Java / 系统课时
识别 Allocation Stall 与回收余量
识别 Allocation Stall 与回收余量
Allocation Stall 表示应用线程继续分配对象时,可立即使用的堆空间不足,只能等待 ZGC 回收出空间。排查时不要只看一次停顿,而要把分配速率、堆余量、回收响应时间和长期存活集放到同一条时间线上判断。
学习目标
- 解释 Allocation Stall 与普通 GC 暂停的区别
- 用 GC 日志和堆信息判断分配速度是否超过回收速度
- 区分堆配置过紧、分配突增与长期存活集过大的修复方向
先确认是不是分配被迫等待
ZGC 的目标是让大部分回收工作与应用线程并发执行,但并发不代表空间无限。如果应用在回收完成前把可用空间消耗完,分配线程仍可能被迫等待,这就是 Allocation Stall。它反映的是“空间供应跟不上分配需求”,而不是某个固定 GC 阶段天然需要长时间停顿。
先为进程开启足够详细的 GC 日志。下面命令以 JDK 21 分代 ZGC 为例,<PATH> 替换为实际路径。
java -XX:+UseZGC -XX:+ZGenerational -Xms4g -Xmx4g -Xlog:gc*=debug:file=<PATH>/gc.log:time,uptime,level,tags -jar <PATH>/app.jar预期结果
应用正常启动,并在 <PATH>/gc.log 持续写入 ZGC 初始化、回收周期和堆变化信息。
发生 Allocation Stall 时,日志中会出现包含 Allocation Stall 的相关记录;未发生时不会凭空出现该记录。如果只能在线排查现有进程,可先确认当前堆规模与占用。
jcmd <PID> GC.heap_info预期输出
命令返回当前 JVM 的堆信息以及其他运行时内存信息;具体字段、排版和数值会随 JDK 构建版本及垃圾收集器实现变化。实际排查时重点关注当前已使用容量、可用余量和最大容量的关系,不要把某个 JDK 构建的固定输出结构当成稳定接口。
把余量看成时间预算
真正决定 Stall 风险的不是“当前还剩多少 GB”,而是这些空间还能支撑应用分配多久。可以用一个排障近似式建立直觉:
它不是 JVM 的内部触发公式,而是工程估算。若应用每秒分配 1 GB,而从触发回收到真正释放出足够空间需要 2 秒,那么仅有几百 MB 空闲显然经不起一次分配突峰。相同的堆大小,在更高分配速率或更慢回收速度下,Stall 风险都会上升。

按证据区分三类根因
第一类是堆配置过紧。表现通常是 live set 相对稳定,但堆很快接近上限,稍有流量突增就出现 Stall。此时增加 -Xmx、为突发分配保留更多余量通常能直接改善;如果机器物理内存本身不足,则必须先解决容量约束。
第二类是分配速率突然升高或长期过高。年轻代回收会明显变密,堆在短时间内快速被新对象填充。根因常见于大对象批量创建、序列化缓冲、临时集合、请求峰值或批任务并发。此时只加堆可能只是延后问题,更有效的是降低峰值并发、复用缓冲区或减少不必要的临时对象。
第三类是长期存活集过大或回收跟不上。如果长期存活对象占用持续升高、回收后下降很少,或者 CPU 已被业务线程压满导致并发 GC 难以及时获得执行资源,就会出现“有 GC,但腾不出足够空间”的状态。前者要查对象保留链和缓存边界,后者要给回收线程留下 CPU 余量,而不是盲目增加 GC 线程。
用日志验证修复是否有效
完成调整后,使用同一压测流量和相同观测窗口复测。可以先从日志中筛出 Stall 与 GC 周期,再与吞吐、延迟和堆占用对齐。
grep -E 'Allocation Stall|Garbage Collection|Out Of Memory' <PATH>/gc.log | tail -n 80预期结果
若修复有效,在相同负载窗口内 Allocation Stall 记录应消失或明显减少。
Garbage Collection 记录仍可能存在;目标不是消灭 GC,而是让应用分配不再因空间不足被迫等待。只有“Stall 下降”还不够。如果通过无限加大堆才换来短期稳定,而长期存活集仍持续抬升,问题只是被推迟。可靠的验收应同时满足:相同负载下没有持续 Allocation Stall、尾延迟恢复、堆余量不再逼近上限,并且长期存活集保持稳定。