这篇写一个 Java 线上性能排查里最容易被“玄学参数”带偏的问题：接口 p99 突然出现尖刺，GC 日志里 G1 Pause 从几十毫秒变成两三百毫秒。很多人第一反应是去网上复制一串 JVM 参数，但真正有效的顺序应该是先拿证据，再小步调优。
本文适用于 Java 17/21、Spring Boot 服务和默认使用 G1 GC 的常见后端应用。资料只用于核对事实：G1 的暂停目标是软目标，官方也建议先从默认设置、最大堆和 GC 日志/JFR 证据出发。正文按生产复盘写，不搬调参清单。
业务场景：支付回调 p99 每隔几分钟尖一下
支付回调服务平时延迟很稳，某次活动后 p99 每隔几分钟就抬到 800ms。CPU 没满，数据库也没慢，但 GC 日志显示年轻代暂停明显变长，JFR 里还能看到大对象分配增多。
这类问题最怕只看平均值。平均耗时可能还行，但用户感受到的是尖刺。我们要把业务 p99、GC pause、堆占用、分配速率放到同一条时间线上看。
问题复现：批量查询加 JSON 序列化放大分配
最小复现是一个批量接口：一次查 2000 条订单，再把整批对象组装成大 JSON 返回。低峰没问题，高峰时 Eden 很快被填满，大对象还可能进入 humongous region，G1 为了回收和整理会产生更明显的暂停。
参数不是没有用，但如果业务代码持续制造大量短命对象和大对象，单靠 MaxGCPauseMillis 很难从根上解决问题。
踩坑原因：把暂停目标当硬指标
-XX:MaxGCPauseMillis 是目标，不是保证。目标设得太激进，G1 会尝试缩短暂停，但吞吐、并发回收压力和堆空间都会受影响。业务分配模式不变，暂停可能换一种方式继续出现。
我见过最危险的做法，是把一堆看不懂的 G1 参数复制到生产：新生代比例、IHOP、保留百分比、并发线程全改。短期似乎好了，下一次流量形态变化又出新问题，而且没人知道哪个参数起了作用。
代码案例：先打开可观测，再谈调参
下面这张图不是说参数永远不能调，而是建议先保留证据。没有 GC 日志、没有 JFR、没有分配来源，调参就是盲飞。
JAVA_OPTS=" -Xms4g -Xmx4g -Xlog:gc*,safepoint:file=/logs/gc-%t.log:time,level,tags:filecount=10,filesize=50M -XX:MaxGCPauseMillis=200 -XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=/logs/heapdump.hprof "
如果 JFR 显示分配集中在某个 JSON 转换、批量列表、缓存复制或日志拼接，优先改代码：分页、流式处理、减少中间对象、复用缓冲、限制响应大小。这些通常比把暂停目标从 200ms 改成 50ms 更靠谱。
诊断步骤：我会按这六步走
第一步，对齐时间线。 把接口 p99、GC pause、CPU、堆占用、分配速率放在同一张图，不要只看单点日志。
第二步，打开 GC 日志。 看 young pause、mixed GC、humongous allocation、to-space exhausted、remark/cleanup 等关键信息。
第三步，抓 JFR。 重点看 GC Pause、Allocation in new TLAB/outside TLAB、Object Count、Socket/Thread Park 等事件。
第四步，找大对象和高频分配。 批量查询、一次性 JSON、图片/报表、日志拼接、大 Map 缓存都要重点查。
第五步，先改业务分配。 降低单请求对象量，拆批处理，限制列表大小，避免把大对象放进缓存。
第六步，再灰度参数。 每次只改少数参数，保留改前改后 GC 日志和业务指标。
上线检查：别让调参变成新风险
- 确认
-Xms、-Xmx与容器内存限制匹配，避免 OOMKill。 - 确认 GC 日志滚动配置，别把磁盘写满。
- 确认 p95/p99、GC pause、分配速率、Old 区占用都有告警。
- 确认每次参数变更都有灰度和回滚方案。
- 确认代码层面的分配优化已经验证，不把所有压力甩给 GC。
我的经验总结
G1 GC 很强，但它不是魔法。暂停变长时，先问业务最近是不是分配更多对象、响应更大、缓存更重、批处理更猛。GC 往往只是把应用的对象分配习惯暴露出来。
我的建议很简单：默认参数起步，日志和 JFR 先行，代码降分配优先，参数小步灰度。Java 生产优化最怕一把梭，最稳的是每一步都有证据。
