GC對性能的影響在於，如果內存中數據量比較大的話，那麼可能會造成GC頻繁的發生，另外如果要回收的數據量特別大，那麼會導致GC的速度也比較慢。gc線程工作時，會讓程序中的task線程暫停工作，那麼整個應用程序的性能就會大打折扣。
對於Spark應用程序可以從以下幾個方面來優化。
1、優化executor內存比例
對於垃圾回收來說，最重要的就是調節RDD緩存佔用的內存空間，與算子執行時創建對象佔用的內存比例。默認情況下，Spark使用每個executor 60%的內存空間來緩存RDD，那麼task執行期間創建的對象，只有40%的內存空間來存放。
這種情況下，很有可能因爲內存空間不足，task創建的對象過大，一旦發現40%的內存空間不夠用了，就會觸發虛擬機的垃圾回收操作，頻繁的GC會極大降低程序的整體性能。
這個時候就需要對這個比例進行調優，使用SparkContext.set("spark.storage.memoryFraction","0.5")即可，這樣就提高了創建對象所用的內存。
對於RDD的緩存，可以用Kryo序列化，加上降低其executor內存佔比方式，來減少其內存消耗。給task提供更多的內存，從而避免task的執行頻繁觸發GC。
2、高級垃圾回收調優
Java堆空間被分成兩塊空間，一個是年輕代，一個是老年代。年輕代放的是短時間存活的對象，老年代放的是長時間存活的對象。年輕代又劃分成了三塊空間，Eden、Survivor1、Survivor2。
創建對象時，首先放入Eden區域和Survivor1區域，如果Eden區域滿了，那麼就會觸發一次MinorGC，進行年輕代垃圾回收。此區域中存活的對象會被移到Survivor2區域中，然後Survivor1和Survivor2角色調換，Survivor1成了備用。
如果一個對象，在年輕代中，撐過了多次垃圾回收，都沒有被回收掉，那麼會被認爲是長時間存活的，此時就會被移入老年代。此外，如果在將Eden和Survivor1的存活對象，嘗試放到Survivor2中時，發現Survivor1滿了，那麼會直接放入老年代。此時很快就會將老年代內存撐滿，從而發生full gc。full gc要回收大量的短時間存活的對象，會導致速度很緩慢。此時可以執行一些操作來優化垃圾回收行爲：
1）給年輕代分配更大的空間，使用-XX:NewRatio=n（n爲年輕代與老年代的比值）
2）給Eden區域分配更大的內存，使用-XX:SurvivorRatio=n（n爲年輕代中Eden區與Survivor區的大小比值）
3）-Xmn=20g，這個參數可以直接指定年輕代內存大小
4）使用吞吐量優先的並行收集器。
-XX:+UseParallelGC：選擇年輕代垃圾收集器爲並行收集器，即MinorGC
-XX:ParallelGCThreads：配置並行收集器的線程數，有多少處理器就多少線程
-XX:+UseParallelOldGC：配置年老代垃圾收集方式爲並行收集