parallel gc核心目标是吞吐量优先，适用于后台批处理等场景；关键参数包括-xx:+useparallelgc、-xx:+useparalleloldgc、-xx:parallelgcthreads=n等，需结合硬件与业务调优。
Parallel GC 的核心目标是吞吐量优先，适合后台批处理、离线计算等对响应延迟不敏感、但要求单位时间完成更多任务的场景。参数配置不能脱离实际硬件与业务特征，盲目套用容易适得其反——比如在容器中未限制 -XX:ParallelGCThreads，JVM 可能按宿主机 128 核算出 83 个 GC 线程，反而挤占业务 CPU，导致吞吐下降。
关键参数配置表（JDK 8/11/17 通用）
以下为 Parallel GC 常用且生产可用的核心参数，按作用域归类，不含已废弃或实验性参数：
-
启用与基础控制
-XX:+UseParallelGC：启用 Parallel GC（新生代），老年代默认仍用串行 Old GC；-XX:+UseParallelOldGC：同时启用老年代并行回收（推荐配对使用，避免老年代 STW 过长）；-XX:ParallelGCThreads=N：显式设置并行 GC 线程数（必须设，尤其在容器环境）； -
堆空间分配
-Xms4g -Xmx4g：建议初始堆与最大堆一致，避免运行期扩容抖动；-XX:NewRatio=3：老年代 : 新生代 = 3 : 1（即新生代占堆 25%）；-XX:SurvivorRatio=8：Eden : S0 : S1 = 8 : 1 : 1；-Xmn2g（等价于-XX:NewSize=2g -XX:MaxNewSize=2g）：更直观控制新生代大小； -
调优导向参数
-XX:MaxGCPauseMillis=200：仅作“目标”提示，Parallel GC 不保证达成（它不支持精确停顿控制，此参数实际影响新生代大小自适应）；-XX:GCTimeRatio=19：设定吞吐目标为 95%（即 GC 时间占比 ≤ 1/(1+19) = 5%）；-XX:+UseAdaptiveSizePolicy：默认开启，JVM 自动调优新生代比例、晋升阈值等（建议保留开启，除非有强确定性需求）；
性能指标评估要点
评估 Parallel GC 效果不能只看单次 GC 耗时，需结合业务节奏观察长期稳定性和资源效率：
-
核心可观测指标
Young GC 频率（YGC）与耗时（YGCT）：高频短停（如每秒多次）说明新生代过小或对象存活率高；
Full GC 频率（FGC）与耗时（FGCT）：应趋近于 0；若频繁发生，大概率是内存泄漏、大对象直接入老年代或老年代空间不足；
GC 总耗时占比（GCT / 运行总时间）：对照-XX:GCTimeRatio目标验证是否达标； -
配套监控手段
启用日志：-Xlog:gc*:file=/path/gc.log:time,uptime,level,tags（JDK 10+）或-XX:+PrintGCDetails -XX:+PrintGCDateStamps -Xloggc:/path/gc.log（JDK 8）；
使用jstat -gc <pid> 1s</pid>实时观察 S0/S1/E/O 区使用率、GC 次数与耗时；
结合应用 QPS、平均 RT、CPU 利用率交叉分析：例如 GC 耗时上升但 CPU 未饱和，可能是 GC 线程数不足；若 GC 耗时下降但 CPU 持续 95%+，则可能线程数过多；
典型问题与参数响应策略
遇到具体现象时，参数调整需有逻辑链，而非随机试错：
-
Young GC 太频繁（YGC > 10 次/秒）
→ 先检查对象是否过早晋升（Survivor 区长期接近 100%，或-XX:MaxTenuringThreshold过小）；
→ 再增大新生代（-Xmn或调小-XX:NewRatio），但注意避免新生代过大导致单次 Minor GC 停顿延长； -
Full GC 频繁或耗时长
→ 确认是否启用了-XX:+UseParallelOldGC；
→ 检查老年代占用趋势：若缓慢上涨后突降，可能是内存泄漏；若周期性达 90%+ 后触发，可适当增大老年代（-Xmx或调大-XX:NewRatio）；
→ 排查是否存在大数组、缓存未清理、DirectByteBuffer 未释放等非堆诱因； -
CPU 使用率异常高，但吞吐未提升
→ 检查-XX:ParallelGCThreads是否远超容器 CPU limit（如容器限 4 核，却设为 16）；
→ 用top -H -p <pid></pid>查看 GC 线程（名称含GCTaskThread）实际 CPU 占比；
→ 建议设为容器 CPU 数量（如cgroups v1下读/sys/fs/cgroup/cpu/cpu.shares或v2下读cpu.max）；
Parallel GC 不是“设完就跑”的黑盒，它的参数之间存在牵制关系——调新生代会影响老年代压力，调线程数会改变 CPU 资源分配格局。真实有效的调优，始终建立在 GC 日志分析 + 应用行为理解 + 硬件约束确认的三角验证之上。
