在低配服务器(比如 1核2G、2核4G 这种入门级配置)上跑 Spring Boot,核心矛盾只有一个:内存不够,CPU 来凑;或者 CPU 不强,内存得省。
很多新手直接 java -jar app.jar 一把梭,结果没两分钟 OOM(Out Of Memory)或者直接卡死。这不是代码写得烂,是 JVM 和操作系统默认参数跟你的硬件不匹配。
下面从实战角度,分几个关键点拆解需要注意的问题:
1. JVM 内存参数的强制定制(最关键)
Spring Boot 默认启动时,JVM 会根据宿主机总内存自动计算堆大小(通常是物理内存的 1/4)。在 1核2G 的机器上,如果默认给堆分配 500M+,剩下的留给 Metaspace、Thread Stack、Direct Buffer 以及操作系统缓存,基本必崩。
必须做的调整:
在启动命令或环境变量中显式指定 -Xms 和 -Xmx,且两者要设成一样,避免频繁 GC 带来的性能抖动。
# 示例:2G 内存服务器
java -Xms512m -Xmx512m -XX:MetaspaceSize=128m -XX:MaxMetaspaceSize=256m -jar app.jar
- Heap (堆):控制在 512M-768M 之间比较安全。
- Metaspace (元空间):Spring Boot 依赖大量反射和动态XX,元空间消耗不小,至少预留 128M-256M。
- Thread Stack:如果线程数多,每个线程栈默认 1MB 会吃掉大量内存,可以调小
-Xss256k或512k。
2. 启用 G1GC 并优化垃圾回收
老版本 Spring Boot 可能默认用 Parallel GC 或 CMS,但在低配服务器上,Stop-The-World (STW) 的时间越长,应用响应越慢,甚至被监控判定为宕机。
建议升级到较新的 JDK 版本(JDK 11/17),并强制使用 G1 GC。
-XX:+UseG1GC
-XX:MaxGCPauseMillis=200 # 尽量保证停顿时间小于 200ms
-XX:+UnlockExperimentalVMOptions
-XX:+EnableJVMCI # 某些场景下开启 JIT 编译优化
同时,关注日志中的 GC 频率。如果 Young GC 非常频繁但效果不佳,可能需要进一步调优 -XX:G1HeapRegionSize。
3. 数据库连接池的“瘦身”
这是最容易忽视的内存杀手。HikariCP 默认最大连接数通常等于 CPU 核心数 * 2 + 磁盘有效柱面数(旧版逻辑),或者默认 10。在低配服务器上,每个数据库连接都占用一定的内存(网络缓冲区、线程栈等)。
- 不要盲目调大 max-pool-size:如果服务器只有 1 核,连接池开到 20-30 个完全够用,甚至 10 个都绰绰有余。
- 降低最小空闲连接数:
minimum-idle设为 2-5 即可,没必要维持高水位。 - 超时设置:确保
connection-timeout和idle-timeout合理,避免僵尸连接占用资源。
4. 禁用不必要的自动配置和 Bean
Spring Boot 的自动装配(Auto-Configuration)虽然方便,但也加载了很多你不需要的组件。
- 检查
spring.factories或org.springframework.boot.autoconfigure.AutoConfiguration.imports:看看有没有引入 Redis、MongoDB、Security 等 starter,如果没用,务必排除。spring: autoconfigure: exclude: - org.springframework.boot.autoconfigure.data.redis.RedisAutoConfiguration - org.springframework.boot.autoconfigure.security.servlet.SecurityAutoConfiguration - 关闭 Actuator 的非必要端点:
info、health等如果不对外暴露,可以通过配置缩小暴露范围,减少内存开销。 - 模板引擎选择:如果用 Thymeleaf,考虑换成更轻量的方案,或者干脆前后端分离,只留 REST API,去掉视图解析器相关依赖。
5. 操作系统层面的优化
除了 Java 层面,Linux 内核参数也要配合:
-
Swap 分区:
- 争议点:传统观点认为 Swap 会严重拖慢性能,建议关闭。
- 现实建议:在 1核2G 这种极限环境下,保留少量 Swap(如 512MB-1GB)作为“救命稻草”。当内存瞬时峰值超过限制时,Swap 能防止进程直接被 Kill(OOM Killer),给你争取一点时间处理或重启。但要注意,如果 Swap 使用率长期很高,说明你该加内存了。
- 调整 swappiness:
vm.swappiness=10,让系统优先使用物理内存,只在必要时才用 Swap。
-
文件描述符限制:
ulimit -n 65535确保 Linux 允许打开的文件句柄数足够,否则在高并发下会出现 “Too many open files” 错误。
-
TCP 参数优化:
调整/etc/sysctl.conf中的net.ipv4.tcp_tw_reuse等参数,提速 TIME_WAIT 状态的 socket 回收,提高短连接场景下的吞吐量。
6. 监控与告警不能少
低配服务器没有冗余,任何异常都会导致服务不可用。
- 集成 Micrometer + Prometheus/Grafana:实时监控 Heap 使用率、GC 次数、CPU 负载、QPS。
- 设置合理的 JMX 导出:通过 Jolokia 等工具将 JVM 指标暴露出来。
- 日志轮转:配置 Logback 的 RollingFileAppender,按天或按大小分割日志,防止日志文件撑爆磁盘。
7. 架构上的妥协
如果以上调整后依然感觉吃力,说明单机瓶颈已到,需要考虑架构调整:
- 静态资源分离:前端 HTML/CSS/JS 全部放到 OSS 或 CDN,后端只负责 API。
- 异步化:非实时任务(如发邮件、生成报表)改用消息队列(RabbitMQ/Kafka),减轻主线程压力。
- 缓存前置:尽可能使用本地缓存(Caffeine)或分布式缓存(Redis),减少数据库查询。
总结
在低配服务器上部署 Spring Boot,不是靠“硬扛”,而是靠“精打细算”。
- 锁死 JVM 内存,别让它乱猜。
- 精简依赖,关掉不用的功能。
- 优化 GC,减少停顿。
- 控制连接池,别让数据库连接占满内存。
- 善用 Swap 做最后防线。
记住,低配服务器的目标不是追求极致的高并发,而是稳定运行。只要内存曲线平稳,GC 正常,即使 QPS 不高,也能提供可靠的服务。
云技术博客