1. 项目概述：从“能跑就行”到“丝滑稳定”的蜕变

干了这么多年Java开发，我见过太多项目从“能跑就行”到“线上频繁告警”的尴尬转变。很多时候，我们精心设计的业务逻辑、复杂的微服务架构，最终的性能瓶颈和稳定性问题，往往都卡在了JVM这一层。不是代码写得不好，而是我们对承载代码的这片“土地”——Java虚拟机，了解得太少。JVM调优，听起来像是高级架构师才需要掌握的屠龙之术，但实际上，它是每个追求系统稳定性和极致性能的Java开发者迟早要面对的必修课。今天，我就结合自己踩过的坑和填过的坑，来聊聊如何从参数配置、工具使用、到实际问题排查，系统地掌握JVM调优。

简单来说，JVM调优的核心目标就两个：一是让应用在给定的硬件资源下跑得更快、更稳；二是当应用出现内存溢出（OOM）、死锁、频繁Full GC导致服务卡顿等问题时，能快速定位并解决。这不仅仅是设置几个-Xmx参数那么简单，它涉及到对内存模型、垃圾回收器、线程机制等底层原理的理解，以及借助JDK自带的各种“手术刀”进行问题诊断的能力。无论你是正在被GC问题困扰的开发者，还是希望提前规避性能风险的架构师，这篇从实战出发的总结，都能给你提供一套清晰的思路和可落地的操作指南。

2. JVM调优核心参数全解析：不只是-Xmx和-Xms

很多人对JVM参数的认知停留在“设置堆内存大小”，这远远不够。JVM参数是一个庞大的体系，我们需要像了解汽车仪表盘一样，知道每个开关和仪表的作用。

2.1 堆内存相关参数：划定你的“主战场”

堆是JVM内存中最大、最重要的一块，所有对象实例和数组都在这里分配。相关参数是调优的起点。

• -Xms和-Xmx：这是最著名的“兄弟参数”。-Xms（Initial Heap Size）设置JVM启动时申请的初始堆内存，-Xmx（Max Heap Size）设置堆的最大可用内存。我通常建议将这两个值设置为相等，例如-Xms4g -Xmx4g。为什么？这可以避免堆内存动态扩容和收缩带来的性能损耗。想象一下，应用刚启动时堆很小，随着流量上来，JVM需要向操作系统申请更多内存，这个过程中可能伴随GC和内存移动；当流量低谷时，JVM为了“节省资源”又会释放部分内存还给OS，下次流量高峰时又要重新申请。这一来一回，全是开销。直接设为固定值，相当于一开始就划定了固定的“战场”，虽然可能看起来“浪费”了点内存（因为一开始用不了那么多），但换来了运行期的稳定。
• -Xmn：设置年轻代（Young Generation）的大小。整个堆 = 年轻代 + 老年代（Old Generation）。这个参数直接影响GC行为。Sun官方推荐设置为整个堆的3/8左右。例如堆为4G，-Xmn可以设为1.5G。调优心法：增大年轻代，会减少Minor GC的频率，但每次GC的时间可能变长；减小年轻代，Minor GC会更频繁，但每次停顿时间短。对于大量产生临时对象的Web应用，适当调大年轻代是有益的。
• -XX:NewRatio：另一种设置代际比例的方式，表示老年代与年轻代的比值。例如-XX:NewRatio=2，表示老年代:年轻代=2:1，即年轻代占堆的1/3。它与-Xmn冲突，设置了-Xmn则以-Xmn为准。
• -XX:SurvivorRatio：设置年轻代中Eden区与一个Survivor区的比例。默认为8，即-XX:SurvivorRatio=8表示 Eden:Survivor0:Survivor1 = 8:1:1。注意事项：有些对象会在两个Survivor区之间来回拷贝，达到一定年龄（默认为15）后才进入老年代。调整这个比例可以控制对象在年轻代“存活”的周期。

2.2 垃圾回收器相关参数：选择你的“清洁策略”

选择不同的垃圾回收器（GC），就像选择不同的城市清洁方案，有追求低停顿的，有追求高吞吐量的。

• 串行回收器：-XX:+UseSerialGC。单线程GC，适用于客户端小程序或资源极其受限的环境。生产环境基本不用。
• 并行回收器（吞吐量优先）：-XX:+UseParallelGC（年轻代并行）和-XX:+UseParallelOldGC（老年代并行）。这是JDK8的默认GC。目标是达到更高的吞吐量（应用程序运行时间 / (应用程序运行时间 + GC时间)）。相关精细调优参数：
  • -XX:ParallelGCThreads：设置并行GC的线程数，默认为CPU核心数。
  • -XX:MaxGCPauseMillis：设置期望的最大GC停顿时间（毫秒）。JVM会尽力实现，但不保证。
  • -XX:GCTimeRatio：设置GC时间占总时间的比率，公式为1 / (1 + GCTimeRatio)，默认99，即GC时间不超过1%。
• CMS回收器（低延迟优先）：-XX:+UseConcMarkSweepGC。它以获取最短回收停顿时间为目标，在GC时大部分工作能与应用线程并发执行。重要参数：
  • -XX:CMSInitiatingOccupancyFraction：设置老年代空间使用率达到多少百分比时触发CMS GC，默认68%。可以调高，比如75%，以降低CMS频率，但要预留足够空间给浮动垃圾。
  • -XX:+UseCMSInitiatingOccupancyOnly：强制使用上面设置的值作为触发阈值，而不是由JVM自行调整。
  • 踩坑记录：CMS已在新版JDK中标记为废弃（Deprecated），主要原因是其内存碎片化问题和相对复杂的调优。在JDK8中尚可使用，但新项目不建议作为首选。
• G1回收器（平衡之选）：-XX:+UseG1GC。这是JDK9及以后的默认GC，设计目标是替代CMS。它将堆划分为多个大小相等的Region，能预测停顿时间，并兼顾吞吐量和延迟。核心参数：
  • -XX:MaxGCPauseMillis：期望的最大停顿时间，默认200ms。G1会努力达成，这是其核心优势。
  • -XX:G1HeapRegionSize：设置Region大小，范围1MB到32MB，必须是2的幂。通常不用设，JVM会根据堆大小自动计算。
  • -XX:InitiatingHeapOccupancyPercent（IHOP）：触发并发标记周期的堆占用阈值，默认45%。
• ZGC / Shenandoah（前沿低延迟）：-XX:+UseZGC或-XX:+UseShenandoahGC。这是JDK11及以后引入的、追求亚毫秒级停顿的GC，适用于超大堆内存（TB级别）。它们通过染色指针、读屏障等黑科技实现。目前还在持续优化中，对JDK版本有要求。

选择建议：对于大多数Web应用，如果追求简单稳定，JDK8就用ParallelGC；如果对延迟敏感，且堆内存不大（比如8G以内），可以考虑CMS；如果是JDK11+，且堆内存较大（比如16G以上），强烈推荐G1；如果是金融交易等对停顿有极致要求的场景，可以探索ZGC。

2.3 其他关键参数：细节决定成败

• 元空间（Metaspace）：-XX:MetaspaceSize和-XX:MaxMetaspaceSize。JDK8以后，永久代（PermGen）被元空间取代。元空间使用本地内存，默认只受系统可用内存限制。必设参数：一定要设置-XX:MaxMetaspaceSize，例如-XX:MaxMetaspaceSize=256m，防止因类加载器泄露或动态生成类过多导致吃光所有本地内存。
• 直接内存（Direct Memory）：通过-XX:MaxDirectMemorySize设置，NIO会用到。如果不设置，默认与-Xmx相同。如果用了Netty等框架，需要注意此区域也可能导致OOM。
• 栈内存：-Xss设置每个线程的栈大小。默认1M（Linux）。线程越多，总栈内存占用越大。在高并发应用中，可以适当调小，比如-Xss256k，以支持更多线程，但要确保不会出现StackOverflowError。
• 打印GC日志：这是排查GC问题的生命线，必须开启！
  • -XX:+PrintGCDetails：打印详细GC日志。
  • -XX:+PrintGCDateStamps或-XX:+PrintGCTimeStamps：为每条GC日志加上时间戳。
  • -Xloggc:/path/to/gc.log：将GC日志输出到文件。
  • -XX:+UseGCLogFileRotation -XX:NumberOfGCLogFiles=5 -XX:GCLogFileSize=20M：启用GC日志滚动，避免单个文件过大。
• 内存溢出时转储堆快照：-XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=/path/to/dump.hprof。当发生OOM时，自动生成堆转储文件（Heap Dump），这是分析内存泄漏的“现场照片”。

3. JDK自带诊断工具实战：你的“瑞士军刀”

参数设好了，应用跑起来了，怎么知道它内部状态是否健康？JDK自带了一套强大的命令行工具，无需额外安装，是线上问题排查的首选。

3.1jps：快速定位Java进程

jps（Java Virtual Machine Process Status Tool）是最简单的工具，用于列出当前用户下的所有Java进程及其主类名和进程ID（PID）。

jps -l

输出示例：

12345 com.example.MainApplication 67890 org.apache.catalina.startup.Bootstrap

使用场景：在服务器上快速找到你要监控或调试的Java应用的PID，为后续命令提供输入。

3.2jstat：实时监控JVM统计信息

jstat（JVM Statistics Monitoring Tool）是监控JVM运行时状态的利器，可以查看类加载、编译、GC、堆内存各区域使用情况等。

• 监控GC情况：jstat -gc <pid> <interval> <count>

  jstat -gc 12345 1000 10

  这表示每1秒（1000毫秒）采样一次进程12345的GC情况，共采样10次。输出列包括各代容量（C）、使用量（U）、GC次数（GC）和耗时（GCT）。通过观察FGC（Full GC次数）和FGCT（Full GC总时间）的增长是否异常，可以快速判断GC是否健康。
• 监控类加载情况：jstat -class <pid>
• 监控编译情况：jstat -compiler <pid>

实操心得：jstat的输出是纯文本，可以配合grep、awk或写入文件后分析。对于长期监控，建议使用更专业的APM（应用性能管理）工具，但jstat在临时、快速的现场诊断中无可替代。

3.3jinfo：查看与动态修改JVM参数

jinfo（Configuration Info for Java）可以查看当前JVM的详细参数，甚至支持在运行时修改部分非-XX:+PrintFlagsFinal中标记为manageable的参数。

• 查看所有参数：jinfo -flags <pid>
• 查看某个具体参数：jinfo -flag <FlagName> <pid>，例如jinfo -flag MaxHeapSize 12345
• 动态修改参数（谨慎使用）：jinfo -flag [+|-]<FlagName> <pid>，例如开启打印GC详情：jinfo -flag +PrintGCDetails 12345

注意：不是所有参数都支持动态修改，修改前务必确认其影响范围，生产环境慎用。

3.4jmap：内存分析“照相机”

jmap（Memory Map for Java）用于生成堆转储快照（Heap Dump）或查看堆内存中的对象统计信息。

• 生成堆转储文件：jmap -dump:format=b,file=/path/to/heap.hprof <pid>这是分析内存泄漏最关键的步骤。文件通常较大，可以用-dump:live参数只dump存活对象，文件会小一些。
• 查看堆内存概要：jmap -heap <pid>可以看堆的配置和使用情况（但此命令在部分Linux发行版上可能因线程安全问题导致进程暂停，生产环境慎用）。
• 查看对象统计直方图：jmap -histo <pid>或jmap -histo:live <pid>。这个命令非常轻量，可以快速查看堆中哪种类的实例最多、占用了多少内存，是定位“嫌疑对象”的第一步。

排查流程：当发现内存使用率持续增长时，可以先jmap -histo:live <pid>看看是哪些类在“搞鬼”，如果还无法定位，再考虑生成完整的堆转储用MAT等工具进行深度分析。

3.5jstack：线程快照“分析仪”

jstack（Stack Trace for Java）用于生成JVM当前时刻的线程快照（Thread Dump）。它是分析CPU占用高、死锁、线程阻塞等问题的主要手段。

jstack <pid> > /path/to/thread_dump.log

生成一个包含所有线程状态和调用栈的文件。关键要会看线程的状态：

• RUNNABLE：正在运行或等待CPU时间片。
• BLOCKED：等待获取监视器锁（synchronized），进入了对象的entry set。
• WAITING：调用了Object.wait()、Thread.join()或LockSupport.park()，等待被唤醒。
• TIMED_WAITING：带超时的等待，如Thread.sleep(n)、Object.wait(timeout)。

死锁诊断：jstack命令的输出末尾，如果检测到死锁，会明确给出“Found one Java-level deadlock:”字样，并列出相互等待锁的线程和资源，这是诊断死锁最直接的证据。

高频技巧：一次线程快照可能看不出问题，因为线程状态是瞬时的。对于间歇性卡顿问题，可以每隔2秒打一次快照，连续打5-10次，然后对比分析，看哪些线程长期处于BLOCKED或WAITING状态。

3.6jcmd：多功能合一“集大成者”

jcmd（JVM Command）是JDK7引入的“瑞士军刀”，它集成了上面多个工具的功能，语法更统一。

• jcmd <pid> help：列出该进程支持的所有命令。
• jcmd <pid> VM.flags：相当于jinfo -flags。
• jcmd <pid> GC.heap_info：查看堆信息。
• jcmd <pid> GC.class_histogram：相当于jmap -histo。
• jcmd <pid> Thread.print：相当于jstack。
• jcmd <pid> GC.heap_dump /path/to/dump.hprof：相当于jmap -dump。

优势：一个工具，多种功能，且随着JDK版本更新，功能还在增强，是未来趋势。

4. 内存溢出（OOM）问题实战排查

理论懂了，工具会了，我们来真刀真枪地解决一个典型问题：内存溢出。OOM错误也分好几种，对症下药是关键。

4.1java.lang.OutOfMemoryError: Java heap space

这是最常见的OOM，意思是堆内存不够用了，无法再分配新对象。

排查步骤：

1. 确认现象：应用日志或系统监控中看到此错误，可能伴随服务响应变慢或不可用。
2. 检查参数：用jinfo或jcmd查看-Xmx设置是否合理。是否真的因为业务量增长导致内存不足？
3. 分析GC日志：如果开启了GC日志，重点看Full GC的频率和效果。如果Full GC后老年代回收的内存很少（例如每次只回收百分之几），但老年代使用率很快又涨上去，这极有可能是内存泄漏。
4. 生成堆转储：在OOM发生时（如果配置了-XX:+HeapDumpOnOutOfMemoryError会自动生成），或者问题复现时内存很高但还未OOM时，手动用jmap -dump生成堆转储文件。
5. 使用MAT/Eclipse Memory Analyzer分析：将.hprof文件导入MAT。
   • 第一步：看概览。打开Leak Suspects Report（泄漏嫌疑报告），MAT会给出可能发生泄漏的疑点。
   • 第二步：看直方图。在Histogram视图中，按Shallow Heap或Retained Heap排序，找到实例数量异常多或者占用总内存异常大的类。Retained Heap（支配树）更能反映一个对象及其引用的所有对象的总内存，是定位泄漏的关键。
   • 第三步：定位引用链。对可疑的类，右键选择“Merge Shortest Paths to GC Roots” -> “exclude all phantom/weak/soft etc. references”，只显示强引用链。这条从GC Roots到泄漏对象的引用链，就是导致它无法被回收的“罪魁祸首”。常见原因有：静态集合类（如HashMap,List）持续添加元素未清理、缓存未设置过期或大小限制、监听器未正确注销、数据库连接/文件流未关闭等。

案例复盘：我曾遇到一个后台任务，每天凌晨从数据库读取大量数据到内存中处理，处理完后本应释放，但被一个全局的ConcurrentHashMap缓存了起来，且没有淘汰策略。日积月累，这个Map越来越大，最终导致Heap Space OOM。解决方法就是为缓存引入LRU（最近最少使用）淘汰机制或设置一个合理的容量上限。

4.2java.lang.OutOfMemoryError: Metaspace

元空间内存不足，无法加载新的类。

排查步骤：

1. 检查参数：查看-XX:MaxMetaspaceSize是否设置过小。
2. 分析原因：元空间溢出通常与动态类生成有关。常见场景：
   • 大量使用CGLIB、ASM、Javassist等字节码增强技术（如Spring AOP对非接口的代理）。
   • 频繁部署重启应用，且旧的应用类加载器（ClassLoader）未被回收，导致其加载的类也无法卸载。
   • 动态语言（如Groovy）脚本引擎不断编译新脚本。
3. 使用工具：可以用jstat -class <pid>观察类加载数量（Loaded）、卸载数量（Unloaded）的变化。如果Loaded一直增长，Unloaded为0或很少，就是类加载器泄漏。
4. 生成转储：使用jmap -dump:live（或jcmd GC.heap_dump）生成堆转储，在MAT中分析ClassLoader相关的对象，查看是哪个ClassLoader加载了过多的类且未被回收。

解决方案：除了适当调大MaxMetaspaceSize，根本上是优化代码。比如检查CGLIB代理的使用范围，避免对大量类进行代理；确保自定义的ClassLoader在适当的时候能被GC（其本身也是一个Java对象）。

4.3java.lang.OutOfMemoryError: Direct buffer memory与Unable to create new native thread

• Direct buffer memory：直接内存（堆外内存）溢出。常见于使用了NIO的ByteBuffer.allocateDirect()或者Netty等框架。排查时需关注-XX:MaxDirectMemorySize参数，并用jmap或NMT（Native Memory Tracking，通过-XX:NativeMemoryTracking=detail开启，用jcmd <pid> VM.native_memory查看）来跟踪直接内存使用。
• Unable to create new native thread：无法创建新的本地线程。这通常不是堆内存问题，而是进程的线程数超过了系统限制（如Linux的ulimit -u）。可能原因：应用创建了大量线程且未管理（如线程池配置不合理），或存在线程泄漏（线程执行完任务后未被回收）。用jstack查看线程总数，用系统命令pstree -p <pid> | wc -l或top -H -p <pid>来确认。

5. 死锁问题实战排查与预防

死锁是另一个让人头疼的问题，它不一定会让程序崩溃，但会导致部分线程永远阻塞，系统吞吐量下降，响应时间变长。

5.1 死锁产生的必要条件与代码案例

死锁需要四个条件同时满足：

1. 互斥：资源一次只能被一个线程占用。
2. 占有且等待：线程已持有至少一个资源，又在等待其他资源。
3. 不可剥夺：线程已获得的资源在未使用完前不能被强行抢占。
4. 循环等待：存在一个线程-资源的环形等待链。

看一个经典的代码死锁案例：

public class SimpleDeadLock { private static final Object lockA = new Object(); private static final Object lockB = new Object(); public static void main(String[] args) { new Thread(() -> { synchronized (lockA) { System.out.println("Thread1 holds lockA"); try { Thread.sleep(100); } catch (InterruptedException e) {} synchronized (lockB) { // 尝试获取lockB System.out.println("Thread1 holds lockA and lockB"); } } }).start(); new Thread(() -> { synchronized (lockB) { System.out.println("Thread2 holds lockB"); try { Thread.sleep(100); } catch (InterruptedException e) {} synchronized (lockA) { // 尝试获取lockA System.out.println("Thread2 holds lockB and lockA"); } } }).start(); } }

运行后，两个线程分别持有lockA和lockB，并互相等待对方释放锁，程序将永远卡住。

5.2 使用jstack诊断死锁

对于运行中的程序，jstack是诊断死锁的首选工具。执行jstack <pid>，滚动到输出末尾，你会看到类似这样的明确信息：

Found one Java-level deadlock: ============================= "Thread-1": waiting to lock monitor 0x00007f88d40062a8 (object 0x000000076ab45d20, a java.lang.Object), which is held by "Thread-0" "Thread-0": waiting to lock monitor 0x00007f88d40063b8 (object 0x000000076ab45d30, a java.lang.Object), which is held by "Thread-1" Java stack information for the threads listed above: ...

jstack清晰地指出了“Thread-1”在等待被“Thread-0”持有的锁（0x000000076ab45d20），而“Thread-0”又在等待被“Thread-1”持有的锁（0x000000076ab45d30），形成了一个循环等待链。

5.3 死锁的预防与解决策略

1. 避免嵌套锁：尽量只获取一个锁。如果必须获取多个锁，确保在所有线程中都以相同的顺序获取。这是破坏“循环等待”条件最有效的方法。例如，规定所有线程必须先获取lockA，再获取lockB。
2. 使用带超时的锁：用java.util.concurrent.locks.Lock接口的tryLock(long time, TimeUnit unit)方法替代内置的synchronized。如果在指定时间内无法获取所有需要的锁，就释放已持有的锁并回退、重试或记录失败。

   Lock lockA = new ReentrantLock(); Lock lockB = new ReentrantLock(); if (lockA.tryLock(1, TimeUnit.SECONDS)) { try { if (lockB.tryLock(1, TimeUnit.SECONDS)) { try { // 成功获取两把锁，执行业务 } finally { lockB.unlock(); } } else { // 获取lockB超时 } } finally { lockA.unlock(); } } else { // 获取lockA超时 }

3. 静态代码分析：在代码审查或CI/CD流程中引入静态分析工具（如SonarQube、FindBugs/SpotBugs），它们可以检测出一些明显的潜在死锁模式。
4. 设计层面规避：重新审视业务设计，是否可以通过资源池化、任务队列、Actor模型等方式，减少对共享资源的竞争和复杂的锁依赖。

6. GC日志分析与性能优化实战

GC日志是洞察JVM内部运行状态的窗口，读懂它，你就能知道应用在“悄悄”地干什么。

6.1 解读Parallel GC日志

以-XX:+UseParallelGC -XX:+PrintGCDetails -XX:+PrintGCDateStamps为例，看一条Minor GC日志：

2024-05-20T10:00:00.123+0800: [GC (Allocation Failure) [PSYoungGen: 524288K->43567K(611840K)] 524288K->45678K(2010112K), 0.0234567 secs] [Times: user=0.05 sys=0.01, real=0.02 secs]

• 2024-05-20T10:00:00.123+0800：GC发生的时间。
• GC (Allocation Failure)：发生GC的原因，这里是“分配失败”，即年轻代Eden区满了，无法分配新对象。
• PSYoungGen：表示Parallel Scavenge年轻代收集器。
• 524288K->43567K(611840K)：年轻代GC前使用量->GC后使用量（年轻代总容量）。
• 524288K->45678K(2010112K)：整个堆GC前使用量->GC后使用量（堆总容量）。注意，这里年轻代回收了大部分垃圾，但仍有部分对象晋升到了老年代，所以整个堆的回收量小于年轻代。
• 0.0234567 secs：本次GC耗时。
• [Times: user=0.05 sys=0.01, real=0.02 secs]：CPU时间（用户态+内核态）和实际墙钟时间。多核下，user时间可能大于real时间。

Full GC日志会显示[Full GC ...，并包含PSYoungGen、ParOldGen（老年代）和Metaspace的信息，停顿时间通常远长于Minor GC。

6.2 解读G1 GC日志

G1的日志更复杂一些，因为它将堆分成多个Region。关键看Evacuation Pause（年轻代回收或混合回收）和Concurrent Cycle（并发标记周期）。

[Eden: 120.0M(120.0M)->0.0B(120.0M) Survivors: 16.0M->16.0M Heap: 320.0M(1024.0M)->205.3M(1024.0M)]

这行表示一次年轻代回收，Eden区从120M清空，Survivor区大小不变，整个堆使用量从320M降到了205.3M。

6.3 基于日志的调优思路

1. Young GC频繁：如果Young GC非常频繁（比如几秒一次），但每次回收的内存不多，说明对象过早晋升或Survivor区太小。可以尝试增大年轻代（-Xmn），或者调整-XX:MaxTenuringThreshold（晋升年龄阈值）让对象在年轻代多“活”几轮。
2. Full GC频繁：这是最需要警惕的信号。频繁Full GC会导致应用周期性卡顿。原因可能是：
   • 老年代空间不足：调大堆（-Xmx）或老年代比例。
   • 内存泄漏：这是最可能的原因，需要按4.1节的方法用MAT分析堆转储。
   • 大对象分配：如果有很多大对象（比如大数组），它们会直接进入老年代，触发Full GC。可以尝试调整-XX:G1HeapRegionSize（G1）或使用-XX:PretenureSizeThreshold（Parallel/CMS）设置大对象直接进入老年代的阈值。
   • GC参数不合理：例如CMS的-XX:CMSInitiatingOccupancyFraction设得太高，导致并发模式失败（Concurrent Mode Failure），进而触发Serial Old GC（一种全停顿的Full GC）。
3. GC停顿时间过长：如果单次GC停顿时间（特别是Full GC）远超预期（比如G1设置了-XX:MaxGCPauseMillis=200，但实际停顿超过1秒）。
   • 检查是否发生了“晋升失败”（Promotion Failure）或“并发模式失败”。
   • 对于G1，可以尝试减少-XX:InitiatingHeapOccupancyPercent，让并发标记周期更早开始，避免堆太满时进行垃圾回收。
   • 考虑升级GC算法，比如从Parallel GC切换到G1或ZGC。

一个真实的调优案例：一个数据批处理应用，使用Parallel GC，堆大小为8G。GC日志显示每分钟有2-3次Full GC，每次停顿约2秒。用jmap -histo发现大量char[]对象，结合代码分析，发现是在循环中不断创建巨大的JSON字符串进行日志记录。优化方案：1. 将日志级别调高，减少不必要的INFO日志；2. 对于必须记录的大对象，改用更节省内存的表示方式或流式处理。优化后，Full GC降为几小时一次。

7. 生产环境JVM调优检查清单与建议

最后，结合我的经验，给出一份生产环境JVM参数配置和监控的检查清单，你可以把它当作上线前的自查表。

基础参数配置清单：

• [ ]-Xms和-Xmx设置为相同值，根据机器内存和应用需求设定（如4C8G机器，可设-Xms4g -Xmx4g，为系统和其他进程留出内存）。
• [ ] 设置-XX:MaxMetaspaceSize=256m（或根据应用类加载情况调整），防止元空间无限膨胀。
• [ ] 开启GC日志并配置滚动：-XX:+PrintGCDetails -XX:+PrintGCDateStamps -Xloggc:/app/logs/gc-%t.log -XX:+UseGCLogFileRotation -XX:NumberOfGCLogFiles=5 -XX:GCLogFileSize=20M
• [ ] 设置OOM时自动转储堆：-XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=/app/logs/heapdump.hprof
• [ ] （可选但推荐）开启Native Memory Tracking用于排查堆外内存问题：-XX:NativeMemoryTracking=detail，可用jcmd <pid> VM.native_memory summary查看。

GC选择建议：

• JDK8，吞吐量优先：-XX:+UseParallelGC -XX:+UseParallelOldGC（默认）。
• JDK8，延迟敏感，堆<8G：-XX:+UseConcMarkSweepGC -XX:+UseParNewGC -XX:CMSInitiatingOccupancyFraction=75 -XX:+UseCMSInitiatingOccupancyOnly。
• JDK11+，通用推荐：-XX:+UseG1GC -XX:MaxGCPauseMillis=200。
• JDK11+，超大堆或极低延迟要求：评估并测试-XX:+UseZGC。

监控与排查常规操作：

1. 日常监控：通过JMX或Prometheus + Grafana监控堆内存使用率、各代使用率、GC次数与耗时、线程数等关键指标，设置告警。
2. 问题复现时：
   • CPU高：先用top -H -p <pid>找到占用CPU高的线程ID，将其转为16进制，再用jstack <pid> | grep -A 20 <nid>查看该线程的堆栈，定位代码。
   • 内存缓慢增长：定期（如每分钟）执行jmap -histo:live <pid> | head -20，观察排名靠前的对象数量和大小变化趋势。
   • 服务卡顿：立即连续执行多次jstack <pid>，分析线程状态，重点看BLOCKED和WAITING的线程。
3. 定期巡检：每天检查一次GC日志，关注Full GC频率和耗时。每周或每次发布后，用jstat -gcutil观察一段时间内的GC情况。

JVM调优不是一劳永逸的，它随着业务量、代码变更、数据量增长而动态变化。掌握这些原理、工具和排查思路，建立起从监控、预警到分析、解决的完整闭环，才能让你的Java应用真正地健步如飞。记住，调优的目标不是追求极致的参数，而是在有限的资源内，找到系统吞吐量、延迟和稳定性之间的最佳平衡点。