本文已被Github仓库收录 https://github.com/silently9527/JavaCore
在前面整理了一篇关于JVM故障诊断和处理工具,考虑到大部分的Java程序员都使用的是IntelliJ Idea,本篇就使用工具来实战演练对IntelliJ Idea运行速度调优
原始配置内容
要查询idea原始配置文件的路径可以在VisualVM中的概述中查看
原始配置内容:
-XX:ReservedCodeCacheSize=240m -XX:+UseCompressedOops -Dfile.encoding=UTF-8 -XX:SoftRefLRUPolicyMSPerMB=50 -ea -Dsun.io.useCanonCaches=false -Djava.net.preferIPv4Stack=true -Djdk.http.auth.tunneling.disabledSchemes="" -XX:+HeapDumpOnOutOfMemoryError -XX:-OmitStackTraceInFastThrow -XX:ErrorFile=$USER_HOME/java_error_in_idea_%p.log -XX:HeapDumpPath=$USER_HOME/java_error_in_idea.hprof -Xmx512m
需要直观的看到优化前和优化后启动时间的变化,所以需要简单做一个Idea的插件开发,关于Idea插件开发的流程建议参考我以前的文章《IDEA插件:多线程文件下载插件开发》
JVM的启动时间到所有组件初始化完成后的时间就看做是IDEA的启动时间,代码如下
public class MyApplicationInitializedListener implements ApplicationInitializedListener { @Override public void componentsInitialized() { RuntimeMXBean bean = ManagementFactory.getRuntimeMXBean(); long startTime = bean.getStartTime(); long costTime = System.currentTimeMillis() - startTime; Messages.showMessageDialog("毫秒:" + costTime, "启动耗时", Messages.getInformationIcon()); } }
plugin.xml中添加如下代码:
<extensions defaultExtensionNs="com.intellij"> <applicationInitializedListener id="MyApplicationInitializedListener" implementation="cn.silently9527.MyApplicationInitializedListener"/> </extensions>
优化前的启动信息与时间消耗
根据VisualGC和IDEA启动插件收集到的信息:
按照这个数据来看也算是正常,15s 其实也在接受范围内,由于本文主要演示性能调优,所以需要测试能否在快一些
调整内存来控制垃圾回收频率
图上我们可以看出,启动参数指定的512m的内存被分配到新生代的只有169m,由于IDEA是我们开发常用的工具,平时的编译过程也需要足够的内存,所以我们需要先把总的内存扩大,这里我设置最大的内存 -Xmx1024m ,为了让JVM在GC期间不需要再浪费时间再动态计算扩容大小,同时也设置了 -Xms1024m ;
在启动的过程中Eden共发生了17次GC,为了减少新生代gc次数,我把新生代的内存大小设置成 -Xmn256m ;
重新启动之后查看VisualGC,新生代gc次数从 17次 降低到了 7次,耗时从 324ms 降低到了 152ms。
在调整内存前发生了5次Full GC,调整内存后的依然还是有4次Full GC,但是从两张图我们可以看出,老年代的空间还有很多剩余,是不应该发生Full GC的;考虑是否是代码中有地方手动调用 System.gc() 出发了Full GC,所以添加了参数 -XX:+DisableExplicitGC ,再次重新启动IDEA,结果很失望,依然还有4次Full GC;
再次仔细观察优化前的图,注意看 Last Cause: Metadata GC Threshold , 最后一次gc是应该Metaspace区域内存不够发生的GC,为了验证我们的猜想,打印出GC日志来看看。在 idea.vmoptions 中添加打印日志相关的参数:
-XX:+PrintGCDetails -XX:+PrintGCDateStamps -Xloggc:../gc.log
JVM的GC日志的主要参数包括如下几个:
重新启动idea,查看gc.log
其中 PSYoungGen: 表示新生代使用的ParallelScavenge垃圾收集器, 31416K->0K(181248K) 表示 gc前已使用的内存大小 -> gc后已使用内存大小(该区域的总内存大小)
从日志中我们看出每次Full GC都是因为 Metadata GC Threshold ,而Metaspace每次gc回收的内存几乎没有,仅仅是扩大了该区域的容量;找到了原因那就好办了,添加如下的参数调整Metaspace的大小:
-XX:MetaspaceSize=256m
再次重启Idea之后,发现Full GC没有了,心情很爽
测试打开大项目点击编译代码,发现自己的idea卡死了,查看VisualGC之后发现堆内存都还有空闲,只有Metaspace被全部占满了,所以是自己给的最大空间设置太小,所以直接去掉了 -XX:MaxMetaspaceSize=256m
从刚才的gc日志中,我们可以发现默认使用的是ParallelScavenge + Parallel Old垃圾收集器,这个组合注重的是吞吐量,这里我们尝试换一个注重低延时的垃圾收集器试一试
ParNew + CMS
在 idea.vmoptions 中添加如下配置:
-XX:+UseConcMarkSweepGC -XX:+UseParNewGC
重启IDEA之后查看VisualGC
很尴尬,同样发生了6次gc, ParallelScavenge + Parallel Old 的组合耗时197ms,而 ParNew + CMS 的组合耗时379ms;虽然是这个结果,但是我们需要考虑当前只发生了MinorGC,如果发生FullGC了结果又会如何了,大家可以自己测试一下
G1
我们在换一个最新的G1垃圾回收器试试,在 idea.vmoptions 中添加如下配置:
-XX:+UseG1GC
这个结果好像也还是要慢一点点,自己多次测试过这两个垃圾回收器,虽然每次结果都不一样,相差不远,所以垃圾回收器可以自己选择,这里我们选择的是G1
根据之前的分析,idea启动加载类27526个,耗时 21s,这个我们有办法能优化一下吗?因为idea是常用的开发工具,经常很多人的使用,我们可以认为它的代码是安全的,是否符合当前虚拟机的要求,不会危害虚拟机的安全,所以我们使用参数 -Xverify:none 来禁用字节码的验证过程
重启IDEA
耗时下降到了11s,效果还是比较明显的
做完了所有优化之后,经过多次重启测试,平均的启动时间下降到了11s,为了安慰我本次操作没有白辛苦,搞一张11s以下的图
我已经从零开始手写了简易版springmvc,以及编写了详细的说明文档,希望能够帮助伙伴们深入理解springmvc核心原理.
源码获取地址:我把开源的项目代码都已经放到了Git仓库,Github仓库地址:https://github.com/silently9527 ,码云仓库地址:https://gitee.com/silently9527 ,
到此这篇关于JVM性能调优实战:让你的IntelliJ Idea纵享丝滑的文章就介绍到这了,更多相关JVM性能调优内容请搜索小牛知识库以前的文章或继续浏览下面的相关文章希望大家以后多多支持小牛知识库!
问题内容: 默认JVM参数对于运行大型应用程序不是最佳的。在实际应用中进行过调整的人员的任何见解都将有所帮助。我们正在32位Windows计算机上运行该应用程序,默认情况下使用该客户端JVM 。我们添加了-server并将NewRatio更改为1:3(更大的年轻一代)。 您是否尝试过其他有用的其他参数/调整? [更新]我正在谈论的应用程序的特定类型是很少关闭的服务器应用程序,至少需要-Xmx1
本文向大家介绍SQLite 性能优化实例分享,包括了SQLite 性能优化实例分享的使用技巧和注意事项,需要的朋友参考一下 最早接触 iOS 开发了解到的第一个缓存数据库就是 SQLite,后面一直也以 SQLite 作为中坚力量使用,以前没有接触到比较大量数据的读写,所以在性能优化方面关注不多,这次对一个特定场景的较多数据批量读写做了一个性能优化,使性能提高了十倍。 大致应用场景是这样: 每次程
对于某些工作负载,可以在通过在内存中缓存数据或者打开一些实验选项来提高性能。 在内存中缓存数据 Spark SQL可以通过调用sqlContext.cacheTable("tableName")方法来缓存使用柱状格式的表。然后,Spark将会仅仅浏览需要的列并且自动地压缩数据以减少内存的使用以及垃圾回收的 压力。你可以通过调用sqlContext.uncacheTable("tableName")
集群中的Spark Streaming应用程序获得最好的性能需要一些调整。这章将介绍几个参数和配置,提高Spark Streaming应用程序的性能。你需要考虑两件事情: 高效地利用集群资源减少批数据的处理时间 设置正确的批容量(size),使数据的处理速度能够赶上数据的接收速度 减少批数据的执行时间 设置正确的批容量 内存调优
常用命令 1. 查看系统 CPU 总数 $ grep -c ^processor /proc/cpuinfo $ lscpu 2. 查看网卡信息,主机名 $ hostname $ ip addr show eth0 3. 查看系统上运行的服务 # systemctl list-units -t service | awk '$3=="active"' ** ** ** **
硬件因素 内存(RAM)的读写速度时普通 SSD 的 25 倍。MongoDB 中依赖 RAM 最多的操作包括:聚合、索引遍历、写操作、查询引擎、连接 Table 1. 常见存储的IOPS 类型 IOPS 7200 rpm SATA 75 - 100 15000 rpm SAS 175 - 210 SSD Intel X25-E(SLC) 5000 SSD Intel X25-M G2(MLC)