##一次CMS GC问题排查过程（理解原理+读懂GC日志）

一次CMS GC问题排查过程（理解原理+读懂GC日志） - iamzhongyong - ITeye技术网站 http://iamzhongyong.iteye.com/blog/1989829

这个是之前处理过的一个线上问题，处理过程断断续续，经历了两周多的时间，中间各种尝试，总结如下。这篇文章分三部分：
1、问题的场景和处理过程；2、GC的一些理论东西；3、看懂GC的日志
先说一下问题吧
问题场景：线上机器在半夜会推送一个700M左右的数据，这个时候有个数据置换的过程，也就是说有700M*2的数据在heap区域中，线上系统超时比较多，导致了很严重（严重程度就不说了）的问题。
问题原因：看日志，系统接口超时的时候，系统出现了FullGC，这个时候stop-the-world了，也就停机了。分析gc的日志，发现有promotion failed，根据FullGC触发的条件，这个时候就会出现FullGC了。日志如下：
1
2

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
sec

s] 3514052K->2129287K(4023680K), [CMS Perm : 119979K->118652K(190132K)],
26.2193500
secs] [Times: user=
30.35
sys=
5.19
, real=
26.22
secs]

问题解决：中间调整过几次，先搞了几台机器做了验证，后来逐步推广的。
1、调大heap区，由原来的4g，调整到5g，young区的大小不变，还是2g，这时候old区就由2g变为3g了（这样保证old区有足够的空间）；
2、设置-XX：UseCMSInitiatingOccupancyOnly，其实这个不关这个问题，只是发现半夜CMS进行的有点频繁，就禁止掉了悲观策略；
3、设置CMS区回收的比例，从80%调整到75%，让old区尽早的进行，有足够的空间剩余；

为什么要有GC（垃圾回收）？
JVM通过GC来回收堆和方法区中的内存，GC的基本原理就是找到程序中不再被使用的对象，然后回收掉这些对象占用的内存。

主要的收集器有哪些？
引用计数器和跟踪计数器两种。
引用计数器记录对象是否被引用，当计数器为零时，说明对象已经不再被使用，可以进行回收。java中的对象有复杂的引用关系，不是很适合引用计数器，所以sun jdk中并没有实现这种GC方式。
跟踪收集器，全局记录数据的引用状态，基于一定的条件触发。执行的时候，从根集合开始扫描对象的引用关系，主要有复制（copying）、标记-清除（Mark-Sweep）、标记-压缩(Mark-Compact)那种算法。

跟踪计数器的三种算法简介？
复制：从根集合搜扫描出存活的对象，然后将存活的对象复制到一块新的未使用的空间中，当要回收的空间中存活的对象较少时，比较高效；
标记清除：从根集合开始扫描，对存活的对象进行标记，比较完毕后，再扫描整个空间中未标记的对象，然后进行回收，不需要对对象进行移动；
标记压缩：标记形式和“标记清除”一样，但是回收不存活的对象后，会把所有存活的对象在内存空间中进行移动，好处是减少了内存碎片，缺点是成本比较高；

java内存区域的形式是啥样的？
这里就不再介绍了，之前有一篇文章中专门介绍这个的（http://iamzhongyong.iteye.com/blog/1333100）。

新生代可用的GC？
新生代中对象存活的时间比较短，因此给予Copying算法实现，Eden区域存放新创建的对象，S0和S1区其中一块用于存放在Minor GC的时候作为复制存活对象的目标空间，另外一块清空。
串行GC（Serial GC）比较适合单CPU的情况，可以通过-XX：UseSerialGC来强行制定；
并行回收GC（Parallel Scavenge），启动的时候按照设置的参数来划定Eden/S0/S1区域的大小，但是在运行时，会根据Minor GC的频率、消耗时间来动态调整三个区域的大小，可以用过-XX：UseAdaptiveSizePolicy来固定大小，不进行动态调整；
并行GC（ParNew）划分Eden、S1、S0的区域上和串行GC一样。并行GC需要配合旧生代使用CMS GC（这是他和并行回收GC的不同）（如果配置了CMS GC的方式，那么新生代默认采取的就是并行GC的方式）；

啥时候会触发Minor GC？
当Eden区域分配内存时，发现空间不足，JVM就会触发Minor GC，程序中System.gc()也可以来触发。

旧生代可用的GC方式有哪几种？
串行GC（Serial MSC）、并行GC（Parallel MSC）、并发GC（CMS）；

关于CMS？
采用CMS时候，新生代必须使用Serial GC或者ParNew GC两种。CMS共有七个步骤，只有Initial Marking和Final Marking两个阶段是stop-the-world的，其他步骤均和应用并行进行。持久代的GC也采用CMS，通过-XX：CMSPermGenSweepingEnabled -XX：CMSClassUnloadingEnabled来制定。在采用cms gc的情况下，ygc变慢的原因通常是由于old gen出现了大量的碎片。

为啥CMS会有内存碎片，如何避免？
由于在CMS的回收步骤中，没有对内存进行压缩，所以会有内存碎片出现，CMS提供了一个整理碎片的功能，通过-XX：UseCompactAtFullCollection来启动此功能，启动这个功能后，默认每次执行Full GC的时候会进行整理（也可以通过-XX：CMSFullGCsBeforeCompaction=n来制定多少次Full GC之后来执行整理），整理碎片会stop-the-world.

啥时候会触发CMS GC？
1、旧生代或者持久代已经使用的空间达到设定的百分比时（CMSInitiatingOccupancyFraction这个设置old区，perm区也可以设置）；
2、JVM自动触发(JVM的动态策略，也就是悲观策略)（基于之前GC的频率以及旧生代的增长趋势来评估决定什么时候开始执行），如果不希望JVM自行决定，可以通过-XX：UseCMSInitiatingOccupancyOnly=true来制定；
3、设置了 -XX：CMSClassUnloadingE考虑nabled 这个则考虑Perm区；

啥时候会触发Full GC？
一、旧生代空间不足：java.lang.outOfMemoryError：java heap space；
二、Perm空间满：java.lang.outOfMemoryError：PermGen space；
三、CMS GC时出现promotion failed 和concurrent mode failure（Concurrent mode failure发生的原因一般是CMS正在进行，但是由于old区内存不足，需要尽快回收old区里面的死的java对象，这个时候foreground gc需要被触发，停止所有的java线程，同时终止CMS，直接进行MSC。）；
四、统计得到的minor GC晋升到旧生代的平均大小大于旧生代的剩余空间；
五、主动触发Full GC（执行jmap -histo:live [pid]）来避免碎片问题；

为啥heap小于3g不建议使用CMS GC这种方式？
http://hellojava.info/?p=142 毕大师的这篇文章讲的很清楚。
1、触发比例不好设置，设置大了，那么剩余的空间就少了很多，设置小了，那old区还没放置多少东西，就要进行回收了；
2、CMS进行的时候，是并行的，也就意味着如果过于频繁的话，会和应用的强占CPU；
3、CMS会有内存碎片问题；
4、YGC的速率变慢（由于CMS GC的实现原理，导致对象从新生代晋升到旧生代时，寻找哪里能放下的这个步骤比ParallelOld GC是慢一些的，因此就导致了YGC速度会有一定程度的下降。）；

JVM的悲观策略是啥？
所谓的悲观策略（http://tmalltesting.com/archives/663 我们性能测试团队一个同学分析的案例），就是JVM不按照JVM指定的参数来进行CMS GC，而是根据内存情况以及之前回收的方式动态调整，自行进行GC。旧生代剩余的空间（available）大于新生代中使用的空间（max_promotion_in_bytes），或者大于之前平均晋升的old的大小（av_promo），返回false。cms gc是每隔一个周期（默认2s）就会做一次这个检查，如果为false，则不执行YGC，而触发cms gc。

我们经常使用的是啥GC方式？
针对目前线上机器的情况（8G的物流内存），heap区一般设置在4g或者5g左右，一般是使用CMS GC，这时候：
young区使用ParNew（并行GC），Old+Perm(需要单独设置)使用CMS，整个堆（young+old+perm）使用MSC（（Mark Sweep Compact）是CMS GC算法的Full GC算法,单线程回收整个堆，回收过程有严格的步骤。压缩，所以回收完理论上任何Generation都不会有内存碎片）压缩回收的方式。

读懂GC日志？
基本上都是这种格式：回收前区域占用的大小->回收后区域占用的大小（区域设置的大小），占用的时间

1、promotion failed的一段日志
1
2

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
sec

s] 3514052K->2129287K(4023680K), [CMS Perm : 119979K->118652K(190132K)],
26.2193500
secs] [Times: user=
30.35
sys=
5.19
, real=
26.22
secs]

解释如下：
1
2
3
4
5

1877376K->1877376K(1877376K),
15.7989680
secs young区

2144171K->2129287K(2146304K),
10.4200280
sec old区情况

3514052K->2129287K(4023680K) heap区情况

119979K->118652K(190132K)],
26.2193500
secs perm区情况

[Times: user=
30.35
sys=
5.19
, real=
26.22
secs] 整个过程的时间消耗

2、一段正常的CMS的日志
1
2
3
4
5
6
7
8
9
10
11
12
13
14

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
: [cla

ss 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]

这个是一个正常的CMS的日志，共分为七个步骤，重点关注initial-mark和remark这两个阶段，因为这两个是停机的。
A、[GC [1 CMS-initial-mark: 1547313K(2146304K)] 1734957K(4023680K), 0.1390860 secs] [Times: user=0.14 sys=0.00, real=0.14 secs]
各个数据依次表示标记前后old区的所有对象占内存大小和old的capacity，整个JavaHeap（不包括perm）所有对象占内存总的大小和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)表示的是多线程处理young区和多线程扫描old+perm的卡表的总时间， parallel 表示多GC线程并行。
weak refs processing 处理old区的弱引用的总时间，用于回收native memory。
class unloading 回收SystemDictionary消耗的总时间。

3、一段正常的Young GC的日志
1
2

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这个表明是并行的回收方式，具体的分别是young区、整个heap区的情况；

4、一段通过system.gc产生的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]

解释如下：
Full GC (System)意味着这是个system.gc调用产生的MSC。
“943772K->220K(2596864K), 2.3424070 secs”表示：这次MSC前后old区内总对象大小，old的capacity及这次MSC耗时。
“1477000K->220K(4061184K)”表示：这次MSC前后JavaHeap内总对象大小，JavaHeap的capacity。
“3361K->3361K(98304K)], 2.3425410 secs”表示：这次MSC前后Perm区内总对象大小，Perm区的capacity。

5、一个特殊的GC日志，根据动态计算直接进行的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的时间特别短，jvm在minor gc前会首先确认old是不是足够大，如果不够大，这次young gc直接返回，进行MSC。

参考文章：
http://kenwublog.com/docs/java6-jvm-options-chinese-edition.htm JVM参数大全
http://tmalltesting.com/archives/663 悲观策略
http://hellojava.info/?p=142 CMS GC不建议3G的原因
毕玄的《分布式java基础》
如何读懂GC日志：
https://blogs.oracle.com/poonam/entry/understanding_cms_gc_logs

##一次CMS GC问题排查过程（理解原理+读懂GC日志）

2013

2013

2013

2013

2013

2013

2013

2013

2013

2013

2013

2013

2013

2013

2013

2013

你可能感兴趣的:(##一次CMS GC问题排查过程（理解原理+读懂GC日志）)