当前位置: 首页 > news >正文

在springboot框架下,完成一次http请求消耗多少内存?

在实际工作中,经常会需要进行在全链路压测,优化 GC参数,优化 JVM 内存分配。

当知道 1 次 RPC 请求和 Http 请求需要的堆内存大小后,你可以精确地计算:指定的并发量之下,系统需申请多少堆内存。同时结合 JVM 新生代堆大小,就能推算出 1 分钟发生多少次 GC,这个 GC频率是否过于频繁?从而针对性的优化。

我们希望 1 次 Rpc、Http 请求申请堆内存足够少,这样可减少 GC 导致的系统停顿,提高系统性能,单机可以支撑更高的并发量。

1次 Http 请求,申请多少堆内存?

1 次 RPC 请求,申请多少堆内存?

如果不亲自实验,无法得出结论。

01实验思路

关键动作

  1. 创建SpringBoot新应用(版本 2.5.4 )。

  2. 新增 Post 接口,供 JMeter 调用。

  3. JMeter(开源压测工具)新建测试计划。每个线程执行2000 次Http接口调用,共10 个线程,总调用 20000 次。

  4. SpringBoot 打印 GC 详细日志,记录GC 前后,新生代申请了多少内存。

Jmeter 调用 20000 次 Http 接口以后,通过手动 GC 的方式触发 GC,通过 GC 详细日志计算压测期间新生代堆内存增长量。(对象基本分配在新生代)

02SpringBoot 声明 Http 接口

如下代码声明了一个 Post接口 create;创建了 Get 接口,用于触发GC。

@Slf4j @RestController public class TestController { private AtomicLong count = new AtomicLong(0); @ResponseBody @RequestMapping(value = "create", method = RequestMethod.POST) public String create(@RequestBody Order order) { //log.warn("收到提单请求 cnt{}:{}", count.getAndIncrement(), order); return"ok"; } @ResponseBody @RequestMapping(value = "gc", method = RequestMethod.GET) public String gc() { System.gc(); return"ok"; } }

03JMeter 新建测试计划

3.1 新增线程组

新建线程组,选择 10 个线程,每个线程循环 2000次。

3.2 新建 Http 默认值

3.3 新建请求头

由于请求体是 JSON,所以新增请求头 Content-Type

3.4 新建 Http 请求

请求中指定 Url 和 请求体

04实验过程

4.1 启动 SpringBoot应用

堆内存大小 4G,其中新生代内存 2G。 SurivivorRadio=8 ,即每个 Surivivor 占比新生代 1/10。

指定GC日志位置: -Xloggc:/Users/testUser/log/gc.log

java -server -Xmx4g -Xms4g -XX:SurvivorRatio=8 -Xmn2g -XX:MetaspaceSize=512m -XX:MaxMetaspaceSize=1g -XX:MaxDirectMemorySize=1g -XX:+HeapDumpOnOutOfMemoryError -XX:+PrintGCCause -XX:+PrintGCDetails -XX:+PrintGCTimeStamps -XX:+PrintGCDateStamps -XX:+PrintTenuringDistribution -XX:+UnlockDiagnosticVMOptions -XX:ParGCCardsPerStrideChunk=32768 -XX:+PrintCommandLineFlags -XX:+UseConcMarkSweepGC -XX:+UseParNewGC -XX:ParallelCMSThreads=6 -XX:+CMSClassUnloadingEnabled -XX:+UseCMSCompactAtFullCollection -XX:+CMSParallelInitialMarkEnabled -XX:+CMSParallelRemarkEnabled -XX:+CMSScavengeBeforeRemark -XX:+PrintHeapAtGC -XX:CMSFullGCsBeforeCompaction=1 -XX:CMSInitiatingOccupancyFraction=70 -XX:+UseCMSInitiatingOccupancyOnly -XX:+PrintReferenceGC -XX:+ParallelRefProcEnabled -XX:ReservedCodeCacheSize=256M -Xloggc:/Users/testUser/log/gc.log -jar target/activiti-0.0.1-SNAPSHOT.jar

4.2 多次手动 GC

由于JVM 启动过程中,需要加载大量对象,所以我们在压测之前先手动 GC,清理一下存量对象。

curl http://localhost:8080/gc

4.3 Jmeter 启动压测

执行 JMeter压测计划,每次执行会调用 20000 次,

4.4 GC 日志解读

GC 以后,新生代 Eden 区已使用内存为 0。GC 前 Eden区大小就是 20000 次 Http 调用所申请的内存总和!

05实验结果

SpringBoot 在处理 Http 请求时,即使请求体相对较小, 平均每次 Http 调用仍会申请约 34 K 的堆内存 。这一点显得尤为突出,因为请求体仅包含 50 个字符,远远未达到 1K 大小。

然而,每次 Http 请求所消耗的内存却依然高达 34K。这可能是由于在 SpringBoot 的内部处理流程中需要创建多个对象,这些对象的总内存占用显著高于请求体本身。

{"userId": 32898493, "productId":39043, "detail": ""}

在调整 Http 请求后,如将 detail 字段设置为 1200 个字符时,每次 Http 调用平均占用堆内存为 36K。两次实验结果间的差异为 2K,这与 1200 个字符占用的内存大小基本持平(需考虑一定的误差)。

这表明 SpringBoot 内部未进行多次请求体拷贝。

5.1 添加日志打印

log.warn("收到提单请求 cnt{}:{}", count.getAndIncrement(), order);

在打印请求日志后,单次 Http 请求的平均内存使用量达到了 56 KB,比之前增加了整整 20 KB。

然而,当我移除 detail 字段后,单次请求的内存使用骤降至 35.7 KB。

这表明,当日志量较小时,打印日志对内存占用的影响较小。但随着日志大小的增加,内存占用显著上升,这可能触发更频繁地GC,最终导致系统性能明显下降。

因此,建议各位严格控制单条日志的大小,以优化内存使用和系统性能。

06真实的数据

根据以上实验结果可得出结论:单次 HTTP 请求消耗约34KB内存,这并不意味着所有SpringBoot应用的内存消耗都是如此。由于实验所用的代码相对简单,因此34KB可能是内存消耗的最小值。

举例来说,在我司的线上环境中, 单次RPC请求的内存消耗在 0.5MB 到 1MB 之间 ,内存占用量相对较大。

这是因为复杂的基础架构、复杂的业务逻辑、复杂的流程、多次下游调用、多次SQL 调用、多次缓存调用、日志打印等等 均需要消耗大量的内存!

在此之前,我一直对新生代 Eden 区高达 5G 的情况下,仍每分钟进行 1-2 次 young GC 感到困惑。

经过粗略计算后发现,如果每次请求消耗 0.5M 内存,当单台服务器每秒并发度达到 500 次时,每分钟需要分配的内存高达 15G。因此,至少需要进行3次 young GC 才能满足需求。

http://www.jsqmd.com/news/308214/

相关文章:

  • 太牛逼了,自己封装一个日志打印工具类
  • 新型塑料板印刷机哪家强?2026年优选厂家揭秘,目前评价高的塑料板印刷机加工厂怎么选行业优质排行榜亮相
  • 2026年苏州各区汽车租赁公司实力榜:豪车出租、超跑出租、房车租赁、豪华商务车出租,机场接送、会议用车出行、全场景用车服务企业凭口碑与适配性出圈
  • 2026大型锤片式粉碎机厂家推荐:领航环保破碎时代的核心厂商全景解析
  • 2026年废旧家电处理生产线厂家权威推荐:东宏机械核心解析
  • 数据见证实力——从顶级期刊引用看北京博奥森TSA酪胺信号放大技术的科研影响力
  • [题解]P13292 [GCJ 2013 #1C] Pogo
  • 2026年环保设备行业权威推荐:郑州东宏机械设备有限公司领跑行业创新
  • 如何打造开源媒体播放器:5个专业技巧构建个人媒体中枢
  • 2026年外立面ODM源头厂家热门排行,可靠之选别错过!现代外墙砖/罗马柱瓷砖/大门柱子/文化石外墙砖,外立面厂家排行
  • 2026豆包排名优化公司有哪些?行业选择参考
  • 腾讯混元0.5B:超轻量AI边缘推理新标杆
  • 学术研究智能化:AI辅助开题报告内容精修
  • 使用Jenkins持续集成的一些经验总结
  • 智能黑苹果配置:从硬件兼容性检测到EFI自动生成的全流程指南
  • 超越Selenium!揭秘自动化测试新王牌:Playwright
  • CTFAK 2.0游戏资产解编工具全解析:从入门到精通的逆向工程利器
  • 健身房预约小程序开发全解析:实操要点与风控方案
  • GitLab+Jenkins 实现 Webhook 自动化触发构建
  • 黑苹果配置3步突破:用OpCore Simplify打造高性能游戏主机
  • 多线程下载引擎与跨平台文件管理:Ghost Downloader技术架构深度解析
  • IDM(Internet Download Manager)最新安装下载+永久免费版教程,一次安装免费使用
  • 学Simulink--电机电磁兼容与可靠性​场景示例:基于Simulink的电机轴电压与轴电流抑制仿真
  • 学Simulink--电机电磁兼容与可靠性​场景示例:基于Simulink的电机机械共振抑制仿真
  • 水泵噪音根治:FanControl三级降噪方案实现40%静音优化
  • 颠覆传统:智能化配置引领黑苹果OpenCore优化新革命
  • 3个步骤解锁Windows字体自由:用No!! MeiryoUI打造专属视觉体验
  • 2024新手必看:零基础掌握Mindustry开源塔防游戏安装与配置技巧
  • 解锁3D互动抽奖黑科技:3个场景焕新企业活动体验
  • 微信聊天记录解密与导出完全指南:从入门到精通