# 15 预警与解决：深入浅出 GC 监控与调优

本课时我们主要讲解深入浅出 GC 监控与调优。

在前面的课时中不止一次谈到了监控，但除了 GC Log，大多数都是一些“瞬时监控”工具，也就是看到的问题，基本是当前发生的。

你可能见过在地铁上抱着电脑处理故障的照片，由此可见，大部分程序员都是随身携带电脑的，它体现了两个问题：第一，自动化应急处理机制并不完善；第二，缺乏能够跟踪定位问题的工具，只能靠“苦力”去解决。

我们在前面第 11 课时中提到的一系列命令，就是一个被分解的典型脚本，这个脚本能够在问题发生的时候，自动触发并保存顺时态的现场。除了这些工具，我们还需要有一个与时间序列相关的监控系统。**这就是监控工具的必要性**。

我们来盘点一下对于问题的排查，现在都有哪些资源：

- GC 日志，能够反映每次 GC 的具体状况，可根据这些信息调整一些参数及容量；
- 问题发生点的堆快照，能够在线下找到具体内存泄漏的原因；
- 问题发生点的堆栈信息，能够定位到当前正在运行的业务，以及一些死锁问题；
- 操作系统监控，比如 CPU 资源、内存、网络、I/O 等，能够看到问题发生前后整个操作系统的资源状况；
- 服务监控，比如服务的访问量、响应时间等，可以评估故障堆服务的影响面，或者找到一些突增的流量来源；
- JVM 各个区的内存变化、GC 变化、耗时等监控，能够帮我们了解到 JVM 在整个故障周期的时间跨度上，到底发生了什么。

在实践课时中，我们也不止一次提到，优化和问题排查是一个综合的过程。故障相关信息越多越好，哪怕是同事不经意间透露的一次压测信息，都能够帮助你快速找到问题的根本。

本课时将以一个实际的监控解决方案，来看一下监控数据是怎么收集和分析的。使用的工具主要集中在 Telegraf、InfluxDB 和 Grafana 上，如果你在用其他的监控工具，思路也是类似的。

## 监控指标

在前面的一些示例代码中，会看到如下的 JMX 代码片段：

```
static void memPrint() {
        for (MemoryPoolMXBean memoryPoolMXBean : ManagementFactory.getMemoryPoolMXBeans()) {
            System.out.println(memoryPoolMXBean.getName() +
                    "  committed:" + memoryPoolMXBean.getUsage().getCommitted() +
                    "  used:" + memoryPoolMXBean.getUsage().getUsed());
        }
    }
```

这就是 JMX 的作用。除了使用代码，通过 **jmc** 工具也可以简单地看一下它们的值（前面提到的 VisualVM 通过安装插件，也可以看到这些信息）。

新版本的 JDK 不再包含 jmc 这个工具，[可点击这里自行下载](https://jdk.java.net/jmc/)。

如下图所示，可以看到一个 Java 进程的资源概览，包括内存、CPU、线程等。

![img](assets/CgpOIF5WOcmANUJIAAHH0v-SqIg611.jpg)

下图是切换到 MBean 选项卡之后的截图，可以看到图中展示的 Metaspace 详细信息。

![img](assets/Cgq2xl5WOcmAWhmjAAF-W24OEt8285.jpg)

jmc 还是一个性能分析平台，可以录制、收集正在运行的 Java 程序的诊断数据和概要分析数据，感兴趣的可以自行探索。但还是那句话，线上环境可能没有条件让我们使用一些图形化分析工具，相对比 **Arthas** 这样的命令行工具就比较吃香。

比如，下图就是一个典型的互联网架构图，真正的服务器可能是一群 docker 实例，如果自己的机器想要访问 JVM 的宿主机器，则需要配置一些复杂的安全策略和权限开通。图像化的工具在平常的工作中**不是非常有用，**而且，由于性能损耗和安全性的考虑，也不会让研发主动去通过 JMX 连接这些机器。

所以面试的时候如果你一直在提一些图形化工具，面试官只能无奈的笑笑，这个话题也无法进行下去了。

![img](assets/CgpOIF5WOcmAE7A8AAB-w3pvGdE946.jpg)

在必要的情况下，JMX 还可以通过加上一些参数，进行远程访问。

```
-Djava.rmi.server.hostname=127.0.0.1
-Dcom.sun.management.jmxremote
-Dcom.sun.management.jmxremote.port=14000
-Dcom.sun.management.jmxremote.ssl=false
-Dcom.sun.management.jmxremote.authenticate=false
```

无论是哪种方式，我们发现每个内存区域，都有四个值：init、used、committed 和 max，下图展示了它们之间的大小关系。

![img](assets/Cgq2xl5WOcmAF9JCAAAsbftRAtQ610.jpg)

以堆内存大小来说：

- -Xmx 就是 max
- -Xms 就是 init
- committed 指的是当前可用的内存大小，它的大小包括已经使用的内存
- used 指的是实际被使用的内存大小，它的值总是小于 committed

如果在启动的时候，指定了 -Xmx = -Xms，也就是初始值和最大值是一样的，可以看到这四个值，只有 used 是变动的。

## Jolokia

单独看这些 JMX 的瞬时监控值，是没有什么用的，需要使用程序收集起来并进行分析。

但是 JMX 的客户端 API 使用起来非常的不方便，Jolokia 就是一个将 JMX 转换成 HTTP 的适配器，方便了 JMX 的使用。

![img](assets/CgpOIF5WOcqAAC5eAABHCB0CHX4011.jpg)

Jokokia 可以通过 jar 包和 agent 的方式启动，在一些框架中，比如 Spring Boot 中，很容易进行集成。

访问 [**http://start.spring.io**](http://start.spring.io/)，生成一个普通的 Spring Boot 项目。

![img](assets/Cgq2xl5WOcqAR8R3AABiB-i16nc579.jpg)

直接在 pom 文件里加入 jolokia 的依赖。

```
<dependency>
        <groupId>org.springframework.boot</groupId>
        <artifactId>spring-boot-starter-actuator</artifactId>
</dependency>
<dependency>
        <groupId>org.jolokia</groupId>
        <artifactId>jolokia-core</artifactId>
</dependency>
```

在 **application.yml** 中简单地加入一点配置，就可以通过 HTTP 接口访问 JMX 的内容了。

```
management:
  endpoints:
    web:
      exposure:
        include: jolokia
```

你也可以直接下载仓库中的 **monitor-demo** 项目，启动后访问 8084 端口，即可获取 JMX 的 json 数据。访问链接 /demo 之后，会使用 guava 持续产生内存缓存。

接下来，我们将收集这个项目的 JMX 数据。

![img](assets/CgpOIF5WOcqALmlRAAB7q-dV9p4253.jpg)

```
http://localhost:8084/actuator/jolokia/list
```

附上仓库地址：[https://gitee.com/xjjdog/jvm-lagou-res](https://gitee.com/xjjdog/jvm-lagou-res)。

## JVM 监控搭建

我们先简单看一下 JVM 监控的整体架构图： ![img](assets/Cgq2xl5WOcqAILdGAAAwT9weUCE428.jpg)

JVM 的各种内存信息，会通过 JMX 接口进行暴露；Jolokia 组件负责把 JMX 信息翻译成容易读取的 HTTP 请求。

telegraf 组件作为一个通用的监控 agent，和 JVM 进程部署在同一台机器上，通过访问转化后的 HTTP 接口，以固定的频率拉取监控信息；然后把这些信息存放到 influxdb 时序数据库中；最后，通过高颜值的 Grafana 展示组件，设计 JVM 监控图表。

整个监控组件是可以热拔插的，并不会影响原有服务。监控部分也是可以复用的，比如 telegraf 就可以很容易的进行操作系统监控。

### influxdb

influxdb 是一个性能和压缩比非常高的时序数据库，在中小型公司非常流行，[点击这里可获取 influxdb](https://www.influxdata.com/get-influxdb/)。

在 CentOS 环境中，可以使用下面的命令下载。

```
wget -c https://dl.influxdata.com/influxdb/releases/influxdb-1.7.9_linux_amd64.tar.gz
tar xvfz influxdb-1.7.9_linux_amd64.tar.gz
```

解压后，然后使用 nohup 进行启动。

```
nohup ./influxd &
```

InfluxDB 将在 8086 端口进行监听。

### Telegraf

Telegraf 是一个监控数据收集工具，支持非常丰富的监控类型，其中就包含内置的 Jolokia 收集器。

接下来，下载并安装 Telegraf：

```
wget -c https://dl.influxdata.com/telegraf/releases/telegraf-1.13.1-1.x86_64.rpm
sudo yum localinstall telegraf-1.13.1-1.x86_64.rpm
```

Telegraf 通过 jolokia 配置收集数据相对简单，比如下面就是收集堆内存使用状况的一段配置。

```
[[inputs.jolokia2_agent.metric]]
    name  = "jvm"
    field_prefix = "Memory_"
    mbean = "java.lang:type=Memory"
    paths = ["HeapMemoryUsage", "NonHeapMemoryUsage", "ObjectPendingFinalizationCount"]
```

设计这个配置文件的主要难点在于对 JVM 各个内存分区的理解。由于配置文件比较长，可以参考仓库中的 jvm.conf 和 sys.conf，你可以把这两个文件，复制到 **/etc/telegraf/telegraf.d/** 目录下面，然后执行 systemctl restart telegraf 重启 telegraf。

### grafana

grafana 是一个颜值非常高的监控展示组件，支持非常多的数据源类型，对 influxdb 的集成度也比较高，可通过以下地址进行下载：[https://grafana.com/grafana/download](https://grafana.com/grafana/download)

```
wget -c https://dl.grafana.com/oss/release/grafana-6.5.3.linux-amd64.tar.gz
tar -zxvf grafana-6.5.3.linux-amd64.tar.gz
```

下面是我已经做好的一张针对于 CMS 垃圾回收器的监控图，你可以导入 grafana-jvm-influxdb.json 文件进行测试。

![img](assets/CgpOIF5WOcqAcWX7AAbu9u8lzaU635.png)

在导入之前，还需要创建一个数据源，选择 influxdb，填入 db 的地址即可。

![img](assets/Cgq2xl5WOcuAGVb5AABRBG7h0-4332.jpg)

### 集成

把我们的 Spring Boot 项目打包（见仓库），然后上传到服务器上去执行。

打包方式：

```
mvn package -Dmaven.tesk.skip=true
```

执行方式（自行替换日志方面配置）：

```
mkdir /tmp/logs

nohup  java   -XX:+UseConcMarkSweepGC -Xmx512M -Xms512M -Djava.rmi.server.hos
tname=192.168.99.101 -Dcom.sun.management.jmxremote  -Dcom.sun.management.jmx
remote.port=14000  -Dcom.sun.management.jmxremote.ssl=false  -Dcom.sun.manage
ment.jmxremote.authenticate=false -verbose:gc -XX:+PrintGCDetails -XX:+PrintG
CDateStamps -XX:+PrintGCApplicationStoppedTime -XX:+PrintTenuringDistributio
n -Xloggc:/tmp/logs/gc_%p.log -XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPat
h=/tmp/logs -XX:ErrorFile=/tmp/logs/hs_error_pid%p.log -XX:-OmitStackTraceInF
astThrow  -jar monitor-demo-0.0.1-SNAPSHOT.jar  2>&1  &
```

请将 IP 地址改成自己服务器的实际 IP 地址，这样就可以使用 jmc 或者 VisualVM 等工具进行连接了。

确保 Telegraf、InfluxDB、Grafana 已经启动，这样，Java 进程的 JVM 相关数据，将会以 10 秒一次的频率进行收集，我们可以选择 Grafana 的时间轴，来查看实时的或者历史的监控曲线。

这类监控信息，可以保存长达 1 ~ 2 年，也就是说非常久远的问题，也依然能够被追溯到。如果你想要对 JVM 尽可能地进行调优，就要时刻关注这些监控图。

举一个例子：我们发现有一个线上服务，运行一段时间以后，CPU 升高、程序执行变慢，登录相应的服务器进行分析，发现 C2 编译线程一直处在高耗 CPU 的情况。

但是我们无法解决这个问题，一度以为是 JVM 的 Bug。

通过分析 CPU 的监控图和 JVM 每个内存分区的曲线，发现 CodeCache 相应的曲线，在增加到 32MB 之后，就变成了一条直线，同时 CPU 的使用也开始增加。

通过检查启动参数和其他配置，最终发现一个开发环境的 JVM 参数被一位想要练手的同学给修改了，他本意是想要通过参数 “-XX:ReservedCodeCacheSize” 来限制 CodeCache 的大小，这个参数被误推送到了线上环境。

JVM 通过 JIT 编译器来增加程序的执行效率，JIT 编译后的代码，都会放在 CodeCache 里。如果这个空间不足，JIT 则无法继续编译，编译执行会变成解释执行，性能会降低一个数量级。同时，JIT 编译器会一直尝试去优化代码，造成了 CPU 的占用上升。

由于我们收集了这些分区的监控信息，所以很容易就发现了问题的相关性，这些判断也会反向支持我们的分析，而不仅仅是靠猜测。

## 小结

本课时简要介绍了基于 JMX 的 JVM 监控，并了解了一系列观测这些数据的工具。但通常，使用 JMX 的 API 还是稍显复杂一些，Jolokia 可以把这些信息转化成 HTTP 的 json 信息。

还介绍了一个可用的监控体系，来收集这些暴露的数据，这也是有点规模的公司采用的正统思路。收集的一些 GC 数据，和前面介绍的 GC 日志是有一些重合的，但我们的监控更突出的是实时性，以及追踪一些可能比较久远的问题数据。

附录：代码清单

- **sys.conf** 操作系统监控数据收集配置文件，Telegraf 使用。
- **jvm.conf** JVM 监控配置文件，Telegraf 使用。
- **grafana-jvm-influxdb.json** JVM 监控面板，Grafana 使用。
- **monitor-demo** 被收集的 Spring Boot 项目。
