今天咱们分析JVM 亿级流量预调优，首先设定业务场景：
1、业务场景设定
调优是要分场景的，所以一定要明显你调优项目的场景设定，像现在大家都是微服务架构了，服务拆分出来以后更加适合做场景设定。 比如这个服务就注重吞吐量，这个服务注重用户的体验（用户的响应时间）等等。
2、无监控不优化
这里的监控指的是压力测试，能够看到结果，有数据体现的，不要用感觉去优化，所有的东西一定要有量化的指标，比如吞吐量，响应时间，服务器资 源，网络资源等等。总之一句话，无监控不优化。
处理步骤
3、计算内存需求
计算内存需求，内存不是越大越好，对于一般系统来说，内存的需求是弹性的，内存小，回收速度快也能承受。所以内存大小没有固定的规范。 虚拟机栈的大小在高并发情况下可以变小。 元空间（方法区）保险起见还是设定一个最大的值（默认情况下元空间是没有大小限制的），一般限定几百 M 就够用了，为什么说还限定元空间。
举例子：一台 8G 的内存的服务器，如果运行时还有其他的程序加上虚拟机栈加上元空间，占用超过 6 个 G 的话，那么我们设定堆是弹性的（ max=4G ）， 那么其实堆空间拓展也超不过 2G ，所以这个时候限制元空间还是有必要的。
4、选定 CPU
对于系统来说， CPU 的性能是越高越好，这个按照你的预算来定（ CPU 的成本很高）。 尤其是现在服务器做了虚拟机化之后，虚拟机的性能指标不能单看虚拟化后的参数指标，更应该看实际物理机的情况（我有 一次服务器性能排查血泪史）。
5、选择合适的垃圾回收器
对于吞吐量优先的场景，就只有一种选择，就是使用 PS 组合（ Parallel Scavenge+Parallel Old ）； 对于响应时间优先的场景，在 JDK1.8 的话优先 G1 ，其次是 CMS 垃圾回收器。
6、 设定新生代大小、分代年龄；
上篇中我们用实战给大家解释到了： 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。
7、设定日志参数
-XX:+PrintGC 输出 GC 日志
-XX:+PrintGCDetails 输出 GC 的详细日志
-XX:+PrintGCTimeStamps 输出 GC 的时间戳（以基准时间的形式）
-XX:+PrintGCDateStamps 输出 GC 的时间戳（以日期的形式，如 2013-05-04T21:53:59.234+0800 ）
-XX:+PrintHeapAtGC 在进行 GC 的前后打印出堆的信息
-Xloggc:../logs/gc.log 日志文件的输出路径
注意：一般记录日志的是，如果只有一个日志文件肯定不行，有时候一个高并发项目一天产生的日志文件就上 T ，其实记录日志这个事情，应该是运维干 的事情。日志文件帮助我们分析问题。
8、优化 JVM 运行环境（慢、卡顿等）
一般造成 JVM 卡或者慢的原因无非两个部分，一个是 CPU 占用过高，一个是内存占用过高。所以这个时候需要我们进行问题的排查，进行具体的故障分析。
亿级流量电商系统 JVM 调优
9、亿级流量系统
亿级流量系统，其实就是每天点击量在亿级的系统，根据淘宝的一个官方的数据分析。 每个用户一次浏览点击 20~40 次之间，推测出每日活跃用户（日活用户）在 500 万左右。 同时结合淘宝的一个点击数据，可以发现，能够付费的也就是橙色的部分（cart ）的用户，比例只有 10% 左右。 90%的用户仅仅是浏览，那么我们可以通过图片缓存、 Redis 缓存等技术，我们可以把 90% 的用户解决掉。 10%的付费用户，大概算出来是每日成交 50 万单左右
10、GC 预估
如果是普通业务，一般处理时间比较平缓，大概在 3,4 个小时处理，算出来每秒只有几十单，这个一般的应用可以处理过来（不需要 JVM 预估调优） 另外电商系统中有大促场景（秒杀、限时抢购等），一般这种业务是几种在几分钟。我们算出来大约每秒 2000 单左右的数据， 承受大促场景的使用 4 台服务器（使用负载均衡）。每台订单服务器也就是大概 500 单 / 秒。
我们测试发现，每个订单处理过程中会占据 0.2MB 大小的空间（什么订单信息、优惠券、支付信息等等），那么一台服务器每秒产生 100M 的内存空间， 这些对象基本上都是朝生夕死，也就是 1 秒后都会变成垃圾对象。
加入我们设置堆的空间最大值为 3 个 G ，我们按照默认情况下的设置，新生代 1/3 的堆空间，老年代 2/3 的堆空间。 Eden:S0:S1=8:1:1 我们推测出，old 区 =2G,Eden 区 =800M,S0=S1=100M。
根据对象的分配原则（对象优先在 Eden 区进行分配），由此可得， 8 秒左右 Eden 区空间满了。 每 8 秒触发一个 MinorGC （新生代垃圾回收），这次 MinorGC 时， JVM 要 STW ，但是这个时候有 100M 的对象是不能回收的（线程暂停，对象需要 1 秒 后都会变成垃圾对象），那么就会有 100M 的对象在本次不能被回收（只有下次才能被回收掉）。
所以经过本次垃圾回收后。本次存活的 100M 对象会进入 S0 区，但是由于另外一个 JVM 对象分配原则（如果在 Survivor 空间中相同年龄所有对象大小的 总和大于 Survivor 空间的一半，年龄大于或等于该年龄的对象就可以直接进入老年代，无须等到 MaxTenuringThreshold 中要求的年龄） 所以这样的对象本质上不会进去 Survivor 区，而是进入老年代
所以我们推算，大概每个 8 秒会有 100M 的对象进入老年代。大概 20*8=160 秒，也就是 2 分 40 秒左右 old 区就会满掉，就会触发一次 FullGC, 一般来说， 这次 FullGC 是可以避免的，同时由于 FullGC 不单单回收老年代 + 新生代，还要回收元空间，这些 FullGC 的时间可能会比较长（老年代回收的朝生夕死的对 象，使用标记清除/ 标记整理算法决定了效率并不高 , 同时元空间也要回收一次，进一步加大 GC 时间）。 所以问题的根本就是做到如何避免没有必要的 FullGC。
11、GC 预估调优
我们在项目中加入 VM 参数：
-Xms3072M //初始化
-Xmx3072M //最大
-Xmn2048M //年轻代大小
-XX:SurvivorRatio=7
-Xss256K //线程堆栈大小 默认1 M
-XX:MetaspaceSize= 128M //元空间
-XX:MaxMetaspaceSize= 128M
-XX:MaxTenuringThreshold=2
-XX:ParallelGCThreads=8
-XX:+UseConcMarkSweepGC
1、 首先看一下堆空间：old区=1G，Eden区=1.4G,S0=S1=300M；
2、 那么第一点，Eden区大概需要14秒才能填满，填满之后，100M的存活对象会进入S0区（由于这个区域变大，不会触发动态年龄判断）；
3、 再过14秒，Eden区，填满之后，还是剩余100M的对象要进入S1区但是由于原来的100M已经是垃圾了（过了14秒了），所以，S1也只会；
有Eden 区过来的 100M 对象， S0 的 100M 已经别回收，也不会触发动态年龄判断。
4、 反反复复，这样就没有对象会进入old区，就不会触发FullGC,同时我们的MinorGC的频次也由之前的8秒变为14秒，虽然空间加大，但是换来；
的还是 GC 的总时间会减少。
5、 -Xss256K-XX:MetaspaceSize=128M-XX:MaxMetaspaceSize=128M栈一般情况下很少用到1M所以为了线程占用内存更少，我们可以减少到256K；
元空间一般启动后就不会有太多的变化，我们可以设定为 128M ，节约内存空间。
6、 -XX:MaxTenuringThreshold=2这个是分代年龄（年龄为2就可以进入老年代），因为我们基本上都使用的是Spring架构，Spring中很多的bean是长期要存活的，没有必要在Survivor区过渡太久，所以可以设定为2，让大部分的Spring的内部的一些对象进入老年代；
7、 -XX:ParallelGCThreads=8线程数可以根据你的服务器资源情况来设定（要速度快的话可以设置大点，根据CPU的情况来定，一般设置成CPU的整数倍）；
8、 -XX:+UseConcMarkSweepGC因为这个业务响应时间优先的，所以还是可以使用CMS垃圾回收器或者G1垃圾回收器；
预调优今天到此结束：明天分析调优实战，解决线上卡顿、慢等问题，敬请期待！