参数配置
废话不多说，直接给出参数配置，根据自己项目适当调整即可使用
java -Xms4g -Xmx4g -Xmn1512m -server -Xss256k -XX:MetaspaceSize=256M -XX:MaxMetaspaceSize=256m -XX:+PrintGCDetails -XX:+PrintGCDateStamps -Xloggc:/application/logs/gc/gc.log -XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=/application/logs/jvmdump/ -XX:+UseConcMarkSweepGC -XX:+UseParNewGC -XX:CMSInitiatingOccupancyFraction=75 -XX:+UseCMSInitiatingOccupancyOnly -XX:+UseCMSCompactAtFullCollection -XX:CMSFullGCsBeforeCompaction=0 -XX:+CMSClassUnloadingEnabled -XX:+TieredCompilation -XX:+ExplicitGCInvokesConcurrentAndUnloadsClasses -jar xxx.jar
此参数在以前笔者负责的一个微服务项目中运行了数年，单机并发1000+，CMS GC大概是8天左右一次
配置说明
这些JVM配置参数用于调整Java虚拟机的性能和行为。下面是对这些参数的解读：
-
-Xms4g: 设置JVM的初始堆大小为4GB。当JVM启动时，它会立即分配这么多的堆内存。 -
-Xmx4g: 设置JVM最大可用的堆内存为4GB。无论何时，JVM分配给对象的内存总量不会超过这个值。 -
-Xmn1512m: 设置年轻代大小为1512MB。年轻代是堆内存的一个子区域，用于存放新生成的对象。 -
-server: 选择server模式的JVM，针对服务器端应用进行了优化，相对于client模式，拥有更高的优化级别和更长的启动时间。 -
-Xss256k: 设置每个线程堆栈的大小为256KB。线程堆栈大小影响了线程可以调用的深度，以及能够创建的线程数量。 -
-XX:MetaspaceSize=256M: 设置元空间的初始大小为256MB。元空间用于存储类的元数据，它在Java 8中取代了永久代。 -
-XX:MaxMetaspaceSize=256m: 设置元空间的最大大小为256MB。这限制了类的元数据可用的最大内存。 -
-XX:+PrintGCDetails: 启用详细的垃圾回收日志。 -
-XX:+PrintGCDateStamps: 在垃圾回收日志中包含日期戳，以便于分析。 -
-Xloggc:/data/log/gclog/gc.log: 指定垃圾回收日志的文件路径。 -
-XX:+HeapDumpOnOutOfMemoryError: 在发生内存溢出异常时，自动进行堆转储。 -
-XX:HeapDumpPath=/data/log/jvmdump/: 指定堆转储文件的存储路径。 -
-XX:+UseConcMarkSweepGC: 启用CMS（并发标记清除）垃圾收集器。 -
-XX:+UseParNewGC: 使用ParNew（并行新生代）垃圾收集器。这通常与-XX:+UseConcMarkSweepGC一起使用，作为老年代垃圾收集器的补充。 -
-XX:CMSInitiatingOccupancyFraction=75: 设置堆使用到75%时，就开始进行CMS垃圾回收。 -
-XX:+UseCMSInitiatingOccupancyOnly: 只在达到-XX:CMSInitiatingOccupancyFraction指定的占用率时才启动CMS收集，不基于运行时间。 -
-XX:+UseCMSCompactAtFullCollection: 在进行完全垃圾收集时启用CMS的压缩步骤。 -
-XX:CMSFullGCsBeforeCompaction=0: 设置在执行多少次CMS完全垃圾回收后进行一次压缩。 -
-XX:+CMSClassUnloadingEnabled: 允许CMS收集器卸载无用的类。 -
-XX:+TieredCompilation: 启用分层编译，这允许JVM在执行Java代码时使用多个编译级别，以提高性能。 -
-XX:+ExplicitGCInvokesConcurrentAndUnloadsClasses: 允许显式垃圾回收调用（如System.gc()）触发并发收集和类的卸载，而不是导致完全的垃圾收集。
这些参数的组合是为了让JVM在服务器环境中以较大的堆内存启动，并具有高吞吐量的垃圾回收策略。同时它们也确保了在OOM错误发生时能够获取到堆的快照，这有助于之后分析和解决内存问题。
