今天要給大家分享的內(nèi)容和 YGC(Young GC)有關(guān)，是我最近碰到的一個案例，希望將排查思路分享給大家，如果大家后面碰到類似的問題，可以直接作為一個經(jīng)驗來排查。

我之前里寫過幾篇 YGC 的文章，也許其中有人已經(jīng)看過了，沒看過的可以去看看，那兩個坑在這里就不再描述，大家可以直接當經(jīng)驗使用。

Java 堆分為新生代和老生代，YGC 其實就是針對新生代的垃圾回收，對象都是優(yōu)先在新生代分配的，因此當新生代內(nèi)存不夠分配的時候就會觸發(fā)垃圾回收，正常情況下可能觸發(fā)一次 YGC 就可以解決問題并正常分配的，當然也有極端情況可能要進行大掃除，對整個堆進行回收，也就是我們說的 Full GC，這種情況發(fā)生就會比較悲劇了。

這里再提一下，YGC 也是會 STW(stop the world) 的，也就是會暫停整個應(yīng)用，不要覺得 YGC 發(fā)生頻繁不是問題。

說實話我比較不喜歡排查 YGC 的問題，因為 YGC 的日志太簡單了，正常情況下只能知道新生代內(nèi)存從多少變到了多少，花了多長時間，再無其它信息了。

所以當有人來咨詢?yōu)槭裁次业某绦?YGC 越來越長的問題的時候，我其實是抗拒的，不過也無奈，總得嘗試去幫人家解決，包括前面說的那兩個問題，也是費了不少精力查出來的，希望大家珍惜。。。

有些時候你越想逃避，偏偏就會找上你，YGC 的問題最近說實話找我的挺多的，不過有好些都是踩過的坑，所以能順利幫人家解決，但是今天要說的這個問題是之前從未碰到過的，是一個全新的問題，所以也費了我不少精力，也因為其他問題要查被拖延了幾天。

這個問題最終排查下來其實是 JVM 本身設(shè)計上面的一個缺陷，我改天也會提到 openjdk 社區(qū)去和大家一起討論下這個設(shè)計，希望能徹底***這個問題。

這個問題現(xiàn)象也很明顯，就是發(fā)現(xiàn) YGC 的時間越來越長，從 20ms 慢慢增加到100ms+，甚至還一直在漲。

不過這個增長過程還是挺緩慢的，其實 YGC 時間在幾十毫秒我個人認為算正常現(xiàn)象，沒必要去深究，再說了還是經(jīng)過壓測了一個晚上才漲上來的，所以平時應(yīng)該也不是啥問題吧，不過這次正巧趕上年中大促，所以大家對時間也比較敏感，便接手來排查這個案例了。

首先排除了之前碰到的幾種情況，然后我要同事加了一個我們 alijdk 特定的參數(shù)，可以打印 YGC 過程里具體各個階段的耗時情況，可惜的是并沒有找出問題，因為我們漏掉了一些點，導(dǎo)致沒有直接定位出來。

于是我懷疑那些沒跟蹤到的邏輯，首先懷疑的就是引用這塊的處理，所以叫同事加上了 -XX:+PrintReferenceGC 這個參數(shù)，這個參數(shù)會打印各種引用的處理時間，大概如下：

點擊下面圖片進入小程序查看PrintReferenceGC參數(shù)詳情

從當時的那個日志里，我發(fā)現(xiàn)了一個現(xiàn)象，就是隨著 YGC 時間的增長，JNI Weak Reference 的處理耗時也在不斷增長，所以基本就定位到了 YGC 增長的直接原因。

JNI Weak Reference 到底是什么呢?大家都知道 Java 層面有各種引用，包括 SoftReference，WeakReference 等，其中 WeakReference 可以保證在 GC 的時候不會阻礙其引用對象的回收，同樣的在 native 代碼里，我們也可以做類似的事情，有個叫做 JNIHandles::make_weak_global 的方法來達到這樣的效果。

于是我開始修改 JVM，嘗試打印一些信息出來，不知道大家注意過，我們 dump 線程的時候，使用 jstack 命令，***一條輸出里會看到類似 JNI global references: 328 的日志，這里其實就是打印了 JNI 里的兩種全局引用總數(shù)，分別是 _global_handles 和 _weak_global_handles。

于是嘗試將這兩種情況分開來，看具體哪種有多少個，于是改了***個版本，從修改之后的輸出來看，_global_handles 的引用個數(shù)基本穩(wěn)定不變，但是 _weak_global_handles 的變化卻比較明顯。

至此也算佐證了 JNI Weak Reference的問題，于是我想再次修改 JVM，打印了這些 JNI Weak Reference 引用的具體對象是什么對象。

在每次我執(zhí)行 jstack 時，就會順帶把那些對象都打印出來，當然那個時候是為了性能，畢竟程序還跑在線上，不敢動太大，比如要是大量輸出日志不可控，那就麻煩了，所以就借助 jstack 來手動觸發(fā)這個邏輯。

從輸出來看，看到了大量的下面的內(nèi)容：

于是詢問同事是不是存在大量的 Java 對 JavaScript 的調(diào)用，被告知確實有使用，那問題點基本算定位到了，我馬上要同事針對他們的用法寫一個簡單的 demo 出來復(fù)現(xiàn)下問題。

沒想到很快就寫好，而且真的很容易復(fù)現(xiàn)，大概邏輯如下：

于是我開始 debug，最終確認和上面的 demo 完全等價于下面的 demo。

所以大家直接運行上面的 demo 就能復(fù)現(xiàn)問題，JVM 參數(shù)如下：

-Xmx300M -Xms300M -XX:+UseConcMarkSweepGC -XX:+PrintGCDetails -XX:+PrintReferenceGC 

對了，運行平臺是 JDK 8，JDK 6 是不存在這個問題的，因為 invokedynamic 指令以及 nashorn 是在 JDK 6 里不存在的。

上面的 demo 看起來是不是沒毛病，但是卻真的會讓你的 GC 越來越慢，通過對 JVM 進行 debug 的方式抓出了下面的類似堆棧。

在 JDK 層面的棧如下：

最上面的 resolve 方法是一個 native 方法，這個方法發(fā)現(xiàn)可以直接調(diào)用到上面提到的 JNIHandles::make_weak_global 方法。

JNIHandles::make_weak_global 方法其實就是創(chuàng)建了一個 JNI Weak Reference。

在這里我要稍微描述下了，因為太繁瑣就不準備貼代碼了。

JVM 里有個數(shù)據(jù)結(jié)構(gòu)叫做 JNIHandleBlock，之前提到了 global_handles 和 _weak_global_handles，其實他們都是一個 JNIHandleBlock 鏈表。

可以想象下里面有個 next 字段鏈到下一個 JNIHandleBlock，同時里面還有一個數(shù)組 _handle[]，長度是 32，當我們要分配一個 JNI Weak Reference 的時候，就相當于在這個 JNIHandleBlock 鏈表里找一個空閑的位置(就是那些 _handle 數(shù)組)，如果發(fā)現(xiàn)每個 JNIHandleBlock 的 _handle 數(shù)組都滿了，就會創(chuàng)建一個新的 JNIHandleBlock，然后加到鏈里，注意這個鏈可以***長，所以問題就來了，假如我們上層代碼不斷觸發(fā)底層調(diào)用 JNIHandles::make_weak_global 來創(chuàng)建一個 JNI Weak Reference，那是不是意味著這個 JNIHandleBlock 鏈會不斷增長，那會不會無窮增長呢，答案是肯定的，既然有創(chuàng)建 JNI Weak Reference 的 API，是不是也存在銷毀 JNI Weak Reference 的 API?

當然是存在的，可以看到有 JNIHandles::destroy_weak_global 方法，這個實現(xiàn)其實很簡單，就是相當于設(shè)計一個標記，表示這個數(shù)組里的這個位置是可以重用的了，在 GC 發(fā)生的時候，如果發(fā)現(xiàn)這個坑被標記了，于是就將這個坑加入到一個 free_list 里，當我們下面再想要分配一個 JNI Weak Reference 的時候，就可以有機會從 free_list 里去分配一個重用了。

但是這個 api 是在什么情況下才能調(diào)用的呢，其實只有在類卸載的時候才會去調(diào)用這個 api，那到底是什么類被卸載了，那就是調(diào)用了 MethodHandles.lookup() 這個方法的那個類，從我們上面的 demo 來看，就是 MHTest 這個主類本身，從同事給我的 demo 來看，其實是 jdk.nashorn.internal.runtime.Context 這個類，但是這個類其實是被 ext_classloader 加載的，也就是說這個類根本就不會被卸載，不能卸載那問題就嚴重了，意味著 GC 發(fā)生的時候并不能將那些引用對象已經(jīng)死掉的坑置空，這樣在我們需要再次分配 JNI Weak Reference 的時候，沒有機會來重用那些坑，最終的結(jié)果就是不斷地創(chuàng)建新的 JNIHandleBlock 加到鏈表里，導(dǎo)致鏈表越來越長，然而 GC 的時候是會去不斷掃描這個鏈表的，因此看到 GC 的時候也會越來越長。

那還有一個問題，假如說調(diào)用 MethodHandles.lookup() 的類真的被卸載了還存在這個問題嗎，答案是 GC 時間不會再惡化了，但是之前已經(jīng)達到的惡化結(jié)果已經(jīng)無法再修復(fù)了。

所以，這算是一個 JVM 設(shè)計上的缺陷吧，只要 Java 層面能觸發(fā)不斷調(diào)用到JNIHandles::make_weak_global，那這個問題將會立馬重現(xiàn)。

其實解決方案我也想了一個，就是在遍歷這些 JNIHandleBlock 的時候，如果發(fā)現(xiàn)對應(yīng)的_handle數(shù)組全是空的話，那就直接將 JNIHandleBlock 回收掉，這樣在 GC 發(fā)生的過程中并不會掃描到很多的 JNIHandleBlock 而耗時掉。

至于同事的那個問題的解決方案，其實也簡單，對于同一個 JavaScript 腳本，不要每次都去調(diào)用 eval 方法，可以緩存起來，這樣就減少了不斷去觸發(fā)調(diào)用 JNIHandles::make_weak_global 的動作從而可以避免 JNIHandleBlock 不斷增長的問題。

【本文是51CTO專欄作者李嘉鵬的原創(chuàng)文章，轉(zhuǎn)載請通過微信公眾號(你假笨，id:lovestblog)聯(lián)系作者本人獲取授權(quán)】

戳這里，看該作者更多好文