G1 GC调优实战：Full GC频率从每小时10次降到0次，我是怎么做到的？

一、开场白：Full GC频繁，系统卡成PPT？

还记得第一次遇到线上Full GC频繁，用户反馈系统卡顿，领导一句话："你G1 GC参数调了吗？"我一脸懵："G1 GC？不就是-XX:+UseG1GC吗？"结果一查，Region大小、停顿时间、并发线程数，全都有门道！

今天咱们就聊聊，G1 GC到底怎么调优？怎么把Full GC频率从每小时10次降到0次？一线后端工程师的实战经验分享！

二、G1 GC原理，先搞明白再调优

G1 GC特点：

分区收集：将堆内存分成多个Region，每个Region大小相等（1MB-32MB）。
可预测停顿时间：通过-XX:MaxGCPauseMillis设置目标停顿时间。
并发标记：与用户线程并发执行，减少停顿时间。
混合收集：同时收集新生代和老年代，避免Full GC。

G1 GC工作流程：

Young GC：收集Eden区和Survivor区，存活对象晋升到老年代。
Concurrent Marking：并发标记老年代存活对象。
Mixed GC：收集部分老年代Region，避免Full GC。
Full GC：当Mixed GC无法满足内存需求时触发，停顿时间最长。

三、Full GC频繁的常见原因

1. 内存分配过快

对象创建速度超过GC回收速度，老年代快速填满。
大对象过多，直接进入老年代，加速老年代填满。
内存泄漏，对象无法回收，老年代持续增长。

2. G1 GC参数配置不当

Region大小不合理，影响GC效率。
停顿时间设置过短，导致GC频率过高。
并发线程数不足，GC速度跟不上分配速度。

3. 业务特点不匹配

高并发写入，对象创建速度快。
大对象频繁，如缓存、连接池等。
内存使用模式，如批量处理、文件上传等。

四、G1 GC调优实战案例

案例背景

某电商系统，日活100万，QPS 5000，堆内存8G，Full GC每小时10次，用户反馈系统卡顿。

问题分析

GC日志分析：发现老年代增长过快，Mixed GC无法满足需求。
内存使用分析：发现大对象过多，如缓存、连接池等。
业务分析：高并发写入，对象创建速度快。

调优策略

1. 调整G1 GC参数

# 原始参数
-XX:+UseG1GC
-XX:MaxGCPauseMillis=200

# 调优后参数
-XX:+UseG1GC
-XX:MaxGCPauseMillis=100
-XX:G1HeapRegionSize=16m
-XX:G1NewSizePercent=30
-XX:G1MaxNewSizePercent=40
-XX:G1MixedGCCountTarget=8
-XX:G1MixedGCLiveThresholdPercent=85
-XX:G1RSetUpdatingPauseTimePercent=10
-XX:+G1UseAdaptiveIHOP
-XX:InitiatingHeapOccupancyPercent=45

2. 优化内存使用

减少大对象：优化缓存策略，避免大对象直接进入老年代。
对象池化：使用对象池，减少对象创建和销毁。
及时释放资源：确保连接、文件等资源及时释放。

3. 业务优化

批量处理优化：减少单次处理数据量，避免大对象。
缓存策略优化：使用LRU等策略，及时清理无用缓存。
连接池优化：合理配置连接池大小，避免连接泄漏。

调优效果

Full GC频率：从每小时10次降到0次。
系统响应时间：平均响应时间从200ms降到50ms。
GC停顿时间：平均停顿时间从100ms降到20ms。

五、Spring Boot+G1 GC调优实战

# application.yml
spring:
  jvm:
    args: >
      -XX:+UseG1GC
      -XX:MaxGCPauseMillis=100
      -XX:G1HeapRegionSize=16m
      -XX:G1NewSizePercent=30
      -XX:G1MaxNewSizePercent=40
      -XX:G1MixedGCCountTarget=8
      -XX:G1MixedGCLiveThresholdPercent=85
      -XX:G1RSetUpdatingPauseTimePercent=10
      -XX:+G1UseAdaptiveIHOP
      -XX:InitiatingHeapOccupancyPercent=45
      -XX:+PrintGCDetails
      -XX:+PrintGCTimeStamps
      -Xloggc:gc.log

Java代码示例：

// 优化前：大对象直接创建
public class CacheService {
    private Map<String, Object> cache = new HashMap<>();
    
    public void addToCache(String key, Object value) {
        cache.put(key, value); // 大对象直接进入老年代
    }
}

// 优化后：使用软引用和LRU策略
public class OptimizedCacheService {
    private Map<String, SoftReference<Object>> cache = new LinkedHashMap<String, SoftReference<Object>>(1000, 0.75f, true) {
        @Override
        protected boolean removeEldestEntry(Map.Entry<String, SoftReference<Object>> eldest) {
            return size() > 1000; // LRU策略，及时清理
        }
    };
    
    public void addToCache(String key, Object value) {
        cache.put(key, new SoftReference<>(value)); // 软引用，GC时优先回收
    }
}