许多Java虚拟机都提供了 选项 来控制Java堆的大小和增长。 下面就讨论了如何设置Java堆的最小值（ms）和最大值（mx）。其中最小值参数ms就是Java堆的初始大小，合理地设置它以及最大值参数，将对Java应用产生深远影响。
[b]mx参数[/b]
在大多数情况下，如果您认为堆对于 Java 应用程序太小，就应该设置 mx 参数。通过在 Java 命令行上监视使用 verbosegc 参数运行的 JVM 的输出，您可以确定垃圾收集是否过于频繁。如果垃圾收集过于频繁，则请尝试增大堆的大小。
一般来说，如果应用程序不断出现内存不足错误，则我们建议您增大 mx 参数。这些错误可能是由于 Java 堆中可用空间不足而引起。
尽管设置堆大小没有规则可循，但下列原则可能会有所帮助：
* 不要使堆的增长超过系统的物理内存。换句话说，决不要将 mx 堆大小设置为大于 [（物理内存） - （操作系统和应用程序的工作区大小）]。另外，如果您运行多个 JVM，所有堆的大小总和应小于上述计算值。
* 如果应用程序需要的堆大于总物理内存的一半，则请设置 mx 参数。在 IBM Developer Kit for Windows，Java Technology Edition, 版本 1.1.8 中，mx 参数的默认值是总物理内存大小的一半。
* 如果您的应用程序经常依赖于终止函数 (finalizer) 的操作，则需要减小 mx 设置的大小。（注：我们建议您避免这种代码设计。）
[b]可能的负面影响[/b]
增大堆大小可以提高吞吐量，但会增加停顿时间。这是因为搜集大型的堆可能需要几秒钟的时间，但垃圾收集次数会减少。尽管这种偶然的响应时间变长对于直接通过 LAN 与服务器连接的客户机至关重要，但以响应时间的变长来换取吞吐量的增加是值得的。堆大小是一个体系结构问题，它取决于应用程序的用途。在 IBM Developer Kit for Windows and OS/2 Warp，Java Technology Edition，1.1.8 版本中，垃圾收集和堆增长的管理都是基于活动对象，因此停顿时间对性能的影响比在 1.1.7 版本中更小。
[b]始终追求最好[/b]
查找最佳的堆大小可能需要对应用程序、 Java 实现和操作系统作一些试验。确定具体应用程序的最佳堆大小范围的一种方法是将 mx 设置得非常大，然后用 verbosegc 选项运行应用程序。这将产生有关堆使用情况的输出，您可以分析这个输出，以便对堆大小作出明智的决策。
另一种方法需要完成更多的工作，但它使系统维护更容易；这种方法就是确定服务器上的工作单元，即服务器完成工作的一个完整周期。例如，在批处理系统中，一个工作单元是一批请求。在更为典型的客户机/服务器信息检索周期中，工作单元可能是典型客户随其登录/退出序列一同提交的一系列请求。过程如下：
* 代码 System.gc() 调用工作单元
* 关闭异步垃圾收集和类垃圾收集（在命令行使用 -noasyncgc -nocla gc）
* 使用一个合成的驱动程序，使服务器反复执行此工作单元
* 采用电子表格分析 verbosegc 输出，以确定完成平均的工作单元所需的堆大小
* 将这个堆大小乘以工作单元数（例如，在指定时间内希望服务器处理的用户数或批处理数），并加上应用程序所需的基本堆大小，当然还有不很著名的"虚构因子"
所生成的数字就是 mx 设置。这种方法需要完成更多的工作，但是，当服务器的实际负载改变时，堆大小随时可以调整。
[b]ms参数[/b]
ms 参数更为简单。如果您担心内存利用率和扩展的开销，则请将 ms 值设为 mx 的值。否则，就不要设置 ms。请注意，在 IBM Developer Kit for Windows and OS/2 Warp，Java Technology Edition，1.1.8 版本中，堆的大小既可以减小，也可以增大。因此，如果 ms 被设为某一值，堆则不能减小到该值以下。
[b]经验是最好的证明[/b]
一个客户最近所遇到的情况为我们提供了一个很好的例子，它说明 ms 和 mx 的不当设置可能导致哪些问题。该客户的系统是通过高速 基架连接的一个多节点网络。每个节点包含 4 个 CPU，2 GB RAM。每个节点上运行 10 个 JVM。每个 JVM 都有其自己的设置，其中有个 JVM 将 ms 设为 32MB，将 mx 设为 256MB。
在启动后几分钟，系统停止运行，吞吐量几乎为零。在分析了 verbosegc 输出之后，我们调整了堆大小，将 ms 和 mx 设为 300MB。原来每个节点不能支持超过 20 个用户，这次更改后，现在可以轻松地支持 125 个用户。ms 很低的初始值会导致过多的垃圾收集和缓慢的堆增长，从而导致性能严重下降。
在所有情况下，全面了解与应用程序和所用 Java 环境的与堆相关的特征都非常重要。希望这个简短的讨论能够使您在处理您的 Java 应用程序时不会再遇到“堆问题”。
[b]mx参数[/b]
在大多数情况下，如果您认为堆对于 Java 应用程序太小，就应该设置 mx 参数。通过在 Java 命令行上监视使用 verbosegc 参数运行的 JVM 的输出，您可以确定垃圾收集是否过于频繁。如果垃圾收集过于频繁，则请尝试增大堆的大小。
一般来说，如果应用程序不断出现内存不足错误，则我们建议您增大 mx 参数。这些错误可能是由于 Java 堆中可用空间不足而引起。
尽管设置堆大小没有规则可循，但下列原则可能会有所帮助：
* 不要使堆的增长超过系统的物理内存。换句话说，决不要将 mx 堆大小设置为大于 [（物理内存） - （操作系统和应用程序的工作区大小）]。另外，如果您运行多个 JVM，所有堆的大小总和应小于上述计算值。
* 如果应用程序需要的堆大于总物理内存的一半，则请设置 mx 参数。在 IBM Developer Kit for Windows，Java Technology Edition, 版本 1.1.8 中，mx 参数的默认值是总物理内存大小的一半。
* 如果您的应用程序经常依赖于终止函数 (finalizer) 的操作，则需要减小 mx 设置的大小。（注：我们建议您避免这种代码设计。）
[b]可能的负面影响[/b]
增大堆大小可以提高吞吐量，但会增加停顿时间。这是因为搜集大型的堆可能需要几秒钟的时间，但垃圾收集次数会减少。尽管这种偶然的响应时间变长对于直接通过 LAN 与服务器连接的客户机至关重要，但以响应时间的变长来换取吞吐量的增加是值得的。堆大小是一个体系结构问题，它取决于应用程序的用途。在 IBM Developer Kit for Windows and OS/2 Warp，Java Technology Edition，1.1.8 版本中，垃圾收集和堆增长的管理都是基于活动对象，因此停顿时间对性能的影响比在 1.1.7 版本中更小。
[b]始终追求最好[/b]
查找最佳的堆大小可能需要对应用程序、 Java 实现和操作系统作一些试验。确定具体应用程序的最佳堆大小范围的一种方法是将 mx 设置得非常大，然后用 verbosegc 选项运行应用程序。这将产生有关堆使用情况的输出，您可以分析这个输出，以便对堆大小作出明智的决策。
另一种方法需要完成更多的工作，但它使系统维护更容易；这种方法就是确定服务器上的工作单元，即服务器完成工作的一个完整周期。例如，在批处理系统中，一个工作单元是一批请求。在更为典型的客户机/服务器信息检索周期中，工作单元可能是典型客户随其登录/退出序列一同提交的一系列请求。过程如下：
* 代码 System.gc() 调用工作单元
* 关闭异步垃圾收集和类垃圾收集（在命令行使用 -noasyncgc -nocla gc）
* 使用一个合成的驱动程序，使服务器反复执行此工作单元
* 采用电子表格分析 verbosegc 输出，以确定完成平均的工作单元所需的堆大小
* 将这个堆大小乘以工作单元数（例如，在指定时间内希望服务器处理的用户数或批处理数），并加上应用程序所需的基本堆大小，当然还有不很著名的"虚构因子"
所生成的数字就是 mx 设置。这种方法需要完成更多的工作，但是，当服务器的实际负载改变时，堆大小随时可以调整。
[b]ms参数[/b]
ms 参数更为简单。如果您担心内存利用率和扩展的开销，则请将 ms 值设为 mx 的值。否则，就不要设置 ms。请注意，在 IBM Developer Kit for Windows and OS/2 Warp，Java Technology Edition，1.1.8 版本中，堆的大小既可以减小，也可以增大。因此，如果 ms 被设为某一值，堆则不能减小到该值以下。
[b]经验是最好的证明[/b]
一个客户最近所遇到的情况为我们提供了一个很好的例子，它说明 ms 和 mx 的不当设置可能导致哪些问题。该客户的系统是通过高速 基架连接的一个多节点网络。每个节点包含 4 个 CPU，2 GB RAM。每个节点上运行 10 个 JVM。每个 JVM 都有其自己的设置，其中有个 JVM 将 ms 设为 32MB，将 mx 设为 256MB。
在启动后几分钟，系统停止运行，吞吐量几乎为零。在分析了 verbosegc 输出之后，我们调整了堆大小，将 ms 和 mx 设为 300MB。原来每个节点不能支持超过 20 个用户，这次更改后，现在可以轻松地支持 125 个用户。ms 很低的初始值会导致过多的垃圾收集和缓慢的堆增长，从而导致性能严重下降。
在所有情况下，全面了解与应用程序和所用 Java 环境的与堆相关的特征都非常重要。希望这个简短的讨论能够使您在处理您的 Java 应用程序时不会再遇到“堆问题”。
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
