一、知识结构及面试题目分析
JVM 进阶面试主要包括两类：
一是和工程实践结合的面试题，考察面试者是临时抱佛脚背了一些知识点还是真的有将 JVM 知识应用到平常的项目中：
- 解释线上的配置（如 gc 配置、gc 日志等等）
- 线上问题排查示例，涉及工具、经验、实例等；
- 和某些知识点结合的面试题。
二是 JVM 相关领域的新知识点。
二、典型面试例题及思路分析
问题 1：你们生产环境线上服务器的 JVM 启动参数配置是什么样的？
参考答案：
-Xms4096m -Xmx4096m -Xmn2048m -Xss512k -XX:MetaspaceSize=384m -XX:MaxMetaspaceSize=384m -XX:+UseConcMarkSweepGC -XX:+UseParNewGC -XX:CMSFullGCsBeforeCompaction=5 -XX:+UseCMSCompactAtFullCollection -XX:+DisableExplicitGC -verbose:gc -XX:+PrintGCDetails -XX:+PrintGCTimeStamps -Xloggc:/home/admin/logs/gc.log -XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=/home/admin/logs
| JVM 参数 | 说明 |
|---|---|
| Xms | 初始堆大小 |
| Xmx | 最大堆大小 |
| Xmn | 年轻代大小 |
| Xss | 每个线程的堆栈大小 |
| MetaspaceSize | 首次触发 Full GC 的阈值，该值越大触发 Metaspace GC 的时机就越晚 |
| MaxMetaspaceSize | 设置 metaspace 区域的最大值 |
| +UseConcMarkSweepGC | 设置老年代的垃圾回收器为 CMS |
| +UseParNewGC | 设置年轻代的垃圾回收器为并行收集 |
| CMSFullGCsBeforeCompaction=5 | 设置进行 5 次 full gc（CMS）后进行内存压缩。由于并发收集器不对内存空间进行压缩 / 整理，所以运行一段时间以后会产生 "碎片"，使得运行效率降低。此值设置运行多少次 full gc 以后对内存空间进行压缩 / 整理 |
| +UseCMSCompactAtFullCollection | 在 full gc 的时候对内存空间进行压缩，和 CMSFullGCsBeforeCompaction 配合使用 |
| +DisableExplicitGC | System.gc () 调用无效 |
| -verbose:gc | 显示每次 gc 事件的信息 |
| +PrintGCDetails | 开启详细 gc 日志模式 |
| +PrintGCTimeStamps | 将自 JVM 启动至今的时间戳添加到 gc 日志 |
| -Xloggc:/home/admin/logs/gc.log | 将 gc 日导输出到指定的 /home/admin/logs/gc.log |
| +HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=/home/admin/logs | 当堆内存空间溢出时输出堆的内存快照到指定的 /home/admin/logs |
点评：
这是一个典型的结合实践的问题，这类问题的答案并不唯一，相关参数也并不唯一（上面的参数只是笔者从服务器上随意摘取的例子），重点是要言之有物，即需要面试者真正关注过，在熟悉的基础上自由发挥。话又说回来，线上的参数配置有两类：一类是内存相关配置（如 Xms/Xms/Xmn），一类是 GC 相关配置（如 UseConcMarkSweepGC 等），完全的启动参数可以通过命令 java -XX:+PrintFlagsFinal -version 来查看。
追问：是否进行过 GC 优化？如何优化？
GC 优化的一般步骤：
1. 评估现状及设定目标。评估是否需要调优及调优的目标优先级。比如说降低 Full GC 的的执行时间，降低 Young GC 的执行时间等等；
2. 调优。根据 gc 日志等找到优化空间，比如说 Full GC 执行时间太长可能是因为老年代太大了，看能否调整为并行 GC 或者增加并行 GC 的线程数或者减少老年代大小等；
3. 评估效果。根据 gc 日志、jstat 等命令、Mat/Visual VM 等工具来监控调优效果；
4. 细微调整。 根据评估效果来进一步调整相关参数。
这个追题可以即是上个问题的延伸，本质上二者也是一类问题，即和实践结合的问题。这类问题的答案一般是：框架 + 实例。比如说这里的四个步骤就是 "框架"，体现的是优化的系统化方案，即优化都跳不出这个圈子；但这个问题要答得出彩，最好附上优化实例，答案里并没有这部分，是因为这部分是需要候选人自己真正去动手实践过的，这样在回答时自己才会更有体感，也不怕进一步的追问。如果候选人没有相关的调优经历，可以去尝调整相关参数，比如说以降低 Young GC 时间次数为目的。
问题 2：介绍一下新的垃圾回收机制呢？
参考答案：
除了常规的 Serial/Parallel/CMS 等垃圾回收器外，目前比较新的垃圾回收器还有：
1、G1（Garbage First）GC，JDK7 开始引入，JDK9 以后的默认配置。
(1) 场景： 响应速度优先，面向服务端应用；
(2) 目标：尽量缩短处理超大堆（大于 4GB）时产生的停顿、解决 CMS 的内存碎片问题，替换 CMS；
(3) 特点：
A、分区收集，将整个 Java 堆划分为多个大小相等的独立区域（Region），虽然还保留新生代和老年代的概念，但新生代和老年代不再是物理隔离的了，而都是一部分 Region（不需要连续）的集合；
B、可预测的停顿。根据各个 Region 里面的垃圾堆积的价值大小（回收所获得的空间大小以及回收所需时间的经验值），在后台维护一个优先列表，每次根据允许的收集时间，优先回收价值最大的 Region。在回收时采用部分内存回收（在 YGC 时会回收所有新生代分区，在混合回收时会回收所有的新生代分区和部分老生代分区）；
2、ZGC，JDK11 开始引入，目前尚处于实验阶段。
(1) 场景：解决 G1 GC 大内存支持不友好、内存利用率不高等问题；
(2) 目标：支持 TB 级内存、停顿时间控制在 10ms 之内、降低对整体应用性能的影响（对吞吐量的影响低于 15％）
(3) 特点：
A、不分代的垃圾回收器，即垃圾回收时对全量内存进行标记，以 page 为单位进行对象的分配和回收，但是回收时仅针对部分内存回收，优先回收垃圾比较多的 page。
B、当前只支持 Linux 的 64 位系统；
3、Shenandoah GC，JDK12 开始引入，也是一款实验性质的垃圾回收器。
(1) 目标： 最小化垃圾回收对用户代码造成的停顿（降至毫秒级）、支持 TB 级内存。
(2) 特点： 不分代的垃圾回收器。
点评：
这类题目偏向于问对 JVM 比较熟悉的候选人；主要考察候选人知识的广度，拓展性很大，答题要点不在于细节求多求全，而在于对知识点的准确了解，即知道这个点，且能准确说出若干个特性。
三、总结
JVM 的面试题的具有一定的区分度和灵活度，因此进阶题目的形式比较灵活多变，对于这类题目，整体上有两个方向：一是多和工程实践结合，比如说在测试环境的机器上调一下参数、观察一下日志、dump 一下内存进行分析，都是很好的学习手段，特别是带着问题去实践时，往往会很难忘；二是保持对新知识点的好奇。
四、扩展阅读及思考题
4.1 扩展阅读
4.2 思考题
- 说说令你印象比较深的 JVM 参数