摘要：预估的方式也很简单，八种基本类型直接带入字节大小，对象类型以基本类型为基础预估大小。基本上台核的机器就能满足这次活动。五总结预估之后，并非意味着就完全没问题了，还需要在上线时备好更多机器，防止意外发生。
如何给JVM虚拟机巧妙地设计参数对大部分开发来说一直是个随缘的事情，可能是去网上拷贝一套参数，可能是沿用公司其他应用的参数。但是这个随缘的操作可能就会给未来留下隐患。给JVM分配的内存过大倒是没什么问题，无非浪费点资源，但是如果分配的内存过小，就有可能导致频繁的Full GC，给人一种系统一直很卡的感觉。这篇文章就通过一个实例分析一下如何结合场景设置JVM虚拟机参数。
当然，本文更重要的是希望能通过预估参数的这个过程，让你更加了解虚拟机内部的一些东西，要想最准确的参数设置，用一些工具记录下JVM各个区域的变化会更有效。
系统基于JDK1.8，堆结构如下。
为了方便理解业务，本文以电商的交易系统为例进行讲解。在微服务架构下，目前主流的互联网公司都会把自己的业务拆分成多个服务架构，比如电商系统会分为交易微服务、购物车微服务、商品微服务等等，可能这个粒度会更细。一个底层架构会将这些微服务集成起来。实际上就是一个大的容器里放了一个个jar包。
一个交易微服务中会涉及到订单对象、优惠券对象、用户对象、交易记录对象等一系列对象，我们可以简单预估在一次交易中这些对象会占用的空间。预估的方式也很简单，八种基本类型直接带入字节大小，对象类型以基本类型为基础预估大小。只需要一个大致的值就行。
比如每次交易中一个订单对象大约是1kb，优惠券对象2kb，用户对象4kb，交易记录对象4kb，除此之外还可能会存在的List集合、数组等等。大约一次交易中产生的对象大约在25kb左右。
一个每日交易量在100万的系统，交易量主要集中在6个小时中，平均每秒最大会有40笔订单的产生。也就意味着每秒产生对象大小是1M。这些产生的对象在一次交易结束后都会被当成垃圾，也就意味着每秒会产生1M的垃圾。
假设我们只有一台2核4G的服务器，分配给堆的内存一般就1.5G左右，通过计算，可以算出堆中每个区域的大小，如下图：
通过计算可以得出，每400秒，400M的Eden区就满了，会进行一次young GC。98%的垃圾会被回收，意味着将会有8M左右的垃圾进入在survivor转移。一些对象在经过几次young GC之后会进入到老年代中，这种情况Full GC的频率会很低。虽然400秒一次youngGC略微还是快了些，但是对于系统而言基本上没有影响。
现在公司打算开展一次一小时的补贴活动，在活动的这一个小时时间内，订单数量可能会是之前的20倍，也就意味着每秒会有800笔订单的产生，每秒会产生20M的垃圾，这下会发生什么呢？
Eden区20秒就被占满，20秒执行一次youngGC，此时由于订单过于多，可能部分接口响应会达到几秒甚至几十秒，这些对象在经过几次youngGC之后就会逐步就会进入到老年代中。一般在线上一个小时内出现2次以上FullGC就得告警了。
这种情况下就意味着我们对机器资源以及JVM虚拟机内存需要重新考虑了。
首先考虑提升JVM虚拟机内存，由于硬件限制，JVM虚拟机内存的提高首先要提高机器的性能，我们从双核4G升级成4核8G。分配给堆4.5G的内存。这个时候Eden区就会有1200M的内存，同样条件下，1分钟才会执行一次youngGC。20秒提高到1分钟能保证响应慢的接口对象也能在youngGC中被消灭，而不会进入到老年代中。
同时我们可以把一台机器升级为3台机器，负载均衡后每台机器的订单压力是原来的1/3，youngGC时间提升为原来的3倍，同时接口响应时间加快。基本上3台4核8G的机器就能满足这次活动。
预估之后，并非意味着就完全没问题了，还需要在上线时备好更多机器，防止意外发生。实践能给你带来最好的答案。
文章版权归作者所有，未经允许请勿转载,若此文章存在违规行为，您可以联系管理员删除。
转载请注明本文地址：https://www.ucloud.cn/yun/121403.html
摘要：直到有一天你会碰到线上奇奇怪怪的问题，如线程执行一个任务迟迟没有返回，应用假死。正好这次借助之前的一次生产问题来聊聊如何排查和解决问题。本地模拟上文介绍的是线程相关问题，现在来分析下内存的问题。尽可能的减少多线程竞争锁。 showImg(https://segmentfault.com/img/remote/1460000015568421?w=2048&h=1150); 前言 之前或...
摘要：可以说，美团要建设的就是配送系统的超级大脑。美团超脑配送系统目前互联网技术，很大部分还是针对线上产品和系统研发，整个流程可以在线上全部完成，而这也正是配送技术最大的不同和挑战。 在2018 AI开发者大会（AI NEXTCon）上，美团配送AI方向负责人何仁清，分享了美团在即时配送领域中机器学习技术的最新进展，以及如何通过大数据和机器学习手段，建立对线下真实世界各种场景的感知能力，还原...
阅读 1335·2021-10-09 09:44
阅读 1351·2021-09-28 09:36
阅读 15773·2021-09-22 15:55
阅读 1204·2021-09-22 15:45
阅读 2178·2021-09-02 09:48
阅读 2705·2019-08-29 17:19
阅读 2280·2019-08-29 10:54
阅读 855·2019-08-23 18:40
