回收器选择：根据应用需求选型——大堆内存（如超过4GB）推荐使用G1GC（-XX:+UseG1GC），平衡吞吐量与低延迟；低延迟场景可选用ZGC（-XX:+UseZGC，需Java 11+）或Shenandoah（-XX:+UseShenandoahGC）；传统CMS（-XX:+UseConcMarkSweepGC）适用于低延迟但已逐渐被取代。
GC停顿时间控制：通过-XX:MaxGCPauseMillis设定期望的最大GC停顿时间（如-XX:MaxGCPauseMillis=200，单位毫秒），指导GC算法调整以减少停顿对应用的影响。
新生代与老年代比例：调整-XX:NewRatio（新生代与老年代比例，默认2，即新生代占1/3）和-XX:SurvivorRatio（Eden区与Survivor区比例，默认8，即Eden占80%），优化对象晋升频率（如高频创建短期对象的场景可增大新生代比例）。
压缩指针启用：使用-XX:+UseCompressedOops（默认开启）减少内存占用（64位JVM下对象引用从8字节压缩到4字节），提高内存访问速度。

二、代码层面优化

减少对象创建：避免在循环或高频方法中创建临时对象（如String str = new String("abc")改为String str = "abc"，利用字符串常量池），重用对象（如使用StringBuilder代替+拼接字符串）。
使用局部变量：局部变量存储在栈中，访问速度远快于堆中的实例变量（如将this.instanceVar改为局部变量localVar）。
优化循环结构：将循环内不变的计算提前到循环外（如for(int i=0; i<list.size(); i++)改为int size=list.size(); for(int i=0; i<size; i++)），减少重复计算。
选择高效数据结构与算法：根据场景选型——高频查找用HashMap（O(1)时间复杂度），有序数据用TreeMap（O(log n)），队列用LinkedList（插入删除O(1)）；避免使用Vector、Hashtable等同步容器（除非需要线程安全）。
减少同步与锁竞争：避免过度同步（如将synchronized方法改为synchronized代码块），使用并发集合（如ConcurrentHashMap、CopyOnWriteArrayList）替代同步集合，降低线程阻塞。

三、系统资源优化

内核参数调整：修改/etc/sysctl.conf优化网络与内存——net.core.rmem_max=16777216（接收缓冲区最大值）、net.core.wmem_max=16777216（发送缓冲区最大值）提升网络吞吐；vm.swappiness=10（默认60，值越低越少使用交换空间）减少磁盘IO（交换空间会显著降低性能）。
文件描述符限制：通过/etc/security/limits.conf增加进程可打开的文件描述符数（如* soft nofile 65535、* hard nofile 65535），避免高并发场景下因文件描述符耗尽导致的连接失败。
I/O调度器优化：根据磁盘类型选择调度器——SSD推荐deadline或noop（echo deadline > /sys/block/sda/queue/scheduler），机械硬盘推荐cfq（已逐渐被淘汰），减少I/O等待时间。
内存与交换空间管理：关闭不必要的服务释放内存，避免过度使用交换空间（可通过free -h查看swap使用率，若长期高于20%需调整）。

四、多线程与并发优化

合理配置线程池：根据CPU核心数（Runtime.getRuntime().availableProcessors()）设置线程池大小——CPU密集型任务（如计算）设为核心数+1，IO密集型任务（如数据库访问）设为核心数*2（避免过多线程导致上下文切换开销）。
使用高效并发工具：优先使用java.util.concurrent包下的工具类——CountDownLatch（线程同步）、CyclicBarrier（多线程汇合）、Semaphore（限流）、BlockingQueue（生产者-消费者模型），替代手动同步（如synchronized）。
减少锁粒度与范围：避免synchronized修饰整个方法（如将方法内的非临界区代码移出同步块），使用细粒度锁（如ConcurrentHashMap的分段锁），或采用乐观锁（如CAS操作，AtomicInteger）。
避免线程阻塞：使用非阻塞IO（如NIO的Selector）、异步编程（如CompletableFuture、Reactive Programming（如Spring WebFlux）），提高IO密集型任务的响应速度。

五、数据库访问优化

SQL语句优化：避免SELECT *（仅查询必要字段），添加合适的索引（如WHERE条件、JOIN字段），优化复杂查询（如拆分大查询、使用临时表），避免子查询嵌套过深。
连接池配置：使用高性能连接池（如HikariCP，默认配置已较优，可根据场景调整maximumPoolSize（最大连接数，建议不超过数据库最大连接数的80%）、connectionTimeout（连接超时时间，默认30秒）），减少连接创建与销毁的开销。
批量操作：使用PreparedStatement的addBatch()与executeBatch()方法批量插入/更新数据（如INSERT INTO table VALUES (?, ?), (?, ?)），减少数据库往返次数。

六、性能监控与分析

JVM监控工具：使用jstat监控GC情况（jstat -gcutil <pid> 1000，每秒输出一次GC统计）、jmap生成堆转储（jmap -dump:format=b,file=heap.hprof <pid>，分析内存泄漏）、jstack查看线程栈（jstack <pid>，分析线程阻塞），或使用图形化工具（如VisualVM、Java Mission Control、JProfiler）实时监控JVM内存、CPU、线程等指标。
系统监控工具：使用top（查看CPU使用率）、free（查看内存使用）、df（查看磁盘空间）、iotop（查看磁盘IO）、netstat/ss（查看网络连接）等命令，定位系统瓶颈（如CPU过高可能是代码计算密集，IO过高可能是数据库查询慢）。
日志与基准测试：记录应用日志（如使用Logback、Log4j2），分析慢请求（如通过AOP记录方法执行时间）；定期进行基准测试（如使用JMeter、Gatling模拟高并发场景），验证优化效果并发现新的瓶颈。

最新问答