일 | 월 | 화 | 수 | 목 | 금 | 토 |
---|---|---|---|---|---|---|
1 | 2 | 3 | 4 | 5 | ||
6 | 7 | 8 | 9 | 10 | 11 | 12 |
13 | 14 | 15 | 16 | 17 | 18 | 19 |
20 | 21 | 22 | 23 | 24 | 25 | 26 |
27 | 28 | 29 | 30 | 31 |
- 파이썬 강좌
- Hyperledger fabric gossip protocol
- 안드로이드 웹뷰
- 파이썬 동시성
- 이더리움
- 스위프트
- 파이썬 머신러닝
- 스칼라
- 파이썬 데이터분석
- CORDA
- akka 강좌
- 그라파나
- 파이썬
- 주키퍼
- 하이브리드앱
- Actor
- Play2
- play2 강좌
- play 강좌
- hyperledger fabric
- Golang
- Akka
- Play2 로 웹 개발
- 하이퍼레저 패브릭
- 플레이프레임워크
- Adapter 패턴
- 스칼라 동시성
- 블록체인
- 스칼라 강좌
- 엔터프라이즈 블록체인
- Today
- Total
HAMA 블로그
자바 성능 관련 이슈들 모음 본문
도서관에 있는 책들과 인터넷 서핑을 통해 모은 정보들을 간략하게 정리해 봅니다.
부담없이 쭈욱 읽어가면 될듯.. 프린트해서 심심할때 읽어보셔도~
자바 애플리케이션 성능 튜닝의 도(道)
http://d2.naver.com/helloworld/184615 펌
이 글은 월간 "마이크로소프트웨어" 2012년 9월호에 "자바 애플리케이션 성능 튜닝의 도(道)"라는 제목으로 실린 글입니다. 편집 과정을 거치며 일부 내용이 책에 실린 내용과 다를 수 있습니다.
자바 애플리케이션의 성능을 튜닝하는 작업은 자바 및 JVM에 대한 지식과 수많은 튜닝 기법, 다양한 환경과 상황에 대한 경험 등을 필요로 한다. 그러나 이 모든 내용을 짧은 지면에서 소개하기에는 무리이니 이 글에서는 성능 튜닝 작업의 상세한 내용보다는 튜닝에 필요한 배경 지식과 튜닝 순서, JVM의 각종 옵션 및 튜닝 접근 방법 등의 간략한 소개를 통해 성능 튜닝의 전반적인 흐름과 방법론에 대해 살펴보도록 하자. 특히 자바 애플리케이션의 여러 도메인 중에서 인터넷 서비스를 위한 웹 애플리케이션에 중점을 두고 설명해나가겠다.
모든 애플리케이션이 튜닝을 필요로 하는 것은 아니다. 충분한 성능을 내고 있다면 굳이 추가적인 노력을 들일 필요는 없다. 하지만 방금 디버깅을 마친 애플리케이션이라고 해서 항상 목표 성능만큼 동작해 줄 것이라고 기대할 수는 없고 그렇게 기준치 이하로 성능이 미달될 때 튜닝이 필요해진다. 구현 언어에 상관없이 애플리케이션을 튜닝하는 것은 상당한 전문적인 지식과 높은 집중을 요구하는 일인데다, A라는 애플리케이션을 튜닝했을 때 사용했던 방법을 B라는 애플리케이션을 튜닝할 때 재활용할 수 있는 것도 아니다. 애플리케이션마다 고유한 동작이 있고 컴퓨터 자원을 사용하는 형태가 다르기 때문이다.
애플리케이션을 튜닝하기 위해서는 애플리케이션 작성 지식보다 좀 더 근본적이고 포괄적인, 예를 들면 버추얼머신이나 OS, 컴퓨터 아키텍처 등에 대한 지식이 필요하다. 이런 지식을 바탕으로 애플리케이션 도메인에 집중해야 수월한 튜닝이 가능하다.
자바 애플리케이션 튜닝이란 경우에 따라 GC 같은 JVM 옵션 값 변경만으로 충분할 수도 있고 아예 코드를 수정해야 할 때도 있다. 어느 방법을 선택하든 우선 자바 애플리케이션 수행 과정을 모니터링해야 한다.
그래서 이 글에서는 '어떻게 모니터링을 하는가', '어떻게 JVM 옵션을 주어야 하는가', '코드 수정 필요 판단은 어떻게 하는가'를 중심으로 살펴보도록 하겠다.
자바 애플리케이션 성능 튜닝에 필요한 지식
JVM상에서 동작하는 자바 애플리케이션의 튜닝을 위해서는 JVM의 동작 과정에 대한 이해가 필요하다. 여기서 말하는 JVM 동작 과정에 대한 지식이란 크게 Garbage Collection(이하 GC)에 대한 것과 HotSpot에 대한 지식을 꼽을 수 있다. 물론 GC나 HotSpot 지식만으로 모든 자바 애플리케이션에 대한 성능 튜닝을 할 수 있는 것은 아니지만 성능에 영향을 미치는 대부분의 요소는 이 두 가지에 속한다.
JVM의 원활한 동작 환경을 만들기 위해서는 OS가 각 프로세스에 자원을 분배하는 방식에 대한 이해가 필요하다. 자바 애플리케이션 성능 튜닝을 위해서는 JVM 자체는 물론 OS나 하드웨어에 대한 이해도 필요하다는 것이다. OS 관점에서 볼 때 JVM 또한 하나의 애플리케이션 프로세스라는 점을 염두에 두도록 하자. 덧붙여 자바 언어 도메인에 대한 지식도 중요하다. Lock이나 Concurrency에 대한 이해는 물론 클래스 로딩이나 객체 생성에 대한 지식 또한 중요도가 높다.
자바 애플리케이션 성능 튜닝을 할 때는 이러한 지식들을 종합해 접근해야 한다.
성능 튜닝 과정
<그림 1>은 찰리 헌트와 비아누 존 두 사람의 공동저서인 'Java Performance'에서 인용한 순서도로 자바 애플리케이션 성능 튜닝 과정을 표현한 것이다.
자바 애플리케이션 성능 튜닝 과정은 한 번에 통과하는 과정이 아니라 튜닝 완결까지 몇 번이고 계속 반복할 수도 있다. 기대 성능 수치 설정 또한 마찬가지다. 튜닝 과정을 통해 기대 성능 수치를 하향해야 할 때도 있고 오히려 기대 성능 수치를 상향할 때도 있다.
JVM 배포 모델이란 하나의 JVM에서 자바 애플리케이션을 동작시킬 것인지 여러 JVM에서 자바 애플리케이션을 동작시킬 것인지 결정하는 것으로 가용성, 응답 반응성, 관리 편의성 등에 따라 변경될 수 있다.
JVM이 여러 서버에서 동작하는 경우에도 한 서버에서 여러 개의 JVM을 동작하도록 하거나 서버마다 각각의 JVM을 동작하게 할 수도 있다.
물론 하나의 서버에 몇 개의 JVM이 동작할 것인가는 서버의 코어 개수와 애플리케이션의 특성 등에 따라 결정되겠지만 응답 반응성 관점에서 양자를 비교해볼 때, 같은 애플리케이션일 경우 2GB의 힙을 사용하는 경우가 8GB 크기의 힙을 사용하는 것보다 풀 GC에 걸리는 시간이 짧아 응답 반응성에 유리하다. 하지만 8GB 힙을 사용하면 2GB보다 풀 GC 발생 간격이 그만큼 줄어들 것이고 내부 캐시를 사용하는 애플리케이션이라면 히트율을 높여 응답 반응성을 높일 수 있다.
즉 하나의 장점을 선택했을 때 그 선택에 뒤따르는 단점을 극복할 수 있는 방법을 고려해야 적합한 배포 모델을 결정할 수 있다.
JVM 선택이란 32bit JVM을 사용할 것이냐 64bit JVM을 사용할 것이냐에 대한 결정이다. 동일 조건이라면 32bit JVM을 선택하는 것이 좋다. 32bit JVM이 64bit JVM보다 수행 성능이 좋기 때문이다. 32bit JVM은 논리적 최대 사용 가능 힙 크기가 4GB로, 이보다 큰 크기의 힙을 사용할 필요가 있을 때 64bit JVM을 사용하는 것이 좋다(단 32bit OS/64bit OS 모두 실제 사용 할당 크기는 2~3GB 정도다).
Benchmark | Time [sec] | Factor |
C++ Opt | 23 | 1.0x |
C++ Dbg | 197 | 8.6x |
Java 64-bit | 134 | 5.8x |
Java 32-bit | 290 | 12.6x |
Java 32-bit GC | 106 | 4.6x |
Java 32-bit SPEC GC | 89 | 3.7x |
Scala | 82 | 3.6x |
Scala low-level | 67 | 2.9x |
Scala low-level GC | 58 | 2.5x |
Go 6g | 161 | 7.0x |
Go Pro | 126 | 5.5x |
이제 작성한 애플리케이션을 가동해 성능을 측정하자. 이 과정에서 시스템 모니터링 도구나 프로파일링 도구를 사용해 GC 튜닝, OS 설정 변경, 코드 수정 등의 작업을 한다.
응답 반응성을 위한 튜닝과 처리량을 위한 튜닝은 별개의 작업일 수 있다. 단위 시간당 처리량이 많더라도 풀 GC 등을 위해 때때로 긴 'stop the world' 현상이 발생한다면 응답 반응성이 낮아지게 된다. 또한 일정 부분 트레이드 오프가 발생할 수 있음을 고려해야 한다. 이런 트레이드 오프는 응답 반응성과 처리량 사이의 관계에만 있지는 않음을 염두에 두자. 적은 메모리 사용을 위해 CPU 자원을 더 사용해야 하거나 응답 반응성이나 처리량 손실을 감수해야 할 수도 있고 반대의 경우도 발생한다. 그러므로 우선순위를 설정해 접근해야 한다.
<그림 1>의 순서도는 Swing 애플리케이션을 포함한 포괄적인 자바 애플리케이션에 대한 성능 튜닝 접근 방법이기에 인터넷 서비스를 위한 서버 애플리케이션을 작성할 때는 적합하지 않다. <그림 1>을 바탕으로 인터넷 서비스에 맞는 절차를 만들면 <그림 2>와 같은 순서도가 된다.
<그림 2>를 참고해 각각의 절차를 수행하기 위해 필요한 일을 알아보도록 하자.
JVM 옵션
웹 애플리케이션 서버 위주로 JVM 옵션 지정 방법을 설명하겠다. 모든 경우라고 할 수는 없지만 대부분의 웹 서버 애플리케이션에서 가장 좋은 GC 알고리즘은 Concurrent Mark Sweep GC다. 이는 낮은 딜레이가 중요하기 때문인데, 물론 Concurrent Mark Sweep을 사용할 경우에는 fraction이 발생해 경우에 따라 매우 긴 Stop the World 현상이 발생할 수도 있다. 하지만 이 역시 New 영역의 크기나 fraction ratio를 조정해 해결할 수 있는 경우가 많다.
전체 힙 사이즈의 크기 지정만큼 New 영역의 크기 지정 또한 중요하다. XX:NewRatio 옵션을 이용해 전체 힙 크기 중 New 크기의 비율을 지정하거나 XX:NewSize 옵션을 사용해 원하는 크기만큼의 New 영역 크기를 지정하는 것이 좋다. 대부분의 객체는 생존 시간이 길지 않기 때문에 New 영역 크기 지정이 중요해진다. 웹 애플리케이션에서 캐시 데이터를 제외한 대부분의 객체는 HttpRequest에 대한 HttpResponse가 만들어지는 시간에 생성된다. 보통 이 시간은 1초를 넘지 않기에 객체의 생존 시간도 1초가 되지 않는다. 만약 New 영역의 크기가 크지 않다면 새로 생성되는 객체의 자리를 위해 Old 영역으로 이동돼야 하고 Old 영역에 대한 GC 비용은 New 영역에 대한 GC 비용보다 상당히 크기 때문에 충분한 New 영역 크기를 잡아줘야 한다.
다만 일정 수치 이상으로 New 영역의 크기가 커지면 오히려 응답 반응성이 떨어지는 문제가 발생할 수 있으므로 주의하자. New 영역에 대한 GC는 기본적으로 어느 한 서바이버 영역에서 다른 서바이버 영역으로 복사하는 것이기 때문이다. 또한 Old 영역뿐만 아니라 New 영역에 대한 GC를 할 때에도 Stop the World 현상은 발생한다. New 영역이 커지면 상대적으로 서바이버 영역의 크기도 커져 그만큼 복사해야 할 데이터의 크기도 늘어난다. 이런 특성을 감안해 New 영역의 크기를 정할 때는 HotSpot JVM의 OS별 NewRatio를 참고하는 것이 좋다.
OS & option | 디폴트 –XX:NewRatio |
Sparc –server | 2 |
Sparc –client | 8 |
x86 –server | 8 |
x86 –client | 12 |
NewRatio를 지정하면 전체 힙 크기 중에서 1/(NewRatio + 1) 만큼이 New 영역의 크기가 된다. Sparc server의 NewRatio가 유독 작은 것을 알 수 있는데 기본값을 정하던 당시 x86보다 Sparc 시스템을 하이엔드 용도로 사용했기 때문이다. 요즘은 x86 서버 사용이 흔해졌고 성능 또한 향상됐기 때문에 Sparc server에 준하는 값인 2 또는 3 정도를 지정하는 것이 좋다.
NewRatio 대신 NewSize와 MaxNewSize를 지정할 수도 있다. NewSize에서 지정한 값만큼 New 영역이 생성됐다가 MaxNewSize에서 지정한 만큼 New 영역이 커진다. Eden이나 서바이버 또한 지정된 또는 기본 비율에 따라 같이 커진다. Xs와 Xmx 크기를 같게 하는 것처럼 NewSize와 MaxNewSize 또한 같게 지정하는 것이 좋다.
NewRatio와 NewSize를 지정했을 때는 둘 중 큰 값을 사용하기 때문에 힙이 생성됐을 때 최초의 New 영역의 크기는 다음과 같다.
min(MaxNewSize, max(NewSize, heap/(NewRatio+1)))
전체 힙과 New 영역의 적합한 크기를 한 번에 알 수는 없다. 웹 서버 애플리케이션을 기준으로 <표 3>과 같은 JVM 옵션으로 자바 애플리케이션을 가동해보는 것을 권한다. 이 옵션들로 성능을 모니터링한 후 더 적합한 GC 알고리즘이나 옵션으로 변경하자.
종류 | 옵션 |
동작 모드 | -sever |
전체 힙 크기 | -Xms와 –Xmx의 값을 같게 |
New 영역 크기 | -XX:NewRatio 2~4 정도의 값 |
-XX:NewSize=? –XX:MaxNewSize=? NewRatio 대신 NewSize를 지정하는 것도 좋다. | |
Perm 크기 | -XX:PermSize=256m -XX:MaxPermSize=256m 성능에 영향을 미치지 않으므로 동작에 문제가 없을 정도만 지정한다. |
GC 로그 | -Xloggc:$CATALINA_BASE/logs/gc.log -XX:+PrintGCDetails -XX:+PrintGCDateStamps GC로그를 남기는 것은 특별히 Java 애플리케이션 수행 성능에 영향을 미치지 않는다. 가급적이면 GC 로그를 남기는 것이 좋다. |
GC 알고리즘 | -XX:+UseParNewGC -XX:+CMSParallelRemarkEnabled -XX:+UseConcMarkSweepGC -XX:CMSInitiatingOccupancyFraction=75 일반적으로 권할만한 설정일 뿐이다. 애플리케이션 특성에 따라 다른 선택이 더 좋을 수 있다. |
OOM 에러 발생 시 힙 덤프 생성 | -XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=$CATALINA_BASE/logs |
OOM 발생 이후 조치 | -XX:OnOutOfMemoryError=$CATALINA_HOME/bin/stop.sh 또는 -XX:OnOutOfMemoryError=$CATALINA_HOME/bin/restart.sh 힙 덤프를 남긴 뒤, 관리 정책에 맞게 적합한 동작을 취할 수 있도록 한다. |
애플리케이션 성능 측정
애플리케이션 성능을 측정하기 위해 파악해야 할 정보는 다음과 같다.
- TPS(Transaction Per Second)/OPS(Operation Per Second): 개념적으로 해당 애플리케이션의 성능을 이해하는데 필요한 정보다.
- RPS(Request Per Second): 엄밀한 의미에서 응답 반응성과는 다르지만 RPS를 응답 반응성으로 이해해도 큰 무리는 없다. 사용자가 원하는 결과를 보기 위해 기다려야 하는 시간을 알 수 있다.
- RPS 표준편차: 가급적 고른 RPS가 나오도록 할 필요가 있다. 편차가 발생한다면 GC 튜닝이나 연동 시스템에 대한 점검이 필요하다.
정확한 성능 수치를 위해 충분히 워밍업된 상태에서 측정하는 것이 필요하다. HotSpot JIT에 의해 바이트 코드가 컴파일된 상태가 되기를 기대하기 때문인데, nGrider를 이용해 통상 10분 이상 특정 기능에 대한 부하를 준 뒤 성능 수치를 측정하는 것이 좋다.
본격적인 튜닝
본격적으로 사례별 접근 방법을 알아보자.
Stop the World 시간이 길다
Stop the World 시간이 긴 이유는 적합하지 않은 GC 옵션 때문일 수도 있지만 잘못된 구현 때문일 수도 있다. 프로파일러나 힙 덤프 결과를 통해 힙을 차지하고 있는 객체의 종류와 생성 개수를 확인해보고 적합여부를 판단한다. 불필요한 객체가 많이 생성돼 있다면 코드를 수정하는 것이 좋다.
객체 생성 과정에 특별한 문제가 없다면 GC 옵션을 변경하자. 적합한 GC 옵션 조정을 위해서는 충분한 시간 동안 확보한 GC 로그가 필요하다. 어떤 상황에서 긴 Stop the World가 일어나는지 파악하자.
GC는 객체를 얼마나 많이 생성하느냐보다는 생성된 객체가 얼마나 오래 남아있는가가 더 중요하다. 즉 객체가 보다 빨리 GC 대상이 될수록 Stop the World 시간은 줄어들 가능성이 높다.
객체가 빨리 GC 되게 만드는 팁은 다음과 같다.
- 객체의 크기를 가급적 작게 유지한다.
- Collection이나 기타 Container 형태의 자료구조 안에서 배열의 크기를 변경하는 작업은 가급적 피하자.
- SoftReference는 사용하지 않는 게 좋다.
CPU 사용률이 낮다
TPS가 낮은데 CPU 사용률도 낮다면 blocking time이 원인이다. 이 경우 연동 시스템의 문제나 동시성(concurrency) 문제일 수 있다. 스레드 덤프 결과 분석이나 프로파일러를 이용해 확인할 수 있다. 상용 프로파일러를 이용하면 매우 정밀한 lock 분석을 할 수 있지만 대부분의 경우 jvisualvm에 있는 CPU 분석만으로도 충분한 결과를 얻을 수 있다.
CPU 사용률이 높다
TPS가 낮은데 CPU 사용률만 높다면 효율적이지 못한 구현 때문일 가능성이 높다. 이 경우 프로파일러를 이용한 병목 지점 파악이 유효하다. jvisualvm이나 eclipse의 TPTP, JProbe 등을 이용해 분석하자.
튜닝 접근 방법
애플리케이션을 튜닝할 때는 먼저 성능 튜닝이 필요한지 파악해야 한다. 성능 측정 과정은 매우 고되고 언제나 좋은 결과를 얻을 수 있다는 보장도 없기 때문에 충분한 목표 성능을 만족하고 있다면 굳이 튜닝을 하지 않는 것이 효율적이다.
- 문제는 단 한 곳에 있고 그 하나만 수정하면 된다: 파레토 이론은 성능 튜닝에도 적용된다. 문제는 반드시 하나라는 의미보다는 가장 성능에 영향을 미치는 하나에만 집중해 접근할 필요가 있다는 뜻으로 해석하자. 하나에 집중해서 해결하고 난 다음에 다른 문제 해결을 위해 노력하도록 하자.
- 풍선 효과: 무엇을 얻기 위해 무엇을 포기해야 하는지 결정해야 한다. 캐시를 적용해 응답 반응성을 높일 수는 있지만 캐시의 크기가 커지면 풀 GC 시간이 길어질 수 있다. 적은 메모리 사용량을 선택하면 대개 처리 용량이나 응답 반응 시간이 나빠진다. 하나를 선택하면 하나를 포기해야 한다는 것을 염두에 두고 우선순위를 정해 선택하자.
여기까지 자바 애플리케이션 성능 튜닝 방법을 정리해 봤다. 성능 측정에 대한 구체적인 절차를 만들다보니 세부적인 정보를 제외하고 설명하기도 했지만 자바 웹 서버 애플리케이션을 튜닝하기 위한 대부분의 경우는 만족시킬 수 있을 것이라 생각한다.
참고: 성능 튜닝 도구
성능 튜닝 작업을 위해서는 Java 애플리케이션의 성능을 측정하고 실행 상태를 모니터링할 다양한 도구가 필요하다. JDK에 내장된 명령 도구인 jstat, jmap, jstack, jhat도 유용하지만 그 외에도 다양한 도구가 있어 소개한다.
프로파일링 도구
JProbe, Yourkit 등의 상용 제품이 유명한데 대부분의 프로파일링 도구는 상용제품으로, 오픈소스나 공개된 프로파일링 도구는 거의 없는 형편이다.
- Eclipse TPTP: 현재는 개발이 중단된 상태이나 공개된 프로파일링 도구 중 꽤 쓸만한 편이다.
- JVisualVM: JDK에 포함된 기본 도구로 GC 분석, 힙 덤프 및 스레드 덤프 생성, 스레드 모니터링 등의 다양한 용도로 사용할 수 있다. 내장된 샘플러 도구를 통해 간단한 프로파일링이 가능하다.
성능 측정용 도구
성능 측정용 도구로는 HP의 LoadRunner가 가장 유명하다. 그러나 상용제품으로 꽤 비싼 가격이므로 본문에서 언급한 nGrinder를 소개한다.
- nGrinder: NHN에서 제작해 공개한 오픈소스로 기존 오픈소스 성능 측정 도구인 Grinder의 불편한 점을 보완하고 통합 환경을 제공한다.
GC 로그 분석 도구
본문의 <표 3>처럼 GC 로그를 남겼다면 다양한 GUI 도구를 이용해 GC 추이를 분석할 수 있다.
- Hpjmeter: HP에서 개발 배포하는 자바 성능 분석 도구로 Heap Dump 분석, 모니터링 등의 여러 기능을 가지고 있는 멀티툴이지만 GC 로그를 매우 깔끔하게 보여주므로 GC 로그 분석기로도 사용하기 좋다.
- GC Viewer: 오픈소스로 개발된 GC 로그 뷰어다.
- IBM Pattern Modeling and Analysis Tool for Java Garbage Collector: IBM developerworks에서 개발해 공개한 GC 로그 뷰어다.
- JVisualVM의 VisualGC plugin: JVisualVM 내에 탑재된 GC 모니터링 플러그인이다. 현재의 GC 동작을 모니터링하기에 유용하다.
힙 덤프 분석 도구
Stop the World 시간이 길거나 기타 이유로 성능이 나쁘다고 여겨질 때 힙 덤프를 얻어 분석하는 것도 효과적이다.
- Eclipse Memory Analyzer: 흔히 이클립스 MAT이라고 부르는 이클립스 기반의 메모리 분석기다. 이클립스 플러그인으로 설치해 사용할 수도 있고 이클립스 RCP로 된 스탠드 얼론 프로그램으로 사용할 수도 있다.
- IBM HeapAnalyzer: IBM developerworks에서 개발해 공개하고 있는 힙 메모리 분석기다.
자바 성능 의 9가지 오해 (http://www.infoq.com/articles/9_Fallacies_Java_Performance)
1. Java is slow (?)
90년대 말이나 2000년대 초까지는 자바가 느린 것이 사실일 수도 있다. 하지만 현재는 JVM과 JIT Compiler의 향상으로 상당한 속도 향상을 가져왔다. 많은 경우 C++ 만큼의 성능 향상을 가져왔다.
2. A single line of Java means anything in isolation (?)
MyObject obj = new MyObject();
자바개발자가 보기에 명백히 객체를 할당하고 적당한 생성자를 작동시키는게 틀림없다. 네가 저 코드에서 무엇인가 성능개선점이 있다고 확신하여 지지고 볶고하지마라..저 코드라인은 전혀 실행되지 않을 수도있다. 이 얘기를 왜하냐면 미리 직관적으로 성급한 자바 성능개선을 하지 말라는거다. 대신 항상 네 코드를 빌드하고 네 코드의 성능상 중요지점이 어디인지 아는데 관심을 기울이라는 얘기이다.
3. A microbenchmark means what you think it does (?)
위에 보다시피 적은 규모의 코드에 대해서 성능향상을 꾀하려고하는것은 바보짓이다. 큰 단위에서 바라보라.
microbenchmarks 는 굉장하게 어렵다. 자바 플랫폼은 굉장히 복잡하다. 대부분의 microbenchmarks 는
뻘짓이다.
4. Algorithmic slowness is the most common cause of performance problems (?)
5. Caching solves everything (?)
어떤 구린시스템이 있을때 그 시스템 면전에서 욕하고 협박하지 말고 앞단에 하나의 레이어를 덧대는것을 생각해보라. 물론
이 해법은 꽤 복잡하다 (전체 아키텍처를 알아야하거나 다음 개발자에게 더 안좋은 상황을 선사할수도 있겠다..)
Caching 레이어를 추가할때 항상 이 레이어가 제대로 될 것인지 생각하라.
6. All apps need to be concerned about Stop-The-World (?)
가비지컬렉션 로그 쓰는것자체가 쓰레드에 굉장한 부담이 될수있다는것을 알고 써라.
7. Hand-rolled Object Pooling is appropriate for a wide range of apps (?)
In summary, object pooling should only be used when GC pauses are unacceptable, and intelligent attempts at tuning and refactoring have been unable to reduce pauses to an acceptable level.
8. CMS is always a better choice of GC than Parallel Old (?)
- Serial GC
- Parallel GC
- Parallel Old GC(Parallel Compacting GC)
- Concurrent Mark & Sweep GC(이하 CMS)
- G1(Garbage First) GC
- 다른 GC 방식보다 메모리와 CPU를 더 많이 사용한다.
- Compaction 단계가 기본적으로 제공되지 않는다.
따라서, CMS GC를 사용할 때에는 신중히 검토한 후에 사용해야 한다. 그리고 조각난 메모리가 많아 Compaction 작업을 실행하면 다른 GC 방식의 stop-the-world 시간보다 stop-the-world 시간이 더 길기 때문에 Compaction 작업이 얼마나 자주, 오랫동안 수행되는지 확인해야 한다.
9. Increasing the heap size will solve your memory problem (?)
JVM 의 다른 파라미터들을 튜닝하거나 힙사이즈를 바꾸기전에 객체할당과 생존기간에 대한 매커니즘을 이해하라.
-------------------------------------------------------------------------------------
GC 튜닝 (http://rajalo.tistory.com/entry/java-GC-%EA%B4%80%EB%A0%A8)
1. RMI 사용시 주기적인 FULL GC 발생
: 주기적으로 system.gc() 를 호출하는데 이것은 STOP-THE WORLD 식의 FULL GC 를 유발한다.
해결책: 1. 아예 실행안되게 2. 인터벌을 길게 3. GC콜이 Concurrent 방식으로 이루어지게 함.
2. Paging in/out에 의한 GC 지연
해결책 : 1. Java Max heap size 를 줄임. (OS자체의 메모리 부족으로 페이징이 자주 일어나는거 같다)
3. Heap 여유 공간이 충분한데도 OutOfMemoryException이 일어난다.
자바의 메모리공간에 대한 이해가 필요하다. (Parmanent Space 와 힙이 2가지임. 객체용, 네이티브용)
C++ 과 다르게 자바는 실행시간에 리플렉션을 통해 코드를 끌어오므로 Parmanent Space 가 막 늘어날수가있음.
또 쓰레드에 대한 정보는 네이티브힙에서 관리하는데 쓰레드가 너무 많아지면 이게 네이티브힙이 버티질 못한다.
해결책 : 1. Parmanent Space 크기를 늘린다.(로그에 이게 문제라면) 2. 쓰레드풀을 사요하여 네이티브힙의 크기를 안정화시킨다.
4. 큰 뉴 제네레이션에 의한 FULL DC 발생.
New Generation 이 크면 minor DC 에는 유리하지만 FULL DC에는 불리할 확률이 높다는것을 알고 적당한 크기를 찾자
------------------------------------------------------------------------------------
가비지 컬렉션에서의 메모리 누수 (http://minjang.egloos.com/2372567)
.
메모리 누수는 GC라 해도 완벽히 잡아낼 수 없다. 메모리 누수를 다시 두 개로 나눠 생각하면:
- 접근 불가능한 객체에 대한 누수(lost objects): 더 이상 해당 객체에 접근을 할 수 없지만 반환되지 않은 것들
- 더 이상 사용하지 않는 객체에 대한 누수(useless objects): 도달은 가능한데 더 이상 사용하지 않는 것들
핵심은 두 번째 해당하는 녀석인데, 먼저 여기서 아주 간략히 GC의 작동 원리부터 이야기 하면, 사실 별 것 없다. 근본 원리는 할당 받은 메모리에 접근할 수 있는 경로가 더 이상 존재하지 않는다면 이 메모리는 사용되지 않는 것으로 간주하고 GC가 자동적으로 반환하는 것이다. 코드까지 쓰기는 귀찮고(…) 대표적인 예로 메모리를 할당 받은 변수가 지역 변수라서 해당 스코프를 벗어나면 더 이상 접근 불가능한 경우가 있다.
그러나 문제는 두 번째에 해당하는 문제, 즉 도달은 가능한데 더 이상 사용하지 않는 객체에 대한 메모리 누수이다. 조금 극단적인 경우지만 이런 서버 프로그램의 예를 생각해보자.
- 클라이언트가 접속할 때 마다 Client라는 자료 구조를 하나 할당하고 전역 리스트에 이 Client 객체를 넣는다.
- 클라이언트가 접속을 끊으면 해당 Client 자료 구조를 리스트에서 삭제한다.
만약 이렇게만 작동한다면 GC는 똑똑히 작동한다. 2번 과정에서 더 이상 해당 Client 자료 구조에 대한 접근이 사라지므로 GC는 이 객체를 해제할 수 있다. C/C++ 처럼 명시적으로 Client 객체를 free/delete 할 필요는 없다.
그러나 문제는 프로그램이 복잡해지면 2번 과정에 실수가 있을 수 있다. 분명 더 이상 객체가 사용되지 않는데 프로그램 어딘가에 이 객체로 접근할 수 있는 길이 남아 있는 것이다. 극단적으로 이야기 하면 프로그래머가 2번 과정을 실수로 빼먹는 경우다. 아무리 이 Client 객체가 사용되지 않지만 전역 리스트에 자리를 차지하고 있으니 GC는 이것이 언젠가는 사용될 것이라고 보수적으로 판단해서 삭제를 할 수 없다.
어떤 메모리가 오랫동안 사용되지 않는다 하더라도 GC는 이 메모리 영역을 해제할 수 없다. 극단적으로 어떤 객체가 백 만년 뒤에 쓰인다면? 이건 구현이 어려워서가 아니라 아예 불가능한 영역이 있다. 미래를 예측할 수 없기 때문이다. GC 구현 기법 중 Generational GC 등이 있는데 이건 접근 불가능한 객체들을 효율적으로 찾기 위한 것이지, 이렇게 더 이상 사용되지 않는, 그런데 도달은 가능한 객체에 대한 누수를 해결하는 것이 아니다.
따라서 어떤 객체로 접근할 수 있는 방법이 있다면 GC는 아무것도 할 수 없고 실제 큰 자바 프로젝트(예를 들어 느려터진 이클립스)에서는 메모리 누수가 많이 일어난다. Managed 환경에서도 메모리 사용을 프로파일링 하는 도구는 많이 있고 메모리 누수 검출 도구도 많이 있다. .NET Memory Profiler, JRockit 같은 것이 일단 있고 C/C++ 쪽은 익히 아는 DevPartner나 GNU 환경에서는 Valgrind 같은 것들이 있다.
위키에도 이런 내용이 잘 있다. 물리적 메모리 누수(lost objects)와 논리적 메모리 누수(useless objects)로 분류하고 GC는 후자에 대해서는 아무것도 할 수 없다.
Garbage Collection과 Statement Pool
NHN 게임서비스기술지원팀 최동순
잘 설정한 Statement Pool 개수는 GC(Garbage Collection) 전문가의 튜닝이 부럽지 않습니다. 이 글에서는 Statement Pool의 개수가 GC 과정에 미치는 영향을 살펴보고 어떻게 Statement Pool 개수를 설정하는지 설명합니다.
Statement Pool 개수를 살펴야 하는 이유
JDBC Statement Pool의 크기를 기본값으로 설정해 사용하는 경우가 많다. 물론 기본값을 사용해도 특별한 문제가 없는 경우가 많다. 그러나 제대로 설정한 Statement Pool 개수는 GC 튜닝을 한만큼의 효과가 있을 수 있다. Statement Pool 값을 기본값으로 설정해 사용하고 있다면, 메모리 사용을 좀 더 최적화하고 싶을 때 GC 튜닝을 시도하기에 앞서 올바른 Statement Pool 값이 무엇인지 고민해 보자.
"Java Garbage Collection"에서 다룬 것처럼 Java에서는 Garbage Collector를 설계할 때 weak generational hypothesis 를 전제로 한다. NHN 웹 서비스는 특별한 경우가 아니면 대부분 늦어도 300ms 이내에 응답을 줄 수 있어야 한다. 그렇기 때문에 일반적인 스탠드얼론 형태의 애플케이션보다 NHN의 웹 서비스가 위 전제에 더 부합하고 있음을 알 수 있다.
HTTP 요청에서 응답까지 GC가 일어나는 과정
Tomcat 같은 웹 컨테이너와 다양한 프레임워크를 이용하여 웹 서비스를 개발할 때에 개발자가 직접 생성한 객체의 수명은 보통 아주 짧거나 아주 길거나 둘 중에 하나이다.
웹 개발자가 주로 작성하는 코드는 Interceptor, Action, BO, DAO 인데, 이런 코드에서 생성되는 객체는 HTTP 요청이 왔을 때 응답을 주기까지의 매우 짧은 시간만 살아 있다. 그래서 이런 객체는 대부분 Young GC 때 수거된다.
물론 singleton 객체같이 Tomcat 라이프사이클과 같을 정도로 아주 길게 살아 있는 객체도 있을 것이다. 이런 객체는 Tomcat이 가동된 후 얼마 지나지 않아 모두 Old 영역으로 Promotion되어 있을 것이다.
그런데 jstat 등으로 웹 애플리케이션을 지속적으로 모니터링해 보면 Young GC 때 Old 영역으로 Promotion되는 객체가 항상 있다.
이런 객체는 대부분 컨테이너와 프로젝트에서 사용하는 프레임워크에서 성능 향상을 위해 사용하는 캐시에 저장하여 사용하는 객체이다. 이렇게 캐싱되는 객체는 시간적인 문제가 아닌 cache hit ratio에 따라서 GC 대상 여부가 결정되기 때문에 hit ratio가 100%가 아닌 이상은 아무리 Young GC 주기를 길게 설정해도 Old로 Promotion되는 것을 막을 수 없다.
이런 캐시 중에서 메모리 사용량에 가장 큰 영향을 주는 것은 Statement Pool이다. 만약 iBatis를 사용하고 있다면 모든 SQL을 preparedStatement로 처리하는 iBatis의 특성상 Statement Pool을 사용한다.
만약 사용하는 SQL의 개수에 비하여 Statement Pool의 크기가 작다면, cache hit ratio가 낮게 될 것이고 캐시 유지 비용이 발생하게 될 것이다. Old 영역에서 계속 있어도 되는 (reachable 또는 있는 게 좋은) 객체가 GC의 대상이 되어 회수되고, 이후 HTTP 요청 처리 과정에서 다시 생성된 다음 캐싱되어 Old 영역까지 Promotion되는 것이다. 이런 과정으로 Full GC 주기에 영향을 주게 된다.
Statement 객체의 크기
하나의 Statement 객체의 크기는 그 Statement가 처리하는 SQL 코드 길이에 비례한다고 보아도 무리가 없다. 길고 복잡한 SQL을 예로 든다고 해도 약 500바이트 내외가 될 것이다. 객체 크기가 작아 Full GC 주기에 별 영향을 줄 것 같지 않지만, 실제로는 그렇지 않다.
JDBC 스펙을 살펴 보면 다음 그림처럼 각 커넥션이 자신의 Statement Pool을 각각 가지는 구조이다. 즉 하나의 Statement 객체 크기가 500바이트 정도로 작더라도 커넥션 수가 많으면 그에 비례하여 heap을 점유하게 된다.
그림 1 Connection과 Statement Pool과의 관계
Statement Pool의 cache hit ratio가 Full GC에 미치는 영향
cache hit ratio가 Full GC에 미치는 영향을 알아보기 위해 간단한 테스트 프로그램을 제작하였다. cache hit ratio가 하나는 100%가 되도록 하고 다른 하나는 50%가 되도록 했다. 그리고 동일한 부하를 주었을 때 다음 표와 같은 결과가 나왔다.
Young GC가 발생한 횟수는 둘 다 비슷하지만, Full GC의 경우는 cache hit ratio가 100%이면 Young GC 때 Old로 Promotion되는 객체의 양이 적어 한 번만 Full GC가 발생한다. 반면 cache hit ratio가 50%이면, Statement Pool에 캐싱되었다가 다시 LRU 방식으로 풀(pool)에서 제거되고 다음 요청에서 다시 캐싱되는 방식이기 때문에 Young GC 때 Old로 Promotion되는 Statement 객체의 개수가 많아져 총 4번의 Full GC가 발생하였다.
표 1 cache hit ratio = 100%
... | OC | OU | YGC | FGC | FGCT | GCT |
… | 10688.0 | 6940.9 | 532 | 1 | 0.190 | 1.274 |
... | 10688.0 | 6940.9 | 532 | 1 | 0.190 | 1.274 |
표 2 cache hit ratio = 50%
... | OC | OU | YGC | FGC | FGCT | GCT |
... | 10240.0 | 7092.7 | 554 | 4 | 0.862 | 2.253 |
... | 10240.0 | 7412.0 | 555 | 4 | 0.862 | 2.255 |
또 한 가지 언급하고 싶은 내용은, cache hit ratio가 50%인 상황은 앞서 소개한 weak generational hypothesis의 2번째 항목에 위배되는 상황이라는 것이다. cache hit ratio가 낮아서 빈번히 풀에 등록되었다가 제거되는 현상이 반복된다는 것은 이미 Old 영역에 있는 풀에서 Young 영역에 생성된 Statement 객체에 대한 참조를 가지게 되는 것으로 card table marking 기법 으로 별도로 reference를 관리하게 되어서 GC 시에 추가적인 부담이 발생하게 된다.
마치며
Oracle과 MySQL에 대한 Statement Pool 기본값은 500으로 설정해도 충분할 것이다. 그 이상의 SQL이 사용된다면 충분한 크기로 늘리는 것이 시스템의 효율을 높이는 방법이다 .
하지만 필요보다 높은 수를 설정하는 것도 문제가 있다. 그만큼 많은 메모리를 사용하게 되고, OOME(Out Of Memory) 발생 가능성도 높아지기 때문이다. SQL 개수가 1만 개, 커넥션 개수가 50개인 상황을 가정하고 계산해 보면 메모리 사용량이 250MB 정도가 된다(500 byte * 50 * 10,000 = 250 MB).
운영중인 서비스의 Xmx 설정을 확인하여 OOME 발생 가능성 여부는 쉽게 판단할 수 있을 것으로 생각한다.
http://helloworld.naver.com/helloworld/textyle/4717)
'Java' 카테고리의 다른 글
자바 스케쥴링 & 타이머 방법들 (0) | 2015.05.14 |
---|---|
Java Time/ Date / Calendar example (0) | 2015.05.13 |
Java Time,Data 클래스의 문제점과 JAVA 8 (0) | 2015.05.13 |
자바 List 순회 (0) | 2015.05.12 |
자바에서 Map 순회 (0) | 2015.05.12 |