亿级流量电商系统JVM模型参数二次优化 _JVM模型

亿级流量电商系统JVM模型参数预估方案，在原来的基础上采用ParNew+CMS垃圾收集器
一、亿级流量分析及jvm参数设置1. 需求分析大促在即，拥有亿级流量的电商平台开发了一个订单系统，我们应该如何来预估其并发量？如何根据并发量来合理配置JVM参数呢？
假设，现在有一个场景，一个电商平台，比如京东，需要承担每天上亿的流量。现在开发了一个订单系统，那么这个订单系统每秒的并发量是多少呢？我们应该如何分配其内存空间呢？先来分析一下

文章插图

每日亿级流量，平均一个用户点击量在20-30左右，通过这个计算出日活用户数约1亿/20=500万, 看的人多，买的人少，通常下单率不超过10% ，我们按照留存率10%来计算，日均订单约50万单。这是分两种情况：

一种是普通流量，非特殊节假日，通常早上、中午、晚上非工作时间有1个小时的时间集中购买。我们按照早上1小时，中午1小时，晚上1小时来计算，也就是3小时。这样平均到每秒就是50万/3/3600=46, 也就是及时并发，通常我们的服务都是一个集群，有好几台服务器承受着几十并发，应该不成问题。
另一种是大促流量，比如双十一，基本流量都集中在双十一当天的投几分钟。这时每秒的并发量大概在50万/10/60=866 ，平均每秒并发量不到1000 。这时服务集群有3台服务器，没太服务器承受的压力是400单/s 。

2. 常规方案及问题暴露对于这每秒400但会产生多大的对象呢？

文章插图

我们假设订单对象的大小是1kb ，实际上订单对象的大小和订单对象中的字段有关系，我们假设是1kb 。每秒400单，也就是会产生400kb的订单对象。下单还涉及到其他对象，比如库存，优惠券，积分等等，我们将对象扩大20倍, 大约是(400kb*20)/秒. 可能同时还有其他操作，比如查询订单的操作，我们再讲其扩大10倍，大约是80M ，也就是每秒产生约80M的对象，这些对象在1s后都会变为垃圾。
对于一台4核8G的服务器来说，通常我们不设置JVM参数，也可能会根据物理机的8G内存来设置JVM参数。如果根据JVM参数来设置参数如何设置呢？
之前说过开启逃逸分析会将对象分配到栈上，我们这里计算分析的时候暂且忽略逃逸分析分配到栈上的对象，因为这部分对象相对来说比较少。下面我们来验证上面的预估算法是否准确，会有什么样的问题呢？