news 2026/1/10 0:04:20

分析GC日志

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
分析GC日志

GC日志参数

    • 01-GC日志参数
    • 02-GC日志格式
      • GC日志分类
      • GC日志结构剖析
      • Minor GC 日志解析
      • Full GC 日志解析
    • 上一篇

01-GC日志参数

-verbose:gc输出gc日志信息,默认输出到标准输出

-XX:+PrintGC输出GC日志。类似:-verbose:gc
-XX:+PrintGCDetails在发生垃圾回收时打印内存回收详细的日志,并在进程退出时输出当前内存各区域分配情况

-XX:+PrintGCTimeStamps输出GC发生时的时间戳

-XX:+PrintGCDateStamps输出GC发生时的时间戳(以日期的形式,如 2013-05-04T21:53:59.234+0800)

-XX:+PrintHeapAtGC每一次GC前和GC后,都打印堆信息

-Xloggc:<file>表示把GC日志写入到一个文件中去,而不是打印到标准输出中

在线分析gc日志

02-GC日志格式

GC日志分类

  1. MinorGC

MinorGC(或young GC或YGC)日志:

[GC (Allocation Failure) [PSYoungGen: 31744K->2192K(36864K)] 31744K->2200K(121856K), 0.0139308 secs] [Times: user=0.05 sys=0.01, real=0.01 secs]
  1. FullGC

Full GC日志介绍:

[Full GC (Metadata GC Threshold) [PSYoungGen: 5104K->0K(132096K)] [ParOldGen: 416K->5453K(50176K)] 5520K->5453K(182272K), [Metaspace: 20637K->20637K(1067008K)], 0.0245883 secs] [Times: user=0.06 sys=0.00, real=0.02 secs]

GC日志结构剖析

  1. 垃圾收集器
使用Serial收集器在新生代的名字是Default New Generation,因此显示的是"[DefNew" 使用ParNew收集器在新生代的名字会变成"[ParNew",意思是"Parallel New Generation" 使用Parallel Scavenge收集器在新生代的名字是"[PSYoungGen",这里的JDK1.7使用的就是PSYoungGen 使用Parallel Old Generation收集器在老年代的名字是"[ParOldGen" 使用G1收集器的话,会显示为"garbage-first heap" Allocation Failure 表明本次引起GC的原因是因为在年轻代中没有足够的空间能够存储新的数据了。
  1. GC前后情况
我们可以发现GC日志格式的规律一般都是:GC前内存占用—>GC后内存占用(该区域内存总大小) [PSYoungGen: 5986K->696K(8704K)] 5986K->704K(9216K) 中括号内:GC回收前年轻代堆大小,回收后大小,(年轻代堆总大小) 括号外:GC回收前年轻代和老年代大小,回收后大小,(年轻代和老年代总大小)
  1. GC时间
GC日志中有三个时间:user,sys和real user – 进程执行用户态代码(核心之外)所使用的时间。这是执行此进程所使用的实际 CPU 时间,其他进程和此进程阻塞的时间并不包括在内。在垃圾收集的情况下,表示 GC 线程执行所使用的 CPU 总时间。 sys – 进程在内核态消耗的 CPU 时间,即在内核执行系统调用或等待系统事件所使用的 CPU 时间 real – 程序从开始到结束所用的时钟时间。这个时间包括其他进程使用的时间片和进程阻塞的时间(比如等待 I/O 完成)。对于并行gc,这个数字应该接近(用户时间+系统时间)除以垃圾收集器使用的线程数。 由于多核的原因,一般的GC事件中,real time是小于sys + user time的,因为一般是多个线程并发的去做GC,所以real time是要小于sys+user time的。如果real>sys+user的话,则你的应用可能存在下列问题:IO负载非常重或者是CPU不够用。

Minor GC 日志解析

Full GC 日志解析

上一篇

垃圾回收器

版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/1/7 14:36:43

【Open-AutoGLM快递轨迹追踪实战】:掌握AI驱动物流监控的5大核心技术

第一章&#xff1a;Open-AutoGLM快递轨迹追踪实战导论在现代物流系统中&#xff0c;实时、精准的快递轨迹追踪已成为提升用户体验与运营效率的核心能力。Open-AutoGLM 作为一款基于大语言模型与自动化推理引擎的开源框架&#xff0c;能够通过自然语言理解与结构化数据解析&…

作者头像 李华
网站建设 2026/1/6 18:35:54

requirements.txt配置踩坑实录,99%新手都会忽略的5个关键包

第一章&#xff1a;Open-AutoGLM requirements.txt 配置踩坑概述在搭建 Open-AutoGLM 项目环境时&#xff0c;requirements.txt 的配置看似简单&#xff0c;实则暗藏诸多陷阱。依赖版本冲突、包来源差异以及平台兼容性问题常常导致环境无法正常初始化。常见依赖冲突场景 PyTorc…

作者头像 李华
网站建设 2025/12/31 13:52:24

Open-AutoGLM部署效率提升10倍?你不可错过的Docker优化策略

第一章&#xff1a;Open-AutoGLM容器化部署概述Open-AutoGLM 是一个基于 AutoGLM 架构的开源自动化语言模型服务平台&#xff0c;支持自然语言理解、代码生成与智能推理等多样化任务。通过容器化部署&#xff0c;Open-AutoGLM 能够在不同环境中保持一致性运行&#xff0c;显著提…

作者头像 李华
网站建设 2026/1/5 8:33:34

Hugging Face下载Open-AutoGLM太慢怎么办?资深工程师推荐4种加速方案

第一章&#xff1a;Open-AutoGLM Hugging Face 下载 在人工智能模型快速发展的背景下&#xff0c;Open-AutoGLM 作为一款基于 AutoGPT 架构并适配中文场景的语言模型&#xff0c;已正式开源并托管于 Hugging Face 平台。用户可通过 Hugging Face 的模型仓库便捷地下载和部署该模…

作者头像 李华