转载

G1GC慢的排查过程分享

本文主要分析严选库存中心压测期间G1GC收集比较慢的问题。

背景

11月6日严选全链路压测期间，发现有部分机器RT有毛刺。耗时相对其余时间较为明显。现象如下：

G1GC慢的排查过程分享

问题定位

利用严选caesar分析很快清楚大部分情况是DB的瓶颈。但是还有部分卡在了和DB毫不相干的逻辑上。这里很快就明白应该是卡在GC这一层。查看生产环境GC日志果然在对应时刻又发现如下的gc.log：

2019-11-05T01:27:25.579+0800: 380439.759: [GC remark
  2019-11-05T01:27:25.579+0800: 380439.759: [Finalize Marking, 0.0013365 secs] 
  2019-11-05T01:27:25.580+0800: 380439.761: [GC ref-proc, 0.6261676 secs] 
  2019-11-05T01:27:26.206+0800: 380440.387: [Unloading
   2019-11-05T01:27:26.208+0800: 380440.389: [System Dictionary Unloading, 0.0018171 secs] 
   2019-11-05T01:27:26.210+0800: 380440.391: [Parallel Unloading, 0.0383157 secs] 
   2019-11-05T01:27:26.848+0800: 380441.029: [Deallocate Metadata, 0.0002577 secs], 
  0.0425845 secs], 
0.6744903 secs]

这里能明显看到两个细节：

[GC ref-proc, 0.6261676 secs]
Finalize Marking

好了基本确定和GC有关了。

关于Finalize Marking和ref-proc

在当前使用的jvm版本中，普通的Java对象和Reference对象处理的逻辑是不一致的。Reference对象(包括SoftReference, WeakReference, PhantomReference, Finalizer)的回收有专属的处理逻辑。此处初始化代码可见：

https://hg.openjdk.java.net/jdk8u/jdk8u/hotspot/file/b44df6c5942c/src/share/vm/gc_implementation/g1/g1CollectedHeap.cpp#l2214

// STW ref processor 
_ref_processor_stw = 
new ReferenceProcessor(mr, // span 
    ParallelRefProcEnabled && (ParallelGCThreads > 1), // mt processing 
    MAX2((int)ParallelGCThreads, 1), // degree of mt processing 
    (ParallelGCThreads > 1), // mt discovery 
    MAX2((int)ParallelGCThreads, 1), // degree of mt discovery 
    true, // Reference discovery is atomic 
    &_is_alive_closure_stw); // is alive closure 
    // (for efficiency/performance)

从这里能看出jvm在初始化过程中，是可选对于引用对象是单线程还是多线程回收的。默认情况下，ParallelRefProcEnabled这个选项关闭，即使用单线程回收去遍历所有的Reference对象。这在Reference对象较多的情况下确实会成为一定的瓶颈。

当打开ParallelRefProcEnabled时，对应的ParallelGCThreads计算逻辑在：

https://hg.openjdk.java.net/jdk8u/jdk8u/hotspot/file/b44df6c5942c/src/share/vm/runtime/vm_version.cpp#l301

unsigned int Abstract_VM_Version::nof_parallel_worker_threads( unsigned int num, unsigned int den, unsigned int switch_pt)  { 
if (FLAG_IS_DEFAULT(ParallelGCThreads)) { 
  assert(ParallelGCThreads == 0, "Default ParallelGCThreads is not 0"); 
  // For very large machines, there are diminishing returns 
  // for large numbers of worker threads. Instead of 
  // hogging the whole system, use a fraction of the workers for every 
  // processor after the first 8. For example, on a 72 cpu machine 
  // and a chosen fraction of 5/8 
  // use 8 + (72 - 8) * (5/8) == 48 worker threads. 
  unsigned int ncpus = (unsigned int) os::initial_active_processor_count(); 
  return (ncpus <= switch_pt) ? ncpus : (switch_pt + ((ncpus - switch_pt) * num) / den); 
 } else { 
  return ParallelGCThreads; 
 } 
}

可以看到在当前机器为8核的情况下，最终算出来的线程数为8。

而真正处理引用对象回收的代码可见：

https://hg.openjdk.java.net/jdk8u/jdk8u/hotspot/file/b44df6c5942c/src/share/vm/memory/referenceProcessor.cpp#l892

size_t 
ReferenceProcessor::process_discovered_reflist( 
  DiscoveredList refs_lists[], 
  ReferencePolicy* policy, 
  bool clear_referent, 
  BoolObjectClosure* is_alive, 
  OopClosure* keep_alive, 
  VoidClosure* complete_gc, 
  AbstractRefProcTaskExecutor* task_executor) 
{ 
  bool mt_processing = task_executor != NULL && _processing_is_mt; 
  // If discovery used MT and a dynamic number of GC threads, then 
  // the queues must be balanced for correctness if fewer than the 
  // maximum number of queues were used. The number of queue used 
  // during discovery may be different than the number to be used 
  // for processing so don't depend of _num_q < _max_num_q as part 
  // of the test. 
  bool must_balance = _discovery_is_mt; 
  
  if ((mt_processing && ParallelRefProcBalancingEnabled) || must_balance) 
  { 
   balance_queues(refs_lists); 
  } 
  ...

这里能明显看出来是否对于并发处理有做了区分。这个阶段也就是上面描述的ref-proc。

所以现在的问题变成了：为什么有这么多的Finalizer引用？

使用jmap -histo查看当时对象快照如下：

num #instances #bytes class name 
---------------------------------------------- 
1: 248174 238918760 [B 
2: 1286746 139404600 [C 
3: 297861 25537144 [I 
... 
35: 22044 1058112 java.net.SocketInputStream 
36: 22044 1058112 java.net.SocketOutputStream 
37: 12688 1015040 redis.clients.jedis.Client 
38: 25031 1001240 java.lang.ref.Finalizer 
...

这几个对象出现的太突兀了。

commons-pool的驱逐机制

这个问题之前在另外一个问题中碰到，可以点击这里查看。

通俗点按顺序描述就是：

利用agent观察是谁在创建这么多的Socket对象，最终发现是commons-pool-EvictionTimer线程，而系统中使用commons-pool的地方是jedis连接池；
commons-pool会定时驱逐当前连接池中状态是idle的对象，使idle始终保持新鲜活跃状态，这会导致频繁的创建连接，jedis配置越大同时实际idle越多，实例创建越频繁；
jedis本身的连接基于Socket，是AbstractPlainSocketImpl的子类，而AbstractPlainSocketImpl实现了Finalizer方法；
产生了Finalizer引用。

贴下我们的jedis配置：

<bean id="jedisPoolConfig" class="redis.clients.jedis.JedisPoolConfig"> 
  <property name="minIdle" value="100"/> 
  <property name="maxIdle" value="200"/> 
  <property name="maxTotal" value="500"/> 
</bean>

总结

再重复下整个问题的链路。

不合理的jedis连接池配置，导致实际的idle连接会过多；
commons-pool会定时驱逐当前连接池中状态是idle的对象，使idle始终保持新鲜活跃状态；
jedis本身的连接基于Socket，是AbstractPlainSocketImpl的子类，而AbstractPlainSocketImpl实现了Finalizer方法；
产生了Finalizer引用，导致GC需要使用ReferenceProcess进行单线程处理。
当Finalizer数量增多，单线程开始吃力，整个GC耗时拉长

由于代码修改相对成本更高，所以最终加入jvm参数-XX:+ParallelRefProcEnabled并完成重启。重启后一段时间内加后续压测系统表现明显好转。

G1GC慢的排查过程分享