前言

這篇文章，給大家聊一個生產(chǎn)環(huán)境的實踐經(jīng)驗：線上系統(tǒng)部署的時候，JVM堆內(nèi)存大小是越大越好嗎？

先說明白一個前提，本文主要討論的是Kafka和Elasticsearch兩種分布式系統(tǒng)的線上部署情況，不是普通的Java應(yīng)用系統(tǒng)。

1、是否依賴Java系統(tǒng)自身內(nèi)存處理數(shù)據(jù)？

先說明一點，不管是我們自己開發(fā)的Java應(yīng)用系統(tǒng)，還是一些中間件系統(tǒng)，在實現(xiàn)的時候都需要選擇是否基于自己Java進(jìn)程的內(nèi)存來處理數(shù)據(jù)。

大家應(yīng)該都知道，Java、Scala等編程語言底層依賴的都是JVM，那么只要是使用JVM，就可以考慮在JVM進(jìn)程的內(nèi)存中來放置大量的數(shù)據(jù)。

還是給大家舉個例子，大家應(yīng)該還記得之前聊過消息中間件系統(tǒng)。

比如說系統(tǒng)A可以給系統(tǒng)B發(fā)送一條消息，那么中間需要依賴一個消息中間件，系統(tǒng)A要先把消息發(fā)送到消息中間件，然后系統(tǒng)B從這個消息中間件消費到這條消息。

大家看下面的示意圖。

大家應(yīng)該都知道，一條消息發(fā)送到消息中間件之后，有一種處理方式，就是把這條數(shù)據(jù)先緩沖在自己的JVM內(nèi)存里。

然后過一段時間之后，再從自己的內(nèi)存刷新到磁盤上去，這樣可以持久化保存這條消息，如下圖。

2、依賴Java系統(tǒng)自身內(nèi)存有什么缺陷

如果用類似上述的方式，依賴Java系統(tǒng)自身內(nèi)存處理數(shù)據(jù)，比如說設(shè)計一個內(nèi)存緩沖區(qū)，來緩沖住高并發(fā)寫入的大量消息，那么是有其缺陷的。

最大的缺陷，其實就是JVM的GC問題，這個GC就是垃圾回收，這里簡單說一下他是怎么回事。

大家可以想一下，如果一個Java進(jìn)程里老是塞入很多的數(shù)據(jù)，這些數(shù)據(jù)都是用來緩沖在內(nèi)存里的，但是過一會兒這些數(shù)據(jù)都會寫入磁盤。

那么寫入磁盤之后，這些數(shù)據(jù)還需要繼續(xù)放在內(nèi)存里嗎？

明顯是不需要的了，此時就會依托JVM垃圾回收機制，把內(nèi)存里那些不需要的數(shù)據(jù)給回收掉，釋放掉那些內(nèi)存空間騰出來。

但是JVM垃圾回收的時候，有一種情況叫做stop the world，就是他會停止你的工作線程，就專門讓他進(jìn)行垃圾回收。

這個時候，他在垃圾回收的時候，有可能你的這個中間件系統(tǒng)就運行不了了。

比如你發(fā)送請求給他，他可能都沒法響應(yīng)給你，因為他的接收請求的工作線程都停了，現(xiàn)在人家后臺的垃圾回收線程正在回收垃圾對象。

大家看下圖。

雖然說現(xiàn)在JVM的垃圾回收器一直在不斷的演進(jìn)和發(fā)展，從CMS到G1，盡可能的在降低垃圾回收的時候的影響，減少工作線程的停頓。

但是你要是完全依賴JVM內(nèi)存來管理大量的數(shù)據(jù)，那在垃圾回收的時候，或多或少總是有影響的。

所以特別是對于一些大數(shù)據(jù)系統(tǒng)，中間件系統(tǒng)，這個JVM的GC（Garbage Collector，垃圾回收）問題，真是最頭疼的一個問題。

3、優(yōu)化為依賴OS Cache而不是JVM

所以類似Kafka、Elasticsearch等分布式中間件系統(tǒng)，雖然也是基于JVM運行的，但是他們都選擇了依賴OS Cache來管理大量的數(shù)據(jù)。

也就是說，是操作系統(tǒng)管理的內(nèi)存緩沖，而不是依賴JVM自身內(nèi)存來管理大量的數(shù)據(jù)。

具體來說，比如說Kafka吧，如果你寫一條數(shù)據(jù)到Kafka，他實際上會直接寫入磁盤文件。

但是磁盤文件在寫入之前其實會進(jìn)入os cache，也就是操作系統(tǒng)管理的內(nèi)存空間，然后過一段時間，操作系統(tǒng)自己會選擇把他的os cache的數(shù)據(jù)刷入磁盤。

然后后續(xù)在消費數(shù)據(jù)的時候，其實也會優(yōu)先從os cache（內(nèi)存緩沖）里來讀取數(shù)據(jù)。

相當(dāng)于寫數(shù)據(jù)和讀數(shù)據(jù)都是依托于os cache來進(jìn)行的，完全依托操作系統(tǒng)級別的內(nèi)存區(qū)域來進(jìn)行，讀寫性能都很高。

此外，還有另外一個好處，就是不要依托自身JVM來緩沖大量的數(shù)據(jù)，這樣可以避免復(fù)雜而且耗時的JVM垃圾回收操作。

大家看下面的圖，其實就是一個典型的Kafka的運行流程。

然后比如Elasticsearch，他作為一個現(xiàn)在最流行的分布式搜索系統(tǒng)，也是采用類類似的機制。

大量的依賴os cache來緩沖大量的數(shù)據(jù)，然后在進(jìn)行搜索和查詢的時候，也可以優(yōu)先從os cache（內(nèi)存區(qū)域）中讀取數(shù)據(jù)，這樣就可以保證非常高的讀寫性能。

4、老司機經(jīng)驗之談

依賴os cache的系統(tǒng)JVM內(nèi)存越大越好？

所以現(xiàn)在就可以進(jìn)入我們的主題了，那么比如就以上述說的kafka、elasticsearch等系統(tǒng)而言，在線上生產(chǎn)環(huán)境部署的時候，你知道他們是大量依賴于os cache來緩沖大量數(shù)據(jù)的。

那么，給他們分配JVM堆內(nèi)存大小的時候是越大越好嗎？

明顯不是的，假如說你有一臺機器，有32GB的內(nèi)存，現(xiàn)在你如果在搞不清楚狀況的情況下，要是傻傻的認(rèn)為還是給JVM分配越大內(nèi)存越好，此時比如給了16G的堆內(nèi)存空間給JVM，那么os cache剩下的內(nèi)存，可能就不到10GB了，因為本身其他的程序還要占用幾個GB的內(nèi)存。

那如果是這樣的話，就會導(dǎo)致你在寫入磁盤的時候，os cache能容納的數(shù)據(jù)量很有限。

比如說一共有20G的數(shù)據(jù)要寫入磁盤，現(xiàn)在就只有10GB的數(shù)據(jù)可以放在os cache里，然后另外10GB的數(shù)據(jù)就只能放在磁盤上。

此時在讀取數(shù)據(jù)的時候，那么起碼有一半的讀取請求，必須從磁盤上去讀了，沒法從os cache里讀，誰讓你os cache里就只能放的下10G的一半大小的數(shù)據(jù)啊，另外一半都在磁盤里，這也是沒辦法的，如下圖。

那此時你有一半的請求都是從磁盤上在讀取數(shù)據(jù)，必然會導(dǎo)致性能很差。

所以很多人在用Elasticsearch的時候就是這樣的一個問題，老是覺得ES讀取速度慢，幾個億的數(shù)據(jù)寫入ES，讀取的時候要好幾秒。

那能不花費好幾秒嗎？你要是ES集群部署的時候，給JVM內(nèi)存過大，給os cache留了幾個GB的內(nèi)存，導(dǎo)致幾億條數(shù)據(jù)大部分都在磁盤上，不在os cache里，最后讀取的時候大量讀磁盤，耗費個幾秒鐘是很正常的。

5、正確的做法

針對場景合理給os cache更大內(nèi)存。

所以說，針對類似Kafka、Elasticsearch這種生產(chǎn)系統(tǒng)部署的時候，應(yīng)該要給JVM比如6GB或者幾個GB的內(nèi)存就可以了。

因為他們可能不需要耗費過大的內(nèi)存空間，不依賴JVM內(nèi)存管理數(shù)據(jù)，當(dāng)然具體是設(shè)置多少，需要你精準(zhǔn)的壓測和優(yōu)化。

但是對于這類系統(tǒng)，應(yīng)該給os cache留出來足夠的內(nèi)存空間，比如32GB內(nèi)存的機器，完全可以給os cache留出來20多G的內(nèi)存空間，那么此時假設(shè)你這臺機器總共就寫入了20GB的數(shù)據(jù)，就可以全部駐留在os cache里了。

然后后續(xù)在查詢數(shù)據(jù)的時候，不就可以全部從os cache里讀取數(shù)據(jù)了，完全依托內(nèi)存來走，那你的性能必然是毫秒級的，不可能出現(xiàn)幾秒鐘才完成一個查詢的情況。

整個過程，如下圖所示：

所以說，建議大家在線上生產(chǎn)系統(tǒng)引入任何技術(shù)的時候，都應(yīng)該先對這個技術(shù)的原理，甚至源碼進(jìn)行深入的理解，知道他具體的工作流程是什么，然后針對性的合理設(shè)計生產(chǎn)環(huán)境的部署方案，保證最佳的生產(chǎn)性能。