GC 日志可视化：GCViewer、GCeasy、SmartJDK
GC 日志分析不仅仅是看数字和表格，可视化能让你一眼看出问题所在。
今天我们介绍几个强大的可视化工具和方法。
一、可视化的价值
1.1 为什么需要可视化？
数字分析的局限：
- 不直观：一堆数字很难形成直观印象
- 难对比：调整前后效果对比不直观
- 难发现趋势：短期数据波动 vs 长期趋势难区分
- 难沟通：给领导汇报时，图表比表格更有说服力
1.2 可视化类型
| 类型 | 展示内容 | 适用场景 |
|---|---|---|
| 内存曲线 | 各代内存使用随时间变化 | 发现内存泄漏、GC 效果 |
| 停顿时间柱状图 | 各次 GC 停顿时间分布 | 发现异常停顿 |
| GC 频率折线图 | GC 频率随时间变化 | 发现周期性问题 |
| 对象年龄直方图 | 对象年龄分布 | 优化晋升年龄 |
二、GCViewer 可视化
2.1 内存使用曲线
GCViewer 最核心的功能是展示内存使用曲线：
时间轴 ──────────────────────────────────────────────────────────>
│
▲ Heap Used
│ ╱╲ ╱╲ ╱╲ ╱╲ ╱╲
│ ╱ ╲ ╱ ╲ ╱ ╲ ╱ ╲ ╱ ╲
│ ╱ ╲ ╱ ╲ ╱ ╲ ╱ ╲ ╱ ╲
│ ╱ ╲╱ ╲╱ ╲╱ ╲╱ ╲
│
│ Tenured Used
│ ╱╲ ╱╲ ╱╲
│ ╱ ╲ ╱ ╲ ╱ ╲
│ ╱ ╲ ╱ ╲ ╱ ╲
│──────╱──────╲────╱──────╲────╱──────╲──────
│
│ Young Used
│ ││││││││││││││││││││││││││││││││││││││││││││││││││││││││││││││││││││││││
│ │││││││││││││││││││││││││││││││││││││││││││││││││││││││││││││││││││││││││││││││
│ │││││││││││││││││││││││││││││││││││││││││││││││││││││││││││││││││││││││││││││││
└───────────────────────────────────────────────────────────2.2 GC 停顿时间图
GCViewer 的停顿时间图帮助你发现异常停顿：
停顿时间 (ms)
▲
│ █
│ █ █ █
│ █ █ █ █ █ █
│ █ █ █ █ █ █ █
│ █ █ █ █ █ █ █ █
│ █ █ █ █ █ █ █ █ █
│────█───█───█───█───█───█───█───█───█───█───────────────────
│
│ ▲ 这里出现了异常停顿（可能是 Full GC）
│
└───────────────────────────────────────────────────────────2.3 图表交互功能
GCViewer 提供丰富的交互功能：
- 缩放：鼠标滚轮缩放时间轴
- 平移：拖拽移动视图
- 标记：点击标记重要时间点
- 对比：打开多个日志文件对比
- 导出：导出为 PNG 或 CSV
三、GCeasy 在线可视化
3.1 时间序列图
GCeasy 提供多种时间序列图：
3.1.1 堆内存使用图
显示堆内存各代的实际使用情况。
3.1.2 GC 停顿时间图
显示每次 GC 的停顿时间分布。
3.1.3 GC 频率图
显示 GC 发生频率的变化趋势。
3.2 交互功能
GCeasy 的图表支持：
- 悬停查看详情：鼠标悬停查看具体数值
- 时间范围选择：选择特定时间段放大查看
- 对比模式：上传多个日志文件对比
- PDF 导出：导出完整分析报告
3.3 与 GCViewer 对比
| 功能 | GCViewer | GCeasy |
|---|---|---|
| 本地处理 | ✅ | ❌ |
| 交互性 | 一般 | 强 |
| 分享功能 | ❌ | ✅ |
| 新版日志 | 有限 | 完全支持 |
| 趋势分析 | ❌ | ✅ |
四、SmartJDK 可视化
4.1 概述
SmartJDK（也称为 Java Flight Recorder + JDK Mission Control）是 JDK 11+ 自带的性能分析工具。
4.2 启动飞行记录
bash
# 启动带有飞行记录的 JVM
java -XX:StartFlightRecording=delay=60s,duration=300s,filename=recording.jfr,name=myrecording \
-XX:FlightRecorderOptions=repository=/tmp/jfr \
-jar myapp.jar
# 或者动态附加
jcmd <pid> JFR.start delay=60s duration=300s filename=recording.jfr4.3 GC 页面分析
JDK Mission Control 的 GC 页面提供：
- GC 时间线：可视化的 GC 事件时间线
- 停顿分析：每次停顿的原因和耗时分解
- 堆内存分析：GC 前后的内存变化
- 分配分析：各区域的分配速率
4.4 与 GCViewer 对比
| 功能 | GCViewer | JDK Mission Control |
|---|---|---|
| 数据来源 | GC 日志 | JFR 记录 |
| 实时监控 | ❌ | ✅ |
| 方法级分析 | ❌ | ✅ |
| 线程分析 | ❌ | ✅ |
| IO 分析 | ❌ | ✅ |
五、Python + Matplotlib 自定义可视化
5.1 解析 GC 日志
python
import re
import matplotlib.pyplot as plt
from datetime import datetime
def parse_gc_log(filename):
"""解析 GC 日志"""
events = []
with open(filename, 'r') as f:
for line in f:
# 匹配 Minor GC
minor_match = re.search(
r'(\d+\.\d+): \[GC.*(\d+)K->(\d+)K\((\d+)K\), ([\d.]+) secs\]',
line
)
if minor_match:
events.append({
'time': float(minor_match.group(1)),
'type': 'Minor GC',
'before': int(minor_match.group(2)),
'after': int(minor_match.group(3)),
'total': int(minor_match.group(4)),
'pause': float(minor_match.group(5))
})
# 匹配 Full GC
full_match = re.search(
r'(\d+\.\d+): \[Full GC.*(\d+)K->(\d+)K\((\d+)K\), ([\d.]+) secs\]',
line
)
if full_match:
events.append({
'time': float(full_match.group(1)),
'type': 'Full GC',
'before': int(full_match.group(2)),
'after': int(full_match.group(3)),
'total': int(full_match.group(4)),
'pause': float(full_match.group(5))
})
return events
def visualize_gc(events):
"""可视化 GC 事件"""
times = [e['time'] for e in events]
pauses = [e['pause'] * 1000 for e in events] # 转换为毫秒
plt.figure(figsize=(12, 6))
plt.scatter(times, pauses, c=['red' if 'Full' in e['type'] else 'blue' for e in events])
plt.xlabel('Time (s)')
plt.ylabel('GC Pause (ms)')
plt.title('GC Pause Time Distribution')
plt.grid(True, alpha=0.3)
plt.show()
if __name__ == '__main__':
events = parse_gc_log('gc.log')
visualize_gc(events)5.2 内存使用曲线
python
def visualize_memory(events):
"""可视化内存使用"""
times = [e['time'] for e in events]
after_gc = [e['after'] / 1024 for e in events] # 转换为 MB
total = [e['total'] / 1024 for e in events] # 转换为 MB
plt.figure(figsize=(12, 6))
plt.plot(times, after_gc, label='Used after GC')
plt.plot(times, total, label='Total', linestyle='--')
plt.fill_between(times, after_gc, total, alpha=0.3)
plt.xlabel('Time (s)')
plt.ylabel('Memory (MB)')
plt.title('Memory Usage Over Time')
plt.legend()
plt.grid(True, alpha=0.3)
plt.show()六、可视化最佳实践
6.1 图表选择原则
| 数据类型 | 推荐图表 |
|---|---|
| 内存趋势 | 面积图、折线图 |
| 停顿时间 | 柱状图、散点图 |
| GC 频率 | 折线图、热力图 |
| 对象年龄 | 直方图 |
6.2 图表设计要点
- 标题清晰：一眼看出图表要表达的内容
- 坐标轴标注：单位要明确
- 颜色对比：不同类型用不同颜色区分
- 图例说明：复杂图表需要图例
- 标注异常点：发现异常要标注出来
6.3 报告模板
一个完整的 GC 分析报告应包含：
- 概要信息：应用基本信息、分析时间范围
- 核心指标：吞吐量、GC 次数、总停顿时间
- 可视化图表：内存曲线、停顿分布
- 问题诊断：发现的问题及建议
- 优化建议：具体的参数调整建议
七、工具选择建议
| 场景 | 推荐工具 |
|---|---|
| 快速查看 | GCeasy |
| 深度分析 | GCViewer |
| 实时监控 | JDK Mission Control |
| 自定义需求 | Python + Matplotlib |
| 团队协作 | GCeasy + PDF 导出 |
总结
GC 日志可视化的核心要点：
- 可视化比数字更直观：一眼看出问题所在
- GCViewer：功能全面的本地工具
- GCeasy：便捷的在线工具
- JDK Mission Control：实时监控 + 深度分析
- 自定义可视化：满足特殊需求
思考题
如果你需要给团队做一次 GC 优化的汇报，你会选择哪些可视化图表来展示效果？
提示：考虑汇报的目标受众（技术团队 vs 领导），以及需要展示的核心信息（问题 vs 效果）。