面试题：深入剖析Java垃圾回收机制的调优技巧与陷阱

堆大小调整：
- 初始堆大小（-Xms）：根据应用程序的启动内存需求设置，避免频繁的堆扩展。例如，对于一个启动时需要大量内存初始化数据的应用，可适当增大 -Xms。若启动时只需要较小内存，可先设小，再观察动态调整。
- 最大堆大小（-Xmx）：根据应用程序峰值内存需求设置。如果设置过小，可能导致频繁的Full GC甚至OutOfMemoryError；设置过大，可能浪费内存资源，且Full GC时停顿时间可能更长。比如，分析应用在压力测试下的内存峰值为2GB，可将 -Xmx 设置为2.5GB ，预留一定空间。
新生代与老年代比例调整：
- -XX:NewRatio：该参数定义了老年代与新生代的比例关系。例如，-XX:NewRatio=2 表示老年代与新生代大小比例为2:1 。若应用程序创建大量短期存活对象，可适当减小 NewRatio 值，增大新生代空间，减少对象过早晋升到老年代，降低Full GC频率。
- -XX:SurvivorRatio：用于设置Eden区与Survivor区的比例。例如，-XX:SurvivorRatio=8 表示Eden区与单个Survivor区大小比例为8:1 ，两个Survivor区占新生代的20% 。合理设置该比例可优化对象在新生代中的复制和晋升过程。

陷阱：
- 堆大小设置不当：堆设置过小导致频繁GC和OOM；设置过大导致长时间Full GC停顿和内存浪费。
- 新生代与老年代比例不合理：新生代过小，对象过早晋升到老年代，引发频繁Full GC；新生代过大，可能导致老年代空间不足，同样引发Full GC。
- 错误的垃圾回收器选择：不同垃圾回收器适用于不同场景，选错可能导致性能不佳。例如，CMS垃圾回收器在多核CPU、低停顿要求场景表现好，但在高并发大数据量写入场景可能出现Concurrent Mode Failure。
避免方法：
- 性能测试与监控：通过性能测试工具（如JMeter等）模拟实际生产负载，结合监控工具（如VisualVM、Grafana + Prometheus等）观察内存使用和GC情况，逐步调整堆大小和分区比例。
- 分析应用特点：了解应用对象的生命周期特点，是短期存活对象多还是长期存活对象多，以此来合理设置新生代与老年代比例。
- 了解垃圾回收器特性：根据应用场景选择合适的垃圾回收器，如吞吐量优先选Parallel GC，低停顿优先选CMS或G1 GC。

案例：一个电商订单处理系统，在高并发下单时响应时间变长，出现卡顿。

监控：
- 开启GC日志：通过 -Xlog:gc*:file=gc.log:time,tags:filecount=5,filesize=10m 开启GC日志记录，将日志输出到 gc.log 文件，最多保留5个文件，每个文件大小10MB 。
- 使用监控工具：使用VisualVM连接到生产环境JVM，实时监控堆内存使用、GC频率和停顿时间等指标。
分析：
- 查看GC日志：发现频繁Full GC，且每次Full GC停顿时间较长。日志中显示老年代空间增长迅速，很快就达到阈值触发Full GC。
- 结合监控指标：VisualVM显示新生代空间利用率较低，而老年代空间紧张。
解决：
- 调整堆参数：增大堆大小，同时增大新生代空间（减小 NewRatio 值），让更多对象在新生代中回收，减少晋升到老年代的对象数量。例如，将 -Xmx 从2GB 增大到4GB ，-XX:NewRatio 从3调整为2 。
- 优化代码：检查代码中对象创建和使用逻辑，发现部分对象本应在方法内部创建，却在类级别定义，导致生命周期延长，进行修正。调整后，再次监控，Full GC频率降低，系统响应时间恢复正常。

星途面试题库