先给结论
Java 版服务端性能与 JVM 参数直接相关。常见误区是把内存设成机器的绝大部分并期待更流畅,结果 GC 停顿变长、系统换页加剧。合理做法是留出系统余量、设定初始与最大值、选择适合的服务端收集器,并用 GC 日志与对比数据验证效果。
一、先理解内存与 GC 的关系
Java 程序的内存由垃圾回收器管理。堆越大,回收一次的扫描成本越高,单次停顿可能更长;堆太小则频繁触发回收,整体吞吐下降。
因此内存分配的目标不是最大,而是「够用且不过大」。经验上要给操作系统与其他进程留出明显余量,避免换页。
如果服务器同时在跑数据库、面板或备份任务,更要把这些开销计算进去,而不是把全部内存交给服务端。
换页的代价常被低估。一旦系统开始使用交换分区,服务端会出现周期性长停顿,而这类停顿在游戏内表现为全服瞬间卡死。
二、初始值与最大值
同时设置初始值与最大值可以让堆大小稳定,减少运行时扩张带来的抖动。只设最大值而不管初始值,早期可能出现反复扩张。
对于长期运行的服务器,稳定的堆比弹性堆更可预测。可预测性对运维很重要,因为它让性能问题更容易定位。
改动前后都应记录实际占用峰值,判断设定是否合理。只看配置值不看实际使用,很容易长期维持一个不合适的大小。
如果实际占用远低于设定值,说明存在浪费,可以把余量留给系统或备份进程,整体稳定性反而更好。
三、收集器的选择
服务端通常运行在有多核的机器上,适合使用面向低停顿或高吞吐的收集器。具体选择应与硬件核数和玩家规模匹配。
收集器不是越新越好。某些收集器在小堆或低核数环境下表现反而更差,盲目套用他人配置常带来反效果。
选择之后要用实际负载验证:观察停顿时间与频率,而不只是看启动日志没有报错。
切换收集器属于较大改动,应当单独进行并完整复测,不要与其他参数改动混在一起,否则无法判断效果来源。
四、诊断日志与参数的实际作用
除了内存与收集器,还有一批参数影响日志与诊断,例如 GC 日志输出。开启 GC 日志是排查卡顿最有效的手段之一。
GC 日志能回答关键问题:卡顿发生时是在做回收,还是根本与 GC 无关。没有这个数据,很多调优都是猜测。
参数应当写在启动脚本里并版本化,而不是手工输入。手工参数容易在重启后丢失,造成「上次明明调过」的困惑。
启动脚本还应包含工作目录与 jar 路径,确保任何人执行同一脚本都能得到一致结果,减少环境差异带来的问题。
五、用数据闭环
调优的完整闭环是:记录基线、改动单一变量、在相同负载下复测、比较停顿与吞吐、决定保留或回退。
基线应当包含人数、玩法强度与时段。不同条件下比较没有意义,这是调优最常见的错误。
记录方式不必复杂,一张表就够:时间、人数、参数、TPS、单次最长停顿、明显卡顿现象。
连续记录几次之后,你会开始看到真正的因果关系,而不是被单次体验误导。
六、承认参数的边界
最后要接受一个现实:多数卡顿并非 JVM 参数问题,而是世界规模、实体密度或插件效率。参数调优能改善余量,但无法替代机制治理。
因此调优的顺序应当是:先治理实体与机制,再优化插件,最后才调 JVM 参数。顺序反过来会让你在参数上反复试错。
如果调参后仍无明显改善,应当转向性能分析工具,查看线程热点与区块加载开销,而不是继续加大内存。
把这条边界写进团队共识,能避免每次卡顿都演变成一次无效的参数折腾。
执行步骤
- 测量服务端实际内存占用峰值与系统总内存。
- 为操作系统、备份与面板预留足够余量。
- 设定初始值与最大值,避免运行时频繁扩张。
- 单独切换并验证收集器,记录停顿变化。
- 开启 GC 日志,确保能回溯卡顿时的回收情况。
- 把参数与工作目录写入启动脚本并纳入版本管理。
- 记录基线后单变量改动,在相同负载下复测。
- 调参无改善时转向性能分析,排查实体、区块与插件。
验收标准
- 内存设定后系统无明显换页与内存压力。
- 启动脚本包含完整参数且可重复执行。
- GC 日志可用于回溯卡顿发生时的回收行为。
- 每次调优有前后对比数据。
- 能区分卡顿是 GC 引起还是机制引起。
- 收集器切换单独验证,效果可归因。
- 非必要参数未随意添加,配置保持可解释。
常见误区
- 把内存设成机器全部,导致系统换页与更长停顿。
- 只设最大值不关注初始值,早期反复扩张。
- 盲目套用他人参数,忽略核数与世界规模差异。
- 不开 GC 日志,调优全靠猜测。
- 参数手工输入,重启后丢失。
- 同时改多项参数,效果无法归因。
- 把插件或实体问题误判为 JVM 参数问题。
JVM 调优是让服务端在真实负载下更稳定的手段,而不是万能药。留足余量、稳定堆大小、开启诊断日志,再配合机制治理,效果才可靠。