Jak optimalizujete výkon aplikací JVM?

Question

Accepted Answer

Optimalizace aplikací JVM zahrnuje **profilování** k nalezení úzkých míst, **tuning JVM/GC**, **vylepšení na úrovni kódu** a využívání JIT kompilátoru. Jako vždy platí pravidlo: **nejdříve měřte, optimalizujte ověřené úzké místo** — nikdy nehádejte.

## Profilujte před optimalizací

```text
Tools:
  ✓ JProfiler / YourKit / VisualVM — CPU & memory profiling, hotspots
  ✓ Java Flight Recorder (JFR) + Mission Control — low-overhead production profiling
  ✓ async-profiler — flame graphs for CPU/allocation
  ✓ heap dumps + Eclipse MAT — memory leak analysis
```

Profilování odhaluje, *kam* skutečně jde čas a paměť, abyste tak opravili skutečných 20 %, která jsou důležitá, místo mikrooptimalizace irelevantního kódu.

## JIT kompilátor pracuje pro vás

```text
The JVM's JIT (Just-In-Time) compiler identifies "hot" frequently-run code and
compiles it to optimized native machine code at runtime (with inlining, etc.).
→ Java often approaches native speed for hot paths after warm-up.
→ Implication: benchmark AFTER warm-up; let the JIT optimize before measuring.
```

## Tuning GC

```bash
# choose a collector appropriate to the workload, size the heap
java -Xms2g -Xmx2g \          # set heap size (avoid resizing; -Xms = -Xmx)
     -XX:+UseG1GC \           # G1 (balanced, default) — or ZGC for low pause
     -XX:MaxGCPauseMillis=200 \
MyApp
```

```text
✓ Right-size the heap (too small → frequent GC; too large → long pauses)
✓ Pick the GC for your goal: G1 (balanced), Parallel (throughput), ZGC (low latency)
✓ Reduce allocation churn — fewer short-lived objects = less GC pressure
```

## Vylepšení na úrovni kódu

```text
✓ Better algorithms & data structures — biggest wins (HashMap O(1) vs list O(n))
✓ Avoid unnecessary object creation (esp. in loops; reuse, use primitives over wrappers)
✓ Use StringBuilder for string building in loops (not + concatenation)
✓ Minimize autoboxing (Integer vs int) in hot paths
✓ Cache expensive results; use connection/thread pools
✓ Lazy initialization for costly objects not always needed
✓ Reduce I/O round-trips; batch database queries (avoid N+1)
```

## Databáze je často skutečným úzkým místem

```text
For server apps, the slow part is frequently DB queries (N+1, missing indexes) or
network I/O — NOT Java code. Profiling reveals this so you fix the true cause.
```

## Vyhnout se předčasné optimalizaci

```text
"Premature optimization is the root of all evil." Write clear, correct code first;
profile under realistic load; then optimize the measured hotspots specifically.
```

## Proč je to důležité

Optimalizace výkonu JVM má vysokou hodnotu, ale musí být **disciplinovaná a řízená měřením** — hádání plýtvá úsilím a zvyšuje složitost.

Znalost kompletní sady nástrojů je důležitá: profiler (JFR, async-profiler) k lokalizaci skutečných úzkých míst; pochopení JIT (který optimalizuje horký kód za běhu, takže benchmarky potřebují zahřátí); tuning GC (určení velikosti haldy a volba kolektoru — G1/ZGC — k vyvážení propustnosti versus doby pozastavení); a optimalizace na úrovni kódu (lepší algoritmy/datové struktury, snížení alokace a autoboxingu, pooling, dávkování).

Pochopení, že úzké místo je často **databáze nebo I/O**, ne Java kód, správně zaměřuje úsilí.

Tato kombinace — nejdříve profilujte, odpovídajícím způsobem vyladíte JVM a GC, optimalizujte ověřené hotspoty a vyhnete se předčasné mikrooptimalizaci — to je to, co udržuje velké aplikace JVM rychlé a škálovatelné, a odráží odborné znalosti na úrovni senior.