今天我们进行JVM 性能优化：
JVM 调优是一个系统而又复杂的过程，但我们知道，在大多数情况下，我们基本不用去调整 JVM 内存分配，因为一些初始化的参数已经可以保证应用 服务正常稳定地工作了。在应用服务的特定场景下， JVM 内存分配不合理带来的性能表现并不会像内存溢出问题这么突出。一般你没有深入到各项性能指标中去，是很难发现其 中隐藏的性能损耗。
1、压测工具 AB
Ab(ApacheBench) 测试工具是 Apache 提供的一款测试工具，具有简单易上手的特点，在测试 Web 服务时非常实用。
ab一般都是在 Linux 上用。 安装非常简单，只需要在 Linux 系统中输入 yum-y install httpd-tools 命令，就可以了。
安装成功后，输入 ab 命令，可以看到以下信息：
ab工具用来测试 post get 接口请求非常便捷，可以通过参数指定请求数、并发数、请求参数等
测试get 请求接口 ab -c 10 -n 100 http://www.test.api.com/test/login?userName=test&password=test
测试post 请求接口
ab-n 100 -c 10 -p 'post.txt' -T 'application/x-www-form-urlencoded' 'http://test.api.com/test/register'
post.txt 为存放 post 参数的文档，存储格式如
usernanme=test&password=test&sex=1
参数的含义：
-n：总请求次数（最小默认为 1 ）；
-c：并发次数（最小默认为 1 且不能大于总请求次数，例如： 10 个请求， 10 个并发，实际就是 1 人请求 1 次）；
-p： post 参数文档路径（ -p 和 -T 参数要配合使用）；
-T： header 头内容类型（此处切记是大写英文字母 T ）；
输出中，性能指标参考
Requests per second ：吞吐率，指某个并发用户数下单位时间内处理的请求数；
Time per request ：上面的是用户平均请求等待时间，指处理完成所有请求数所花费的时间 / （总请求数 / 并发用户数）；
Time per request ：下面的是服务器平均请求处理时间，指处理完成所有请求数所花费的时间 / 总请求数；
Percentage of the requests served within a certain time ：每秒请求时间分布情况，指在整个请求中，每个请求的时间长度的分布情况，例如有 50% 的请求
响应在 8ms 内， 66% 的请求响应在 10ms 内，说明有 16% 的请求在 8ms~10ms 之间。
2、JVM 堆内存分配
JVM 内存分配的调优案例
一个高并发系统中的抢购接口，高峰时 5W 的并发请求，且每次请求会产生 20KB 对象（包括订单、用户、优惠券等对象数据）。
我们可以通过一个并发创建一个 1MB 对象的接口来模拟万级并发请求产生大量对象的场景，具体代码如下：
3、AB 压测
对应用服务进行压力测试，模拟不同并发用户数下的服务的响应情况：
1、 10个并发用户/10万请求量(总)；
2、 100个并发用户/10万请求量(总)；
3、 1000个并发用户/10万请求量(总)；
ab-c 10 -n 100000 http://127.0.0.1:8080/jvm/heap
ab-c 100 -n 100000 http://127.0.0.1:8080/jvm/heap
ab-c 1000 -n 100000 http://127.0.0.1:8080/jvm/heap
4、服务器信息
我本机起一台 Linux 虚拟机，分配的内存为 2G ，处理器数量为 2 个。具体信息如下图：
5、GC 监控
还有一句话，无监控不调优，所以我们需要监控起来。 JVM 中我们使用 jstat 命令监控一下 JVM 的 GC 情况。
统计GC 的情况。
jstat-gc 8404 5000 20 | awk '{print $13,$14,$15,$16,$17}
6、堆空间监控
在默认不配置 JVM 堆内存大小的情况下， JVM 根据默认值来配置当前内存大小。
我们可以通过以下命令来查看堆内存配置的默认值：
java -XX:+PrintFlagsFinal -version | grep HeapSize
7、调整方案二
java -jar -Xms1500m -Xmx1500m -Xmn1000m -XX:SurvivorRatio=8 jvm-1.0-SNAPSHOT.jar
使用AB 进行压力测试：
ab-c 10 -n 100000 http://127.0.0.1:8080/jvm/heap
内存优化总结：
一般情况下，高并发业务场景中，需要一个比较大的堆空间，而默认参数情况下，堆空间不会很大。所以我们有必要进行调整。
但是不要单纯的调整堆的总大小，要调整新生代和老年代的比例，以及 Eden 区还有 From 区，还有 To 区的比例。
所以在我们上述的测试中，调整方案二，得到结果是最好的。在三种测试情况下都能够有非常好的性能指标，同时 GC 耗时相对控制也较好。
对于调整方案一，就是单纯的加大堆空间，里面的比例不适合高并发场景，反而导致堆空间变大，没有明显减少 GC 的次数，但是每次 GC 需要检索对象
的堆空间更大，所以 GC 耗时更长。
方案二：调整为一个很大的新生代和一个较小的老年代 . 原因是 , 这样可以尽可能回收掉大部分短期对象 , 减少中期的对象 , 而老年代尽存放长期存活对象。
由于新生代空间较小， Eden 区很快被填满，就会导致频繁 Minor GC ，因此我们可以通过增大新生代空间来降低 Minor GC 的频率。
单次Minor GC 时间是由两部分组成： T1 （扫描新生代）和 T2 （复制存活对象）。
默认情况： 一个对象在 Eden 区的存活时间为 500ms ， Minor GC 的时间间隔是 300ms ，因为这个对象存活时间 > 间隔时间，那么正常情况下， Minor
GC的时间为 ： T1+T2 。
方案一： 整堆空间加大，但是新生代没有增大多少，对象在 Eden 区的存活时间为 500ms ， Minor GC 的时间可能会扩大到 400ms ，因为这个对象存
活时间> 间隔时间，那么正常情况下， Minor GC 的时间为 ： T1*1.5 （ Eden 区加大了） +T2
方案二： 当我们增大新生代空间， Minor GC 的时间间隔可能会扩大到 600ms ，此时一个存活 500ms 的对象就会在 Eden 区中被回收掉，此时就不
存在复制存活对象了，所以再发生 Minor GC 的时间为：即 T1*2 （空间大了） +T2*0
可见，扩容后， Minor GC 时增加了 T1 ，但省去了 T2 的时间。
在JVM 中，复制对象的成本要远高于扫描成本。如果在堆内存中存在较多的长期存活的对象，此时增加年轻代空间，反而会增加 Minor GC 的时间。如
果堆中的短期对象很多，那么扩容新生代，单次 Minor GC 时间不会显著增加。因此，单次 Minor GC 时间更多取决于 GC 后存活对象的数量，而非 Eden
区的大小。
这个就解释了之前的内存调整方案中，方案一为什么性能还差些，但是到了方案二话，性能就有明显的上升。
8、推荐策略
（1）新生代大小选择
响应时间优先的应用 : 尽可能设大 , 直到接近系统的最低响应时间限制 ( 根据实际情况选择 ). 在此种情况下 , 新生代收集发生的频率也是最小 的。 同时 , 减少到达老年代的对象 .。 吞吐量优先的应用: 尽可能的设置大 , 可能到达 Gbit 的程度 . 因为对响应时间没有要求 , 垃圾收集可以并行进行 , 一般适合 8CPU 以上的应用。 避免设置过小. 当新生代设置过小时会导致 :1.MinorGC 次数更加频繁 2. 可能导致 MinorGC 对象直接进入老年代 , 如果此时老年代满了 , 会触 发 FullGC.
（2）老年代大小选择
响应时间优先的应用 : 老年代使用并发收集器 , 所以其大小需要小心设置 , 一般要考虑并发会话率和会话持续时间等一些参数 . 如果堆设置小了 , 可 以会造成内存碎 片, 高回收频率以及应用暂停而使用传统的标记清除方式 ; 如果堆大了, 则需要较长的收集时间 . 最优化的方案 , 一般需要参考以下数据获得 : 并发垃圾收集信息、持久代并发收集次数、传统 GC 信息、花在新生代和老年代回收上的时间比例。 吞吐量优先的应用: 一般吞吐量优先的应用都有一个很大的新生代和一个较小的老年代 . 原因是 , 这样可以尽可能回收掉大部分短期对象 , 减少中期的对象 , 而 老年代尽存放长期存活对象。
到此，JVM 性能调优之内存优化分析结束！