JVM内存配置错误导致的线上服务问题

1.现象

大量用户反映不能正常使用服务，导致用户无法进行下一步工作。

2.检查

因为是休息日，初步听到这个消息的时候怀疑是自己的锅。一是因为项目刚刚进行了重构；二是对MySQL数据进行了迁移，并且对待迁移的旧数据进行了数据分析与调整。此次用户反馈的问题也是项目重构之后也是第一次上线，所以首先怀疑是自己写的代码问题，但是代码都是经过几轮测试之后才正式上线的，应该问题不大；其次怀疑是数据迁移导致的问题，因为历史原因，之前的数据在创建的时候很不规范，所以在迁移的时候进行数据分析时比较麻烦，会导致迁移后的数据与旧数据对应不上。

然后立马打车赶到公司查看服务线上日志。先查看调用方的日志，发现确实是进入到服务提供方(此次重构的服务)之后就出现问题了，顿时心凉半截，想着多怕是自己写的代码问题。然后立马又去查看我的服务，居然发现并不是代码问题，而是显示连接不上redis了。

然后立马反馈给组长，组长说找运维看一下redis的堆栈信息，原本想着是redis是因为负载太大而崩溃了，但是运维反馈redis运行正常 。

我也查看了nacos上配置的redis最大连接数为32，也没啥问题。然后再查看服务引入的redis依赖包，因为该依赖包是公司自研的，并且我在其基础上添加了redis加锁重试机制，因为报错的地方就是在执行加锁重试那一块代码，所以我怀疑是这部分代码的问题。但是经过我的检查，这部分代码也没有什么大问题，不管是释放连接、手动释放锁、给锁加了过期时间，这些都是做了的。

然后我将排查的结果反馈给组长，组长在经过进一步排查之后，说是服务内存问题。他查看了服务内存使用情况，居然发现内存使用的曲线图波动很大。

堆内存在增加到最大堆内存之前，一直没进行回收。

现在就要看为什么出现这种情况了。

可能性有2：

1、分配了过多的大的对象直接到老年代，导致内存直接被打满。但是到达最大堆内存时，又能直接进行回收，没有出现OOM，那么说明对象不是不可回收的对象。
2、新生代、老年代比例异常。导致过多的对象直接生成在新生代，新生代等到内存达到一定阈值才会进行回收。符合这一特征。

那么接下来就是检查JVM参数
"corpora-ability"   : ["devName": "cat-corpora-ability", "contextPath": "/corpora-ability", "xmx": "16G", "xmn": "16G", "limit-m": "18G", "cpu": "4", "request-m": "18Gi", "enableMetrics": "true"],
            "corpora-business"  : ["devName": "cat-corpora-business", "contextPath": "/corpora-business", "xmx": "8G", "xmn": "8G", "limit-m": "10Gi", "cpu": "4", "request-m": "10Gi", "enableMetrics": "true"]

居然发现错误的配置xmn ： 16G 和8G ，导致新生代的内存和整个堆内存一致。

也就是JVM在分配对象的时候，会一直分配内存直到打满整个堆内存，此时进行回收。新生代大多数都是可以直接回收的对象。所以内存马上就降下来了。但是因为一次性需要回收大量对象，STW过长。系统在GC期间，其它线程会受影响。所以redis的问题是表象之一。

STW最高能达到3S左右，此时很多心跳检测都会失效。

3.处理

修改xmn配置，重启服务。我想着16g内存，给新生代分配差不多三分之一的内存就行，没想到组长说只需要分配1g就可以。那行吧，听组长的....