Java 垃圾回收调优和其它性能优化活动相比，首先你要确保自己足够了解整个应用的情况以及调优预期的结果，而不是单单满足于应用的某一部分调优。一般情况下，遵循以下过程比较容易：
明确自己的性能目标。
测试。
测量调优结果。
与目标进行比较。
改变方法并再次测试。
性能调优目标要是可确定且可测量的，这非常重要。这些目标包括延迟、吞吐量和容量，想要了解更多，我推荐看看垃圾回收手册（Garbage Collection Handbook）中相应的章节。让我们看看在实践中如何设定并达到这样的调优目标。为了这个目的，让我们来看一个示例代码：
//imports skipped for brevity
public class Producer implements Runnable {
private static ScheduledExecutorService executorService = Executors.newScheduledThreadPool(2);
private Deque<byte[]> deque;
private int objectSize;
private int queueSize;
public Producer(int objectSize, int ttl) {
this.deque = new ArrayDeque<byte[]>();
this.objectSize = objectSize;
this.queueSize = ttl * 1000;
}
@Override
public void run() {
for (int i = 0; i < 100; i++) {
deque.add(new byte[objectSize]);
if (deque.size() > queueSize) {
deque.poll();
}
}
}
public static void main(String[] args) throws InterruptedException {
executorService.scheduleAtFixedRate(new Producer(200 * 1024 * 1024 / 1000, 5), 0, 100, TimeUnit.MILLISECONDS);
executorService.scheduleAtFixedRate(new Producer(50 * 1024 * 1024 / 1000, 120), 0, 100, TimeUnit.MILLISECONDS);
TimeUnit.MINUTES.sleep(10);
executorService.shutdownNow();
}
}
代码中提交了两个作业（job），且每 100ms 运行一次。每个作业模拟特定对象的生命周期：先创建对象，让它们“存活”一段时间，然后忘记它们，让 GC 回收内存。 运行这个示例时，开启 GC 日志并使用以下参数：
1
-XX:+PrintGCDetails -XX:+PrintGCDateStamps -XX:+PrintGCTimeStamps
我们立即在日志文件中看到 GC 的影响和下面这些相似：
2015-06-04T13:34:16.119-0200: 1.723: [GC (Allocation Failure) [PSYoungGen: 114016K->73191K(234496K)] 421540K->421269K(745984K), 0.0858176 secs] [Times: user=0.04 sys=0.06, real=0.09 secs]
2015-06-04T13:34:16.738-0200: 2.342: [GC (Allocation Failure) [PSYoungGen: 234462K->93677K(254976K)] 582540K->593275K(766464K), 0.2357086 secs] [Times: user=0.11 sys=0.14, real=0.24 secs]
2015-06-04T13:34:16.974-0200: 2.578: [Full GC (Ergonomics) [PSYoungGen: 93677K->70109K(254976K)] [ParOldGen: 499597K->511230K(761856K)] 593275K->581339K(1016832K), [Metaspace: 2936K->2936K(1056768K)], 0.0713174 secs] [Times: user=0.21 sys=0.02, real=0.07 secs]
基于日志中的信息，我们可以开始改善性能。并请牢记三个不同的目标：
确保 GC pause（垃圾回收暂停）的最坏情况不要超过预期的临界值。
确保应用程序线程停滞时间不超过预先确定的阀值。
降低基础架构成本，同时确保我们仍可以实现合理的延迟和吞吐量目标。
为此，以三个不同的配置各运行了10分钟，在下表中总结了三个差距较大的结果：
堆 GC算法 有效工作 长暂停
-Xmx12g -XX:+UseConcMarkSweepGC 89.8% 560 ms
-Xmx12g -XX:+UseParallelGC 91.5% 1,104 ms
-Xmx8g -XX:+UseConcMarkSweepGC 66.3% 1,610 ms
实验中，设置不同的 GC 算法和不同的堆大小，运行相同的代码，然后测量垃圾回收暂停的持续时间和吞吐量。实验细节和结果的解释都在我们的垃圾回收手册中。看看手册中的一些例子，修改一些简单的配置造成延迟、吞吐量等各方面的性能完全不同。
注意：为了保持示例尽可能简单，只有数量有限的输入参数被改变，例如没有对不同数量的核心（CPU core）或不同堆布局进行测试。
一次Java垃圾收集调优实战
1 资料
JDK5.0垃圾收集优化之--Don't Pause(花钱的年华)
编写对GC友好，又不泄漏的代码(花钱的年华)
JVM调优总结
JDK 6所有选项及默认值
2 GC日志打印
GC调优是个很实验很伽利略的活儿，GC日志是先决的数据参考和最终验证：
-XX:+PrintGCDetails -XX:+PrintGCTimeStamps(GC发生的时间) -XX:+PrintGCApplicationStoppedTime(GC消耗了多少时间) -XX:+PrintGCApplicationConcurrentTime(GC之间运行了多少时间)
3 收集器选择
CMS收集器：暂停时间优先
配置参数：-XX:+UseConcMarkSweepGC
已默认无需配置的参数：-XX:+UseParNewGC(Parallel收集新生代) -XX:+CMSPermGenSweepingEnabled(CMS收集持久代) -XX:UseCMSCompactAtFullCollection(full gc时压缩年老代)
初始效果：1g堆内存的新生代约60m，minor gc约5-20毫秒，full gc约130毫秒。
Parallel收集器：吞吐量优先
配置参数： -XX:+UseParallelGC -XX:+UseParallelOldGC(Parallel收集年老代，从JDK6.0开始支持)
已默认无需配置的参数： -XX:+UseAdaptiveSizePolicy(动态调整新生代大小)
初始效果：1g堆内存的新生代约90-110m(动态调整)，minor gc约5-20毫秒，full gc有无UseParallelOldGC 参数分别为1.3/1.1秒，差别不大。
另外-XX:MaxGCPauseMillis=100 设置minor gc的期望最大时间，JVM会以此来调整新生代的大小，但在此测试环境中对象死的太快，此参数作用不大。
4 调优实战
Parallel收集高达1秒的暂停时间基本不可忍受，所以选择CMS收集器。
在被压测的Mule 2.0应用里，每秒都有大约400M的海量短命对象产生：
因为默认60M的新生代太小了，频繁发生minor gc，大约0.2秒就进行一次。
因为CMS收集器中MaxTenuringThreshold(生代对象撑过过多少次minor gc才进入年老代的设置)默认0，存活的临时对象不经过Survivor区直接进入年老代，不久就占满年老代发生full gc。
对这两个参数的调优，既要改善上面两种情况，又要避免新生代过大，复制次数过多造成minor gc的暂停时间过长。
使用-Xmn调到1/3 总内存。观察后设置-Xmn500M，新生代实际约460m。(用-XX:NewRatio设置无效，只能用 -Xmn)。
添加-XX:+PrintTenuringDistribution 参数观察各个Age的对象总大小，观察后设置-XX:MaxTenuringThreshold=5。
优化后，大约1.1秒才发生一次minor gc，且速度依然保持在15-20ms之间。同时年老代的增长速度大大减缓，很久才发生一次full gc，
参数定稿：
-server -Xms1024m -Xmx1024m -Xmn500m -XX:+UseConcMarkSweepGC -XX:MaxTenuringThreshold=5 -XX:+ExplicitGCInvokesConcurrent
最后服务处理速度从1180 tps 上升到1380 tps，调整两个参数提升17%的性能还是笔很划算的买卖。
另外，JDK6 Update 7自带了一个VisualVM工具，内里就是之前也有用过的Netbean Profiler，类似JConsole一样使用，可以看到线程状态，内存中对象以及方法的CPU时间等调优重要参考依据。