Java垃圾回收压测关键在于持续可控地触发特定内存压力模式，如Eden区快速填满、对象稳定晋升老年代或堆外内存分配，而非简单堆满；需结合JMeter、Gatling及专用Java工具精准模拟，并通过GC日志与监控交叉验证真实负载。
Java 垃圾回收压测中模拟高负载，关键不是“堆满就完事”，而是让 JVM 在持续、可控、可复现的压力下暴露 GC 行为的真实瓶颈。工具只是手段，核心是让负载触发特定内存压力模式：比如快速填满 Eden 区引发频繁 Minor GC、稳定晋升对象冲击老年代、或持续分配堆外内存绕过 GC 机制。
用 JMeter 模拟 GC 友好型高负载
JMeter 本身不操作 JVM 内存，但能驱动业务代码产生真实对象分配节奏。重点在于压测脚本要匹配目标 GC 场景：
- 若想观察 G1 的 Mixed GC 行为，接口里应包含中等生命周期对象（如 DTO 构建 + JSON 序列化），每请求生成 2–5MB 堆对象，且不立即释放（避免被 JIT 优化掉）
- 避免在采样器里写
new byte[100 * 1024 * 1024]这类单次大分配——它容易直接进老年代，跳过新生代 GC 流程，掩盖 Eden 消耗速率问题 - 启用 CSV 参数化 + JSON Extractor 提取响应体，比硬编码字符串更贴近真实服务调用，也更易触发 StringTable 或 char[] 分配压力
用 Gatling 构建高并发低开销压力源
Gatling 基于 Akka，线程复用率高，本地资源占用小，适合长时间稳态压测（如 15 分钟以上）。它能更干净地分离“压力生成”和“JVM 响应”：
- 用
pace(1.second)控制请求间隔，避免突发流量掩盖 GC 累积效应 - 在
exec()中嵌入自定义 Scala 逻辑，例如调用一个会创建临时 List<Map<String, Object>> 的服务方法，模拟典型 Web 层对象膨胀 - 报告自动聚合 P95/P99 响应时间，与 GC 日志中的停顿时间对齐，可直观看出某次 120ms STW 是否导致一批请求超时
用专用 Java 工具直接制造内存压力
当需要精准控制内存分配路径时，脱离 HTTP 层更有效：
-
ByteBuffer.allocateDirect()配合循环持有引用，快速触达OutOfMemoryError: Direct buffer memory，验证-XX:MaxDirectMemorySize是否生效，排查 Netty/NIO 类服务堆外泄漏 - 使用
Unsafe.allocateMemory()（需 add-opens）分配裸内存，绕过 JVM 对象头开销，测试极端场景下的元空间或 C-Heap 压力 - 启动参数加
-XX:+PrintGCDetails -Xlog:gc*:file=gc.log:time,tags，配合jstat -gc <pid> 1000实时看 Eden 使用率曲线——理想高负载下，Eden 应呈锯齿状快速涨落，而非缓慢爬升后突降
配合监控确认负载是否“真高”
光看 TPS 和响应时间不够，必须交叉验证 JVM 内部状态：
- Prometheus + JVM Exporter 抓取
jvm_memory_used_bytes{area="heap"}和jvm_gc_pause_seconds_count，看老年代水位是否随压测时长线性上升 - 用
jstack <pid>抽样检查线程栈，确认没有大量WAITING状态线程阻塞在Object.wait()或锁上——否则 GC 延迟会被误判为线程竞争 - 若发现 Full GC 频繁但堆使用率低于 70%，大概率是元空间泄漏或
String.intern()过载，此时该查jstat -gcmetacapacity <pid>
不复杂但容易忽略
