JVM系列 GC日志的配置和分析

GC日志的生成

通过在应用启动的时候,配置jvm参数来实现GC日志的输出

GC日志参数设置

可以参照这个设置在 catelina.sh中配置,例如我的TEST环境

JAVA_OPTS="$JAVA_OPTS -server -Xms2048m  -XX:PermSize=256M -XX:MaxPermSize=1024M
-XX:+UseConcMarkSweepGC -XX:CMSFullGCsBeforeCompaction=2
-verbose:gc 
-Xloggc:/usr/developer/huangForBackUp/testgc.log
-XX:+PrintGCDateStamps 
-XX:+PrintGCDetails 
-XX:+PrintHeapAtGC
-XX:MaxTenuringThreshold=15
"

-verbose:gc 输出日志
-Xloggc:../logs/gc.log 日志文件的输出路径
-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 基准时间是tomcat的启动时间:609587.773: [GC609587.773: [ParNew: 286262K->12045K(306688K))
-XX:+PrintGCDateStamps 输出GC的时间戳(以日期的形式,2019-01-30T16:25:25.454+0800: 203.999: [GC2019-01-30T16:25:25.45)
-XX:+PrintHeapAtGC 在进行GC的前后打印出堆的信息,注意是前后都会打印

Heap after GC invocations=42 (full 0):
 par new generation   total 306688K, used 34048K [0x00000006c7200000, 0x00000006dbec0000, 0x00000006dbec0000)
  eden space 272640K,   0% used [0x00000006c7200000, 0x00000006c7200000, 0x00000006d7c40000)
  from space 34048K, 100% used [0x00000006d7c40000, 0x00000006d9d80000, 0x00000006d9d80000)
  to   space 34048K,   0% used [0x00000006d9d80000, 0x00000006d9d80000, 0x00000006dbec0000)
 concurrent mark-sweep generation total 1756416K, used 571751K [0x00000006dbec0000, 0x0000000747200000, 0x00000007c0000000)
 concurrent-mark-sweep perm gen total 262144K, used 111041K [0x00000007c0000000, 0x00000007d0000000, 0x0000000800000000)
}
{Heap before GC invocations=42 (full 0):
 par new generation   total 306688K, used 306688K [0x00000006c7200000, 0x00000006dbec0000, 0x00000006dbec0000)
  eden space 272640K, 100% used [0x00000006c7200000, 0x00000006d7c40000, 0x00000006d7c40000)
  from space 34048K, 100% used [0x00000006d7c40000, 0x00000006d9d80000, 0x00000006d9d80000)
  to   space 34048K,   0% used [0x00000006d9d80000, 0x00000006d9d80000, 0x00000006dbec0000)
 concurrent mark-sweep generation total 1756416K, used 571751K [0x00000006dbec0000, 0x0000000747200000, 0x00000007c0000000)
 concurrent-mark-sweep perm gen total 262144K, used 115737K [0x00000007c0000000, 0x00000007d0000000, 0x0000000800000000)

类型概述

  • [DefNew 表示用的Serial 年轻代回收器
  • [ParNew 表示年轻代用的 Parnew
  • [PSYoungGen: 表示年轻代用的是 Parallel Scanvenge

解读YGC的一条日志

  • 下面是[ParNew] 表示年轻代回收器,也就是YGC
  • 年轻代从306688K(eden+S0)经过YGC后变成了26672K,年轻代的总容量还是306688K,YGC累计系统耗时 0.0505390 secs,整个堆区从YGC前的878439K变成了压缩后的614977K,整个堆区的容量为2063104K(实际上忽略了一个S0区的大小)
  • S0区大小34048K, S0 +2063104K=2097152 K= 2G
[GC2019-01-30T16:25:25.454+0800: 203.999: [ParNew: 306688K->26672K(306688K), 0.0505390 secs] 878439K->614977K(2063104K), 0.0507020 secs][Times: user=0.16 sys=0.00, real=0.05 secs] 
最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 201,552评论 5 474
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 84,666评论 2 377
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 148,519评论 0 334
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 54,180评论 1 272
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 63,205评论 5 363
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 48,344评论 1 281
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 37,781评论 3 393
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 36,449评论 0 256
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 40,635评论 1 295
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 35,467评论 2 317
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 37,515评论 1 329
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 33,217评论 3 318
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 38,775评论 3 303
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 29,851评论 0 19
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 31,084评论 1 258
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 42,637评论 2 348
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 42,204评论 2 341