一次CMS GC问题排查过程（理解原理+读懂GC日志）
這個是之前處理過的一個線上問題，處理過程斷斷續續，經歷了兩周多的時間，中間各種嘗試，總結如下。這篇文章分三部分：
1、問題的場景和處理過程；2、GC的一些理論東西；3、看懂GC的日志
先說一下問題吧
問題場景：線上機器在半夜會推送一個700M左右的數據，這個時候有個數據置換的過程，也就是說有700M*2的數據在heap區域中，線上系統超時比較多，導致了很嚴重（嚴重程度就不說了）的問題。
問題原因：看日志，系統接口超時的時候，系統出現了FullGC，這個時候stop-the-world了，也就停機了。分析gc的日志，發現有promotion failed，根據FullGC觸發的條件，這個時候就會出現FullGC了。日志如下：
| 12 | 2013-11-27T03:00:53.638+0800:?35333.562: [GC?35333.562: [ParNew (promotion failed): 1877376K->1877376K(1877376K),?15.7989680?secs]35349.361: [CMS: 2144171K->2129287K(2146304K),?10.4200280?secs] 3514052K->2129287K(4023680K), [CMS Perm : 119979K->118652K(190132K)],?26.2193500?secs] [Times: user=30.35?sys=5.19, real=26.22?secs] |
問題解決：中間調整過幾次，先搞了幾臺機器做了驗證，后來逐步推廣的。
1、調大heap區，由原來的4g，調整到5g，young區的大小不變，還是2g，這時候old區就由2g變為3g了（這樣保證old區有足夠的空間）；
2、設置-XX：UseCMSInitiatingOccupancyOnly，其實這個不關這個問題，只是發現半夜CMS進行的有點頻繁，就禁止掉了悲觀策略；
3、設置CMS區回收的比例，從80%調整到75%，讓old區盡早的進行，有足夠的空間剩余；
?
為什么要有GC（垃圾回收）？
JVM通過GC來回收堆和方法區中的內存，GC的基本原理就是找到程序中不再被使用的對象，然后回收掉這些對象占用的內存。
?
主要的收集器有哪些？
引用計數器和跟蹤計數器兩種。
引用計數器記錄對象是否被引用，當計數器為零時，說明對象已經不再被使用，可以進行回收。java中的對象有復雜的引用關系，不是很適合引用計數器，所以sun jdk中并沒有實現這種GC方式。
跟蹤收集器，全局記錄數據的引用狀態，基于一定的條件觸發。執行的時候，從根集合開始掃描對象的引用關系，主要有復制（copying）、標記-清除（Mark-Sweep）、標記-壓縮(Mark-Compact)那種算法。
?
跟蹤計數器的三種算法簡介？
復制：從根集合搜掃描出存活的對象，然后將存活的對象復制到一塊新的未使用的空間中，當要回收的空間中存活的對象較少時，比較高效；
標記清除：從根集合開始掃描，對存活的對象進行標記，比較完畢后，再掃描整個空間中未標記的對象，然后進行回收，不需要對對象進行移動；
標記壓縮：標記形式和“標記清除”一樣，但是回收不存活的對象后，會把所有存活的對象在內存空間中進行移動，好處是減少了內存碎片，缺點是成本比較高；
?
java內存區域的形式是啥樣的？
這里就不再介紹了，之前有一篇文章中專門介紹這個的（http://iamzhongyong.iteye.com/blog/1333100）。
?
新生代可用的GC？
新生代中對象存活的時間比較短，因此給予Copying算法實現，Eden區域存放新創建的對象，S0和S1區其中一塊用于存放在Minor GC的時候作為復制存活對象的目標空間，另外一塊清空。
串行GC（Serial GC）比較適合單CPU的情況，可以通過-XX：UseSerialGC來強行制定；
并行回收GC（Parallel Scavenge），啟動的時候按照設置的參數來劃定Eden/S0/S1區域的大小，但是在運行時，會根據Minor GC的頻率、消耗時間來動態調整三個區域的大小，可以用過-XX：UseAdaptiveSizePolicy來固定大小，不進行動態調整；
并行GC（ParNew）劃分Eden、S1、S0的區域上和串行GC一樣。并行GC需要配合舊生代使用CMS GC（這是他和并行回收GC的不同）（如果配置了CMS GC的方式，那么新生代默認采取的就是并行GC的方式）；
?
啥時候會觸發Minor GC？
當Eden區域分配內存時，發現空間不足，JVM就會觸發Minor GC，程序中System.gc()也可以來觸發。
?
舊生代可用的GC方式有哪幾種？
串行GC（Serial MSC）、并行GC（Parallel MSC）、并發GC（CMS）；
?
關于CMS？
采用CMS時候，新生代必須使用Serial GC或者ParNew GC兩種。CMS共有七個步驟，只有Initial Marking和Final Marking兩個階段是stop-the-world的，其他步驟均和應用并行進行。持久代的GC也采用CMS，通過-XX：CMSPermGenSweepingEnabled -XX：CMSClassUnloadingEnabled來制定。在采用cms gc的情況下，ygc變慢的原因通常是由于old gen出現了大量的碎片。
?
為啥CMS會有內存碎片，如何避免？
由于在CMS的回收步驟中，沒有對內存進行壓縮，所以會有內存碎片出現，CMS提供了一個整理碎片的功能，通過-XX：UseCompactAtFullCollection來啟動此功能，啟動這個功能后，默認每次執行Full GC的時候會進行整理（也可以通過-XX：CMSFullGCsBeforeCompaction=n來制定多少次Full GC之后來執行整理），整理碎片會stop-the-world.
?
啥時候會觸發CMS GC？
1、舊生代或者持久代已經使用的空間達到設定的百分比時（CMSInitiatingOccupancyFraction這個設置old區，perm區也可以設置）；
2、JVM自動觸發(JVM的動態策略，也就是悲觀策略)（基于之前GC的頻率以及舊生代的增長趨勢來評估決定什么時候開始執行），如果不希望JVM自行決定，可以通過-XX：UseCMSInitiatingOccupancyOnly=true來制定；
3、設置了?-XX：CMSClassUnloadingE考慮nabled 這個則考慮Perm區；
?
啥時候會觸發Full GC？
一、舊生代空間不足：java.lang.outOfMemoryError：java heap space；
二、Perm空間滿：java.lang.outOfMemoryError：PermGen space；
三、CMS GC時出現promotion failed ?和concurrent ?mode failure（Concurrent mode failure發生的原因一般是CMS正在進行，但是由于old區內存不足，需要盡快回收old區里面的死的java對象，這個時候foreground gc需要被觸發，停止所有的java線程，同時終止CMS，直接進行MSC。）；
四、統計得到的minor GC晉升到舊生代的平均大小大于舊生代的剩余空間；
五、主動觸發Full GC（執行jmap -histo:live [pid]）來避免碎片問題；
?
為啥heap小于3g不建議使用CMS GC這種方式？
http://hellojava.info/?p=142?畢大師的這篇文章講的很清楚。
1、觸發比例不好設置，設置大了，那么剩余的空間就少了很多，設置小了，那old區還沒放置多少東西，就要進行回收了；
2、CMS進行的時候，是并行的，也就意味著如果過于頻繁的話，會和應用的強占CPU；
3、CMS會有內存 碎片問題；
4、YGC的速率變慢（由于CMS GC的實現原理，導致對象從新生代晉升到舊生代時，尋找哪里能放下的這個步驟比ParallelOld GC是慢一些的，因此就導致了YGC速度會有一定程度的下降。）；
?
JVM的悲觀策略是啥？
所謂的悲觀策略（http://tmalltesting.com/archives/663?我們性能測試團隊一個同學分析的案例），就是JVM不按照JVM指定的參數來進行CMS GC，而是根據內存情況以及之前回收的方式動態調整，自行進行GC。舊生代剩余的空間（available）大于新生代中使用的空間（max_promotion_in_bytes），或者大于之前平均晉升的old的大小（av_promo），返回false。cms gc是每隔一個周期（默認2s）就會做一次這個檢查，如果為false，則不執行YGC，而觸發cms gc。
?
我們經常使用的是啥GC方式？
針對目前線上機器的情況（8G的物流內存），heap區一般設置在4g或者5g左右，一般是使用CMS GC，這時候：
young區使用ParNew（并行GC），Old+Perm(需要單獨設置)使用CMS，整個堆（young+old+perm）使用MSC（（Mark Sweep Compact）是CMS GC算法的Full GC算法,單線程回收整個堆，回收過程有嚴格的步驟。壓縮，所以回收完理論上任何Generation都不會有內存碎片）壓縮回收的方式。
?
讀懂GC日志？
基本上都是這種格式：回收前區域占用的大小->回收后區域占用的大小（區域設置的大小），占用的時間
?
1、promotion failed的一段日志
| 12 | 2013-11-27T03:00:53.638+0800:?35333.562: [GC?35333.562: [ParNew (promotion failed): 1877376K->1877376K(1877376K),?15.7989680?secs]35349.361: [CMS: 2144171K->2129287K(2146304K),?10.4200280?secs] 3514052K->2129287K(4023680K), [CMS Perm : 119979K->118652K(190132K)],?26.2193500?secs] [Times: user=30.35?sys=5.19, real=26.22?secs] |
解釋如下：
| 12345 | 1877376K->1877376K(1877376K),?15.7989680?secs?? young區2144171K->2129287K(2146304K),?10.4200280?sec???? old區情況3514052K->2129287K(4023680K)???????????????????? heap區情況119979K->118652K(190132K)],?26.2193500?secs????? perm區情況?[Times: user=30.35?sys=5.19, real=26.22?secs]??? 整個過程的時間消耗 |
?
2、一段正常的CMS的日志
| 1234567891011121314 | 2013-11-27T04:00:12.819+0800:?38892.743: [GC [1?CMS-initial-mark: 1547313K(2146304K)] 1734957K(4023680K),?0.1390860?secs] [Times: user=0.14?sys=0.00, real=0.14?secs]2013-11-27T04:00:12.958+0800:?38892.883: [CMS-concurrent-mark-start]2013-11-27T04:00:19.231+0800:?38899.155: [CMS-concurrent-mark:?6.255/6.272?secs] [Times: user=8.49?sys=1.57, real=6.27?secs]2013-11-27T04:00:19.231+0800:?38899.155: [CMS-concurrent-preclean-start]2013-11-27T04:00:19.250+0800:?38899.175: [CMS-concurrent-preclean:?0.018/0.019?secs] [Times: user=0.02?sys=0.00, real=0.02?secs]2013-11-27T04:00:19.250+0800:?38899.175: [CMS-concurrent-abortable-preclean-start]?CMS: abort preclean due to time?2013-11-27T04:00:25.252+0800:?38905.176: [CMS-concurrent-abortable-preclean:?5.993/6.002?secs] [Times: user=6.97?sys=2.16, real=6.00?secs]2013-11-27T04:00:25.253+0800:?38905.177: [GC[YG occupancy:?573705?K (1877376?K)]38905.177: [Rescan (parallel) ,?0.3685690?secs]38905.546: [weak refs processing,?0.0024100?secs]38905.548: [class unloading,?0.0177600?secs]38905.566: [scrub symbol & string tables,?0.0154090?secs] [1?CMS-remark: 1547313K(2146304K)] 2121018K(4023680K),?0.4229380?secs] [Times: user=1.41?sys=0.01, real=0.43?secs]2013-11-27T04:00:25.676+0800:?38905.601: [CMS-concurrent-sweep-start]2013-11-27T04:00:26.436+0800:?38906.360: [CMS-concurrent-sweep:?0.759/0.760?secs] [Times: user=1.06?sys=0.48, real=0.76?secs]2013-11-27T04:00:26.436+0800:?38906.360: [CMS-concurrent-reset-start]2013-11-27T04:00:26.441+0800:?38906.365: [CMS-concurrent-reset:?0.005/0.005?secs] [Times: user=0.00?sys=0.00, real=0.00?secs] |
這個是一個正常的CMS的日志，共分為七個步驟，重點關注initial-mark和remark這兩個階段，因為這兩個是停機的。
A、[GC [1 CMS-initial-mark: 1547313K(2146304K)] 1734957K(4023680K), 0.1390860 secs] [Times: user=0.14 sys=0.00, real=0.14 secs]
各個數據依次表示標記前后old區的所有對象占內存大小和old的capacity，整個JavaHeap（不包括perm）所有對象占內存總的大小和JavaHeap的capacity。
B、2013-11-27T04:00:25.253+0800: 38905.177: [GC[YG occupancy: 573705 K (1877376 K)]38905.177: [Rescan (parallel) , 0.3685690 secs]38905.546: [weak refs processing, 0.0024100 secs]38905.548: [class unloading, 0.0177600 secs]38905.566: [scrub symbol & string tables, 0.0154090 secs] [1 CMS-remark: 1547313K(2146304K)] 2121018K(4023680K), 0.4229380 secs] [Times: user=1.41 sys=0.01, real=0.43 secs]
Rescan (parallel)表示的是多線程處理young區和多線程掃描old+perm的卡表的總時間， parallel 表示多GC線程并行。
weak refs processing 處理old區的弱引用的總時間，用于回收native memory。
class unloading 回收SystemDictionary消耗的總時間。
?
3、一段正常的Young GC的日志
| 12 | 2013-11-27T04:00:07.345+0800:?38887.270: [GC?38887.270: [ParNew: 1791076K->170624K(1877376K),?0.2324440?secs] 2988366K->1413629K(4023680K),?0.2326470?secs] [Times: user=0.80?sys=0.00, real=0.23?secs] |
ParNew這個表明是并行的回收方式，具體的分別是young區、整個heap區的情況；
?
4、一段通過system.gc產生的FullGC日志
| 1 | 2013-07-21T17:44:01.554+0800:?50.568: [Full GC (System)?50.568: [CMS: 943772K->220K(2596864K),?2.3424070?secs] 1477000K->220K(4061184K), [CMS Perm : 3361K->3361K(98304K)],?2.3425410?secs] [Times: user=2.33?sys=0.01, real=2.34?secs] |
解釋如下：
Full GC (System)意味著這是個system.gc調用產生的MSC。
“943772K->220K(2596864K), 2.3424070 secs”表示：這次MSC前后old區內總對象大小，old的capacity及這次MSC耗時。
“1477000K->220K(4061184K)”表示：這次MSC前后JavaHeap內總對象大小，JavaHeap的capacity。
“3361K->3361K(98304K)], 2.3425410 secs”表示：這次MSC前后Perm區內總對象大小，Perm區的capacity。
?
5、一個特殊的GC日志，根據動態計算直接進行的FullGC（MSC的方式）
| 1 | 2013-03-13T13:48:06.349+0800:?7.092: [GC?7.092: [ParNew: 471872K->471872K(471872K),?0.0000420?secs]7.092: [CMS: 366666K->524287K(524288K),?27.0023450?secs] 838538K->829914K(996160K), [CMS Perm : 3196K->3195K(131072K)],?27.0025170?secs] |
ParNew的時間特別短，jvm在minor gc前會首先確認old是不是足夠大，如果不夠大，這次young gc直接返回，進行MSC。
?
參考文章：
http://kenwublog.com/docs/java6-jvm-options-chinese-edition.htm? ?JVM參數大全
http://tmalltesting.com/archives/663?悲觀策略
http://hellojava.info/?p=142?CMS GC不建議3G的原因
畢玄的《分布式java基礎》
如何讀懂GC日志：
https://blogs.oracle.com/poonam/entry/understanding_cms_gc_logs
總結
以上是生活随笔為你收集整理的一次CMS GC问题排查过程（理解原理+读懂GC日志）的全部內容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： Python + wordcloud +
- 下一篇： JVM调优——之CMS GC日志分析