GC 调优成功案例：减少新生代的大小
内容提要
本文讨论了垃圾回收调优的成功案例，通过减小新生代的大小改善了垃圾回收暂停时间和应用程序的响应时间。研究小组发现减小新生代大小可以减少垃圾回收暂停时间，但并非总能减少GC暂停时间，需要具体情况调查和测试。
延伸解读
调优前先建立可量化的基线
文章强调GC调优应围绕三个KPI：暂停时间、吞吐量和CPU消耗。案例中团队先开启GC日志并运行24小时，用GCeasy分析出基线：吞吐量96.176%、平均暂停12.429秒。没有这个基线，后续将新生代从20GB降到1GB的改动就缺乏对比依据。对读者而言，这意味着调优不是凭感觉改参数，而是先采集足够时长的日志，明确当前瓶颈在暂停还是吞吐，再决定动手方向。
新生代过大为何反而拉长暂停
案例中40GB堆把20GB分给新生代，导致每次回收都要扫描大量对象，单次暂停被拉长。将新生代缩到1GB后，虽然“分配失败”触发次数从259次增至3976次，但每次需要扫描和释放的对象变少，累计暂停从55分16秒降到8分56秒。这说明评估GC不能只看事件次数，更要看单次暂停与累计暂停的权衡；事件变多不一定更差，关键看总停顿是否下降。
效果显著但不可直接照搬
调整后吞吐量从96.176%升至99.36%，平均暂停从12.429秒降至139毫秒，改善确实惊人。但文章明确提醒：减少新生代大小并不总能减少GC暂停，结果取决于流量特征、对象寿命分布以及GC算法配置。案例使用的是Parallel GC和特定堆划分，换一个应用或负载，同样改动可能无效甚至变差。因此读者应把案例当作验证思路，而非通用配方，改动前需自行调查和测试。
Q&A
GC调优时应该关注哪些关键性能指标？
GC调优主要关注三个关键绩效指标：GC暂停时间（应用程序因垃圾回收而停顿的时间）、GC吞吐量（应用程序处理客户事务的时间与总时间的百分比）和CPU消耗量。
如何获取GC性能指标并进行调优分析？
可以通过启用垃圾回收日志来获取GC性能指标。建议始终开启GC日志，因为它能提供丰富信息，有助于预测中断、排除生产问题并进行容量规划，且不会给应用程序增加明显开销。然后使用GCeasy、IBM GC & Memory visualizer或Google Garbage cat等免费工具分析日志，查看KPI。
这个GC调优案例中，应用程序的初始GC表现如何？
初始基线显示，应用程序使用Parallel GC算法，堆大小40GB（新生代20GB，老年代20GB）。GC吞吐量为96.176%，平均暂停时间为12.429秒。大量GC事件由“分配失败”触发，累计暂停时间达55分16秒（24小时内）。
为什么减小新生代大小能减少GC暂停时间？
因为新生代越大，需要扫描和释放的对象数量就越多，导致暂停时间更长。减小新生代大小后，需要扫描和释放的对象数量减少，从而缩短了GC暂停时间。
将新生代大小从20GB减少到1GB后，GC性能有哪些具体改善？
GC吞吐量从96.176%提高到99.36%，平均GC暂停时间从12.429秒缩短至139毫秒。虽然“分配失败”GC事件次数从259次增加到3976次，但累计暂停时间从55分16秒减少到8分56秒。
减小新生代大小是否总能减少GC暂停时间？
不一定。减少新生代大小并不总是能减少GC暂停时间，这取决于流量、应用程序创建的对象类型（短寿命或长寿命）以及GC算法配置。因此，在更改新生代大小之前，应进行适当的调查和测试，不要盲目照搬本文案例。
