Apache Lucene项目中解决Gradle构建时CodeCache空间不足问题
2025-06-27 16:45:24作者:盛欣凯Ernestine
在Apache Lucene项目的持续集成环境中,开发团队发现了一个与Java虚拟机CodeCache相关的性能问题。这个问题表现为在Gradle构建过程中频繁出现"VirtualMachineError: Out of space in CodeCache for adapters"错误,特别是在使用JDK 21版本时更为明显。
问题背景
CodeCache是JVM中用于存储编译后本地代码的内存区域。在大型Java项目构建过程中,特别是在使用Gradle这样的构建工具时,会产生大量动态生成的适配器类,这些类需要被JIT编译器编译并存储在CodeCache中。当CodeCache空间不足时,就会导致构建失败。
问题根源分析
经过团队深入调查,发现问题的根本原因与JVM的"ergonomic"自动调节机制有关:
- 当使用
-XX:TieredStopAtLevel=1参数时(这是Gradle构建的常见配置),JVM会显著降低CodeCache的默认大小 - 在多核CPU环境下,JVM会自动分配更大的CodeCache空间(约251MB)
- 但在单核CPU或限制CPU数量的情况下(如CI环境中常见),CodeCache会被设置为较小的默认值(约50MB)
解决方案
开发团队采取了以下措施来解决这个问题:
- 显式设置
-XX:ReservedCodeCacheSize参数,覆盖JVM的默认值 - 经过测试后,最终确定256MB是一个合理的值,既能满足构建需求,又不会过度消耗内存
- 这个修改被应用到项目的构建配置中,确保了在各种环境下的稳定性
技术启示
这个案例给我们带来几个重要的技术启示:
- 在CI环境中,JVM的自动调节机制可能无法适应特殊的工作负载
- 大型Java项目构建时,特别是使用现代构建工具如Gradle,需要特别注意CodeCache的配置
- 理解JVM参数之间的相互影响非常重要,如CPU数量限制会影响其他内存区域的分配
后续优化
虽然256MB的设置解决了当前问题,但团队仍保持关注:
- 持续监控CI环境中的构建表现
- 准备根据实际运行情况进一步调整参数
- 考虑为不同规模的项目提供差异化的配置建议
这个问题的解决展示了Apache Lucene团队对构建系统稳定性的重视,也体现了对JVM底层机制的深入理解。通过这样的优化,确保了项目在各种环境下的可靠构建。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
请把这个活动推给顶尖程序员😎本次活动专为懂行的顶尖程序员量身打造,聚焦AtomGit首发开源模型的实际应用与深度测评,拒绝大众化浅层体验,邀请具备扎实技术功底、开源经验或模型测评能力的顶尖开发者,深度参与模型体验、性能测评,通过发布技术帖子、提交测评报告、上传实践项目成果等形式,挖掘模型核心价值,共建AtomGit开源模型生态,彰显顶尖程序员的技术洞察力与实践能力。00
Kimi-K2.5Kimi K2.5 是一款开源的原生多模态智能体模型,它在 Kimi-K2-Base 的基础上,通过对约 15 万亿混合视觉和文本 tokens 进行持续预训练构建而成。该模型将视觉与语言理解、高级智能体能力、即时模式与思考模式,以及对话式与智能体范式无缝融合。Python00
MiniMax-M2.5MiniMax-M2.5开源模型,经数十万复杂环境强化训练,在代码生成、工具调用、办公自动化等经济价值任务中表现卓越。SWE-Bench Verified得分80.2%,Multi-SWE-Bench达51.3%,BrowseComp获76.3%。推理速度比M2.1快37%,与Claude Opus 4.6相当,每小时仅需0.3-1美元,成本仅为同类模型1/10-1/20,为智能应用开发提供高效经济选择。【此简介由AI生成】Python00
Qwen3.5Qwen3.5 昇腾 vLLM 部署教程。Qwen3.5 是 Qwen 系列最新的旗舰多模态模型,采用 MoE(混合专家)架构,在保持强大模型能力的同时显著降低了推理成本。00- RRing-2.5-1TRing-2.5-1T:全球首个基于混合线性注意力架构的开源万亿参数思考模型。Python00
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
570
3.84 K
Ascend Extension for PyTorch
Python
380
454
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
894
677
暂无简介
Dart
803
198
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
353
207
昇腾LLM分布式训练框架
Python
119
147
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
12
1
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
68
20
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.37 K
781