垃圾收集是一个经常被忽视和低估的方面，但是在它的表面下隐藏着对你的组织产生深远影响的潜力，这种影响远远超出了应用程序性能的范畴。在这篇文章中，我们将开始一段旅程来揭示垃圾收集分析的关键作用，并探索强调其重要性的七个关键点。

 

无需更改代码即可缩短应用程序响应时间

自动垃圾收集(GC)是一个关键的内存管理过程，但它会在应用程序中引入暂停。当GC扫描并回收不再使用的对象所占用的内存时，就会出现这些暂停。取决于各种因素，这些暂停可以从几毫秒到几秒甚至几分钟不等。在这些暂停期间，不会处理任何应用程序事务，导致客户请求被搁置。

 

然而，有一个解决方案。通过微调GC行为，可以显著减少GC暂停时间。这种减少最终会缩短整个应用程序的响应时间，从而提供更流畅的用户体验。一个来自世界上最大的汽车制造商之一的真实案例研究展示了GC调优的影响，而无需进行任何代码更改。

 

高效降低云成本

在云计算的世界里，企业经常不知不觉地在低效的垃圾收集实践上花费数百万美元。高GC通量百分比，例如98%，最初可能看起来令人印象深刻，就像获得了“A级”分数。然而，这种看似微小的差异却带来了巨大的财务后果。

 

假设一家中型公司在美国西部(北加州)地区运行1，000个AWS t2.2x.large 32G RHEL按需EC2实例。每个EC2实例的成本是每小时0.5716美元。让我们假设他们的应用程序的GC吞吐量是98%。现在，让我们来分解这一假设的财务影响：

l 在98%的GC吞吐量下，每个实例每天由于垃圾收集而损失大约28.8分钟。一天有1440分钟(相当于24小时x 60分钟)。因此，1440分钟的2%等于28.8分钟。

l 在一年的时间里，每个实例总共需要175.2个小时。(即28.8分钟x 365天)

l 对于由1，000个AWS EC2实例组成的车队来说，由于垃圾收集延迟，这相当于每年浪费大约100.14千美元的资源(计算方法为1，000个EC2实例x 175.2小时x每小时0.5716美元)。

 

这个计算生动地说明了GC活动中看似无关紧要的暂停是如何为企业积累大量成本的。它强调了优化垃圾收集过程以实现显著成本节约的至关重要性。

 

削减软件许可成本

在当今的环境中，我们的许多应用程序都运行在商业供应商软件解决方案上，如Dell Boomi、ServiceNow、Workday等。虽然这些供应商软件解决方案是必不可少的，但它们的许可成本可能会非常高。经常被忽视的是，我们的代码和配置在这些供应商软件平台中的效率会直接影响软件许可成本。

 

这就是适当的垃圾收集(GC)分析发挥作用的地方。它提供了在这些供应商软件环境中是否存在资源过度分配或利用不足的见解。令人惊讶的是，过度分配通常是隐藏的，直到我们仔细检查GC行为。

通过利用GC分析，企业获得了识别过度分配和相应地重新配置资源所需的可见性。这种优化不仅增强了应用程序的性能，而且通过减少这些供应商软件解决方案的许可占用空间，显著节约了成本。对底线的影响是巨大的。

 

预测生产中的内存问题

垃圾收集日志是重要预测指标的关键，这些指标可以改变你管理应用程序可用性和性能的方式。在这些微指标中，有一个非常突出：“气相色谱通量。”但是什么是GC吞吐量呢？假设你的应用程序的GC吞吐量为98% —这意味着你的应用程序将98%的时间用于高效处理客户活动，剩下的2%分配给GC活动。

 

当你的应用程序面临内存问题时，其重要性就变得显而易见了。在内存问题变得明显之前的几分钟，GC吞吐量将开始下降。这种性能下降是一种早期警告，使你能够在内存问题影响生产环境之前采取预防措施。

yCrash等故障排除工具密切监控“GC吞吐量”以预测和预报内存问题，确保你的应用程序保持健壮和可靠。

 

在开发过程中发现性能瓶颈

在现代软件开发环境中,“左移”方法已经成为许多组织的关键举措。其目标是在开发阶段识别和解决与生产相关的问题。垃圾收集(GC)分析通过帮助在开发周期的早期隔离性能瓶颈，实现了这种主动的方法。

 

通过GC分析获得的一个重要指标是“对象创建率”此度量表示应用程序创建对象的平均速率。这就是为什么它很重要:如果你的应用程序以前以100 MB/秒的速率生成数据，突然开始创建150 MB/秒的数据，而流量没有相应增加，这是一个危险信号，表明应用程序中存在潜在问题。这种增加的对象创建率会导致GC活动增加、CPU消耗增加和响应时间缩短。

 

此外，这个指标可以集成到你的持续集成/持续部署(CI/CD)管道中，以衡量代码提交的质量。例如，如果你之前的代码提交导致50MB/秒的对象创建速率，而对于相同的流量，随后的提交将它提高到75MB/秒，这意味着低效的代码更改。

为了简化这个过程，你可以利用GCeasy REST API。这种集成允许你直接在CI/CD管道中捕获关键数据和见解，确保在开发生命周期的早期发现并解决性能问题。

 

高效的容量规划

有效的容量规划对于确保你的应用程序能够满足其性能和资源需求至关重要。它包括了解应用程序对内存、CPU、网络资源和存储的需求。在这种情况下，分析垃圾收集行为成为容量规划的强大工具，特别是在评估内存需求时。

 

当你深入研究垃圾收集行为分析时，你会深入了解关键的微观指标，如平均对象创建率和平均对象回收率。这些微指标提供了应用程序如何利用内存资源的详细视图。通过利用这些数据，你可以为你的应用执行精确有效的容量规划。

这种方法允许你以最佳方式分配资源，防止资源短缺或过度配置，并确保你的应用程序平稳高效地运行。垃圾收集分析以内存使用模式为重点，成为容量规划过程中不可或缺的一部分，使你能够根据应用程序的实际需求调整基础架构资源。

 

如何进行垃圾收集分析

虽然有提供实时垃圾收集指标的监控工具和JMX mbean，但它们通常缺乏彻底分析所需的深度。要全面了解垃圾收集行为，请查阅垃圾收集日志。一旦你有了GC日志，选择一个适合你需要的免费GC日志分析工具。

 

使用你选择的GC日志分析工具，检查日志中的垃圾收集行为，寻找模式和性能问题。关注关键指标，并根据你的分析优化你的应用程序，以减少GC暂停并提高性能。调整GC设置，有效地分配内存，并监控更改的影响。

 

结论

在软件开发和应用程序性能优化的快节奏世界中，垃圾收集(GC)分析通常是无名英雄。虽然它可能被认为是一个失败者，但现在是改变这种看法的时候了。气相色谱分析有助于提高性能、降低成本和做出主动决策。从缩短应用程序响应时间到早期问题检测和精确的容量规划，GC分析是优化应用程序和资源的关键盟友。