调整VM Option优化JVM性能-码农场
码农场放牧代码和思想专注自然语言处理、机器学习算法
C++
Java
机器学习
NLP
语料库
中文分词
命名实体识别
句法分析
语义分析
RESTful API
算法
软件
日语
日语入门
日语听力
日语综合教程
第三册
第四册
第五册
第六册
第七册
新编日语阅读文选
第一册
第二册
第三册
日语商务贸易会话
关于
论坛
留言板
GitHub 微博 Twitter English RSS
This thing called love. Know I would've. Thrown it all away. Wouldn't hesitate.
调整VM Option优化JVM性能
码农场 > 编程开发 > Java
2014-09-09
阅读(13588)评论(1)
目录Reference
今天一个List大约要放入5万个对象，每个对象是对一篇语料的解析结果。语料库在磁盘里大约有200MB，读入内存后大小未知。当我解析了10000篇的时候，明显感觉速度降了下来，按理说LinkedList插入效率很高，但是换用数组之后一样慢，单线程程序竟然吃掉了四核CPU的100%。这才感觉不对劲，估计是JVM频繁地整理堆内存造成的。
后来查了查，将VM Option修改为-Xms7g -Xmx7g -Xmn2g之后，世界终于清净了。关于参数的说明摘录如下：
堆大小设置JVM 中最大堆大小有三方面限制：相关操作系统的数据模型（32-bt还是64-bit）限制；系统的可用虚拟内存限制；系统的可用物理内存限制。32位系统下，一般限制在1.5G~2G；64为操作系统对内存无限制。我在Windows Server 2003 系统，3.5G物理内存，JDK5.0下测试，最大可设置为1478m。典型设置：
java -Xmx3550m -Xms3550m -Xmn2g -Xss128k–Xmx3550m：设置JVM最大可用内存为3550M。-Xms3550m：设置JVM促使内存为3550m。此值可以设置与-Xmx相同，以避免每次垃圾回收完成后JVM重新分配内存。-Xmn2g：设置年轻代大小为2G。整个JVM内存大小=年轻代大小 + 年老代大小 + 持久代大小。持久代一般固定大小为64m，所以增大年轻代后，将会减小年老代大小。此值对系统性能影响较大，Sun官方推荐配置为整个堆的3/8。-Xss128k：设置每个线程的堆栈大小。JDK5.0以后每个线程堆栈大小为1M，以前每个线程堆栈大小为256K。更具应用的线程所需内存大小进行调整。在相同物理内存下，减小这个值能生成更多的线程。但是操作系统对一个进程内的线程数还是有限制的，不能无限生成，经验值在3000~5000左右。
java -Xmx3550m -Xms3550m -Xss128k -XX:NewRatio=4 -XX:SurvivorRatio=4 -XX:MaxPermSize=16m -XX:MaxTenuringThreshold=0-XX:NewRatio=4:设置年轻代（包括Eden和两个Survivor区）与年老代的比值（除去持久代）。设置为4，则年轻代与年老代所占比值为1：4，年轻代占整个堆栈的1/5-XX:SurvivorRatio=4：设置年轻代中Eden区与Survivor区的大小比值。设置为4，则两个Survivor区与一个Eden区的比值为2:4，一个Survivor区占整个年轻代的1/6-XX:MaxPermSize=16m:设置持久代大小为16m。-XX:MaxTenuringThreshold=0：设置垃圾最大年龄。如果设置为0的话，则年轻代对象不经过Survivor区，直接进入年老代。对于年老代比较多的应用，可以提高效率。如果将此值设置为一个较大值，则年轻代对象会在Survivor区进行多次复制，这样可以增加对象再年轻代的存活时间，增加在年轻代即被回收的概论。
回收器选择JVM给了三种选择：串行收集器、并行收集器、并发收集器，但是串行收集器只适用于小数据量的情况，所以这里的选择主要针对并行收集器和并发收集器。默认情况下，JDK5.0以前都是使用串行收集器，如果想使用其他收集器需要在启动时加入相应参数。JDK5.0以后，JVM会根据当前系统配置进行判断。
java -Xmx3550m -Xms3550m -Xmn2g -Xss128k -XX:ParallelGCThreads=20 -XX:+UseConcMarkSweepGC -XX:+UseParNewGC-XX:+UseConcMarkSweepGC：设置年老代为并发收集。测试中配置这个以后，-XX:NewRatio=4的配置失效了，原因不明。所以，此时年轻代大小最好用-Xmn设置。-XX:+UseParNewGC:设置年轻代为并行收集。可与CMS收集同时使用。JDK5.0以上，JVM会根据系统配置自行设置，所以无需再设置此值。
java -Xmx3550m -Xms3550m -Xmn2g -Xss128k -XX:+UseConcMarkSweepGC -XX:CMSFullGCsBeforeCompaction=5 -XX:+UseCMSCompactAtFullCollection-XX:CMSFullGCsBeforeCompaction：由于并发收集器不对内存空间进行压缩、整理，所以运行一段时间以后会产生“碎片”，使得运行效率降低。此值设置运行多少次GC以后对内存空间进行压缩、整理。-XX:+UseCMSCompactAtFullCollection：打开对年老代的压缩。可能会影响性能，但是可以消除碎片
java -Xmx3800m -Xms3800m -Xmn2g -Xss128k -XX:+UseParallelGC -XX:ParallelGCThreads=20-XX:+UseParallelGC：选择垃圾收集器为并行收集器。此配置仅对年轻代有效。即上述配置下，年轻代使用并发收集，而年老代仍旧使用串行收集。-XX:ParallelGCThreads=20：配置并行收集器的线程数，即：同时多少个线程一起进行垃圾回收。此值最好配置与处理器数目相等。
java -Xmx3550m -Xms3550m -Xmn2g -Xss128k -XX:+UseParallelGC -XX:ParallelGCThreads=20 -XX:+UseParallelOldGC-XX:+UseParallelOldGC：配置年老代垃圾收集方式为并行收集。JDK6.0支持对年老代并行收集。
java -Xmx3550m -Xms3550m -Xmn2g -Xss128k -XX:+UseParallelGC -XX:MaxGCPauseMillis=100-XX:MaxGCPauseMillis=100:设置每次年轻代垃圾回收的最长时间，如果无法满足此时间，JVM会自动调整年轻代大小，以满足此值。
java -Xmx3550m -Xms3550m -Xmn2g -Xss128k -XX:+UseParallelGC -XX:MaxGCPauseMillis=100 -XX:+UseAdaptiveSizePolicy-XX:+UseAdaptiveSizePolicy：设置此选项后，并行收集器会自动选择年轻代区大小和相应的Survivor区比例，以达到目标系统规定的最低相应时间或者收集频率等，此值建议使用并行收集器时，一直打开。
吞吐量优先的并行收集器如上文所述，并行收集器主要以到达一定的吞吐量为目标，适用于科学技术和后台处理等。典型配置：
响应时间优先的并发收集器如上文所述，并发收集器主要是保证系统的响应时间，减少垃圾收集时的停顿时间。适用于应用服务器、电信领域等。典型配置：
辅助信息JVM提供了大量命令行参数，打印信息，供调试使用。主要有以下一些：
-XX:+PrintGC输出形式：[GC 118250K->113543K(130112K), 0.0094143 secs]
[Full GC 121376K->10414K(130112K), 0.0650971 secs]
-XX:+PrintGCDetails输出形式：[GC [DefNew: 8614K->781K(9088K), 0.0123035 secs] 118250K->113543K(130112K), 0.0124633 secs]
[GC [DefNew: 8614K->8614K(9088K), 0.0000665 secs][Tenured: 112761K->10414K(121024K), 0.0433488 secs] 121376K->10414K(130112K), 0.0436268 secs]
-XX:+PrintGCTimeStamps -XX:+PrintGC：PrintGCTimeStamps可与上面两个混合使用输出形式：11.851: [GC 98328K->93620K(130112K), 0.0082960 secs]
-XX:+PrintGCApplicationConcurrentTime:打印每次垃圾回收前，程序未中断的执行时间。可与上面混合使用输出形式：Application time: 0.5291524 seconds
-XX:+PrintGCApplicationStoppedTime：打印垃圾回收期间程序暂停的时间。可与上面混合使用输出形式：Total time for which application threads were stopped: 0.0468229 seconds
-XX:PrintHeapAtGC:打印GC前后的详细堆栈信息输出形式：34.702: [GC {Heap before gc invocations=7: def new generation total 55296K, used 52568K [0x1ebd0000, 0x227d0000, 0x227d0000)eden space 49152K, 99% used [0x1ebd0000, 0x21bce430, 0x21bd0000)from space 6144K, 55% used [0x221d0000, 0x22527e10, 0x227d0000) to space 6144K, 0% used [0x21bd0000, 0x21bd0000, 0x221d0000) tenured generation total 69632K, used 2696K [0x227d0000, 0x26bd0000, 0x26bd0000)the space 69632K, 3% used [0x227d0000, 0x22a720f8, 0x22a72200, 0x26bd0000) compacting perm gen total 8192K, used 2898K [0x26bd0000, 0x273d0000, 0x2abd0000) the space 8192K, 35% used [0x26bd0000, 0x26ea4ba8, 0x26ea4c00, 0x273d0000) ro space 8192K, 66% used [0x2abd0000, 0x2b12bcc0, 0x2b12be00, 0x2b3d0000) rw space 12288K, 46% used [0x2b3d0000, 0x2b972060, 0x2b972200, 0x2bfd0000)34.735: [DefNew: 52568K->3433K(55296K), 0.0072126 secs] 55264K->6615K(124928K)Heap after gc invocations=8: def new generation total 55296K, used 3433K [0x1ebd0000, 0x227d0000, 0x227d0000)eden space 49152K, 0% used [0x1ebd0000, 0x1ebd0000, 0x21bd0000) from space 6144K, 55% used [0x21bd0000, 0x21f2a5e8, 0x221d0000) to space 6144K, 0% used [0x221d0000, 0x221d0000, 0x227d0000) tenured generation total 69632K, used 3182K [0x227d0000, 0x26bd0000, 0x26bd0000)the space 69632K, 4% used [0x227d0000, 0x22aeb958, 0x22aeba00, 0x26bd0000) compacting perm gen total 8192K, used 2898K [0x26bd0000, 0x273d0000, 0x2abd0000) the space 8192K, 35% used [0x26bd0000, 0x26ea4ba8, 0x26ea4c00, 0x273d0000) ro space 8192K, 66% used [0x2abd0000, 0x2b12bcc0, 0x2b12be00, 0x2b3d0000) rw space 12288K, 46% used [0x2b3d0000, 0x2b972060, 0x2b972200, 0x2bfd0000)}, 0.0757599 secs]
-Xloggc:filename:与上面几个配合使用，把相关日志信息记录到文件以便分析。
常见配置汇总
-XX:+CMSIncrementalMode:设置为增量模式。适用于单CPU情况。
-XX:ParallelGCThreads=n:设置并发收集器年轻代收集方式为并行收集时，使用的CPU数。并行收集线程数。
-XX:ParallelGCThreads=n:设置并行收集器收集时使用的CPU数。并行收集线程数。
-XX:MaxGCPauseMillis=n:设置并行收集最大暂停时间
-XX:GCTimeRatio=n:设置垃圾回收时间占程序运行时间的百分比。公式为1/(1+n)
-XX:+PrintGC
-XX:+PrintGCDetails
-XX:+PrintGCTimeStamps
-Xloggc:filename
-XX:+UseSerialGC:设置串行收集器
-XX:+UseParallelGC:设置并行收集器
-XX:+UseParalledlOldGC:设置并行年老代收集器
-XX:+UseConcMarkSweepGC:设置并发收集器
-Xms:初始堆大小
-Xmx:最大堆大小
-XX:NewSize=n:设置年轻代大小
-XX:NewRatio=n:设置年轻代和年老代的比值。如:为3，表示年轻代与年老代比值为1：3，年轻代占整个年轻代年老代和的1/4
-XX:SurvivorRatio=n:年轻代中Eden区与两个Survivor区的比值。注意Survivor区有两个。如：3，表示Eden：Survivor=3：2，一个Survivor区占整个年轻代的1/5
-XX:MaxPermSize=n:设置持久代大小
堆设置
收集器设置
垃圾回收统计信息
并行收集器设置
并发收集器设置
四、调优总结
年轻代大小选择
响应时间优先的应用：尽可能设大，直到接近系统的最低响应时间限制（根据实际情况选择）。在此种情况下，年轻代收集发生的频率也是最小的。同时，减少到达年老代的对象。
吞吐量优先的应用：尽可能的设置大，可能到达Gbit的程度。因为对响应时间没有要求，垃圾收集可以并行进行，一般适合8CPU以上的应用。
年老代大小选择
并发垃圾收集信息
持久代并发收集次数
传统GC信息
花在年轻代和年老代回收上的时间比例
响应时间优先的应用：年老代使用并发收集器，所以其大小需要小心设置，一般要考虑并发会话率和会话持续时间等一些参数。如果堆设置小了，可以会造成内存碎片、高回收频率以及应用暂停而使用传统的标记清除方式；如果堆大了，则需要较长的收集时间。最优化的方案，一般需要参考以下数据获得：减少年轻代和年老代花费的时间，一般会提高应用的效率
吞吐量优先的应用：一般吞吐量优先的应用都有一个很大的年轻代和一个较小的年老代。原因是，这样可以尽可能回收掉大部分短期对象，减少中期的对象，而年老代尽存放长期存活对象。
较小堆引起的碎片问题因为年老代的并发收集器使用标记、清除算法，所以不会对堆进行压缩。当收集器回收时，他会把相邻的空间进行合并，这样可以分配给较大的对象。但是，当堆空间较小时，运行一段时间以后，就会出现“碎片”，如果并发收集器找不到足够的空间，那么并发收集器将会停止，然后使用传统的标记、清除方式进行回收。如果出现“碎片”，可能需要进行如下配置：
-XX:+UseCMSCompactAtFullCollection：使用并发收集器时，开启对年老代的压缩。
-XX:CMSFullGCsBeforeCompaction=0：上面配置开启的情况下，这里设置多少次Full GC后，对年老代进行压缩
Reference
http://unixboy.iteye.com/blog/174173
继续浏览有关 Java 的文章
上一篇 Java多线程同步实例
Java读取文件加速 下一篇
评论 1
取消
有人回复时邮件通知我
提交评论
昵称昵称 (必填)
邮箱邮箱 (必填)
网址网址
栏目分类栏目分类
选择分类目录
ACG (7)
游戏 (5)
Web开发 (79)
BAE (13)
Linux相关 (9)
Mac OS (1)
WordPress (8)
Yii (17)
主机域名 (26)
数据库 (3)
信息安全 (3)
其他类别 (184)
心情 (1)
旧的博文 (170)
操作系统 (3)
Windows (2)
数学基礎 (3)
日语教程 (122)
口译 (1)
新编日语商务贸易会话 (14)
新编日语阅读文选 (34)
第一册 (20)
第三册 (2)
第二册 (10)
日语入门 (2)
日语听力 (2)
日语综合教程 (65)
第七册 (15)
第三册 (7)
第五册 (12)
第六册 (18)
第四册 (12)
月の珊瑚 (3)
机器学习 (60)
经济人文 (19)
国际贸易理论与政策 (9)
当代世界经济与政治 (3)
编程开发 (557)
Android (30)
C++ (237)
Drupal (23)
Java (69)
Javascript (1)
PHP (57)
Python (8)
汇编逆向 (12)
算法 (236)
网络 (6)
自然语言处理 (106)
中文分词 (13)
句法分析 (8)
命名实体识别 (7)
语义分析 (2)
语料库 (7)
软件发布 (9)
文章归档文章归档
选择月份
2022年11月 (1)
2022年1月 (1)
2021年12月 (1)
2021年11月 (4)
2021年7月 (1)
2020年1月 (1)
2019年11月 (2)
2019年10月 (2)
2019年1月 (1)
2018年12月 (1)
2018年2月 (2)
2017年12月 (2)
2017年11月 (2)
2017年8月 (1)
2017年7月 (14)
2017年6月 (28)
2017年5月 (8)
2017年3月 (12)
2017年2月 (13)
2017年1月 (22)
2016年12月 (2)
2016年11月 (15)
2016年10月 (3)
2016年9月 (3)
2016年8月 (7)
2016年7月 (1)
2016年6月 (1)
2016年5月 (3)
2016年4月 (2)
2016年3月 (3)
2016年2月 (3)
2015年12月 (3)
2015年11月 (6)
2015年10月 (4)
2015年9月 (4)
2015年8月 (2)
2015年7月 (6)
2015年5月 (3)
2015年4月 (5)
2015年3月 (3)
2015年2月 (22)
2015年1月 (14)
2014年12月 (10)
2014年11月 (21)
2014年10月 (14)
2014年9月 (16)
2014年8月 (11)
2014年7月 (6)
2014年6月 (13)
2014年5月 (28)
2014年4月 (41)
2014年3月 (26)
2014年2月 (52)
2014年1月 (28)
2013年12月 (29)
2013年11月 (21)
2013年10月 (11)
2013年9月 (19)
2013年8月 (21)
2013年7月 (36)
2013年6月 (24)
2013年5月 (36)
2013年4月 (29)
2013年3月 (46)
2013年2月 (5)
2012年5月 (2)
2012年4月 (6)
2010年12月 (5)
2010年11月 (10)
2010年10月 (13)
2010年9月 (6)
2010年8月 (5)
2010年7月 (3)
2010年6月 (12)
2010年5月 (14)
2010年4月 (8)
2010年3月 (16)
2010年1月 (16)
2009年12月 (33)
2009年11月 (26)
2009年9月 (2)
热门文章双数组Trie树(DoubleArrayTrie)Java实现2014-03-18评论(65)
Trie树分词2014-03-12评论(21)
Intellij IDEA 配置 JRebel 自动热部署2014-10-13评论(8)
Log4j 2配置与IntelliJ IDEA控制台颜色2014-04-23评论(6)
Java动态修改Enum实例2016-03-18评论(6)
Java多线程同步实例2014-09-07评论(5)
最新文章Java动态修改Enum实例2016-03-18评论(6)
Lucene分类统计示例2014-10-23评论(0)
JSP/Servlet Web应用中.properties文件的放置与读取2014-10-17评论(0)
让Intellij IDEA显示Servlet文档2014-10-14评论(0)
Intellij IDEA 配置 JRebel 自动热部署2014-10-13评论(8)
Java读取文件加速2014-10-09评论(2)
热门标签《挑战程序设计竞赛(第2版)》 (184)《日语综合教程》 (57)CS224n (36)《新编日语阅读文选》 (34)《智能Web算法》 (20)中文分词 (19)Neural Networks for Machine Learning (19)WordPress (17)深度学习 (16)Lucene (15)维特比算法 (15)新编日语商务贸易会话 (14)IntelliJ IDEA (13)《统计学习方法》 (12)UVa (11)Drupal7专业开发指南 第三版 (10)《挑战编程-程序设计竞赛训练手册》 (10)HMM (10)matlab (9)TensorFlow (9)CS229 (8)word2vec (8)Google code jam (7)《C++标准程序库—自修教程与参考手册》 (7)CRF (7)Yii (6)CNN (6)WebRTC (5)Cocos2d-x (5)RNN (5)
我的作品
HanLP自然语言处理包《自然语言处理入门》
2022 码农场 网站地图 沪ICP备14002007号-1