【Java虚拟机】 垃圾回收器

了解了Java虚拟机垃圾回收算法一文中的内容,我们来学习它们的具体是实现——垃圾回收器。
不用的厂商、不同版本的虚拟机都会提供不同的垃圾回收器,用户可以根据自己的场景需求配置要使用的垃圾回收器。
学习垃圾回收器,需要明确一个思想:没有最好的垃圾回收器,只有最合适的
了解垃圾回收器只为根据具体的应用场景选择最合适的那一个。

Serial

Serial回收器是采用复制算法新生代回收器。
Serial顾名思义,是一个单线程的回收器。
所谓单线程,指的是在垃圾回收阶段,只使用一个线程去完成。同时回收过程会导致STW(“Stop The Word”)。(暂停其他所有线程,表现为不对外提供服务)。

STW带来的糟糕的用户体验,一直是虚拟机开发者努力解决的问题。可以说后续的回收器都在致力于解决这个问题。

Serial的单线程作业,在当前多CPU的环境下显得不是很高效。但是单CPU环境下,Serial相比于其他回收器就会因为它没有线程切换开销而更加高效。

参数

-XX:+UseSerialGC:添加该参数使用Serial进行垃圾回收。

ParNew

ParNew,Par表示Parallel并行,即使用多线程进行垃圾回收,New表示新生代
ParNew是Serial的多线程版本,除使用多线程外,其余与Serial一样,也是使用复制算法,同时实现了也共用了很多代码。

参数

-XX:+UseParNewGC:使用ParNew进行垃圾回收。
-XX:ParallelGCThreads:指定线程数量。

Parallel Scavenge

Parallel Scavenge,新生代回收器,使用并行多线程复制算法回收。

相比于其他回收器,Parallel Scavenge关注于吞吐量(吞吐量=运行用户代码时间/(运行用户代码时间+垃圾回收时间)),
其他回收器关注的是在垃圾回收阶段的用户线程的停顿时间
所以Parallel Scavenge更加适用于后台计算类的场景,其他回收器适用于与用户交互的场景。

参数

-XX:MaxGCPauseMillis:最大垃圾回收停顿时间。设置过小,会导致GC频繁而降低吞吐量。
-XX:GCTimeRatio:垃圾回收时间占比,通过1/(1+N)计算。
-XX:+UseAdptiveSizePolicy:GC自适应调节策略,开启后不需要手动设置细节参数

Serial Old

Serial的老年代版本,单线程回收,采用“标记-整理”算法。

主要用于虚拟机的Client模式下。
在Server模式下,与Parallel Scavenge搭配使用或者作为CMS回收器在发生Concurrent Mode Failure时的后备预案

Parallel Old

Parallel Scavenge 的老年代版本,使用“标记-整理”算法。
Parallel Old 的出现取代了 Parallel Scavenge+Serial Old的组合,Parallel Scavenge+Parallel Old 的组合更大程度的利用的多CPU的硬件环境。

参数

-XX:+UseParallelOldGC:使用ParallelOld回收器;

CMS

CMS(Concurrent Mark Sweep)并发标记清理回收器,目标是获取最短回收停顿时间。适用于与用户交互高频的场景。
老年代回收器,使用“标记-清除”算法。
所谓并发,指的是垃圾回收线程与用户线程同时执行(可能交替执行,可能处于不同CPU上运行)
CMS的并发,并不代表着不会导致STW。CMS分为4个步骤:初始标记,并发标记,重新标记,并发清除,其中的初始标记和重新标记仍要STW

初始标记:STW,标记GC Roots能关联的对象。
并发标记:进行GC Roots Tracing过程。用户程序在运行,不保证能标记所有对象。
重新标记:STW,修正并发标记期间因程序运行到导致变动的标记对象。
并发清理:回收所有死亡对象。

不足

CPU敏感型。并发会占用CPU资源,导致程序变慢,而CPU的数量会进一步影响到垃圾的回收与程序的运行。
浮动垃圾无法处理:浮动垃圾即并发清理阶段产生的垃圾,需要等到下一次GC进行清理。
可能出现Concurrent Mode Failure:浮动垃圾的存在,需要预留空间给程序运行。而当预留空间不足时,就会出现Concurrent Mode Failure。 这时会启用Serial Old,而导致FullGC。
内存碎片的产生:“标记-清理”算法产生了内存碎片,会在分配大对象时,导致FullGC提前。

参数

-XX:+UseConcMarkSweepGC:使用CMS收集器,使用该参数后会默认使用ParNew作为新生代回收器。 -XX:+UseCMSCompactAtFullCollection:在进行FullGC时,开启内存碎片整理。 -XX:+CMSFullGCsBeforeCompaction:执行一定次数的内存不整理的FullGC后,下一次FullGC会进行内存整理。 -XX:CMSInitiatingoccupanyFraction:内存使用率的阈值,达到阈值就进行GC。 -XX:ParallelCMSThreads:CMS线程数量

G1

G1将Java堆划分为多个大小相等的region,并在后台为每个region的价值大小维护一个优先列表
每次回收时,根据允许的回收时间,回收价值最大的region(garbage-first的由来)

• G1不在需要与其他回收器结合来管理整个堆。
• G1在概念上还保留着新生代与老年代的概念,但是在物理上已经不存在,它们只是不同region的集合。
• 由于回收管理的不在是整个堆,而是部分region,可以预测回收需要的时间
• G1在整体上基于“标记-整理”算法,在region间基于“复制”算法。不会存在内存碎片
并发与并行,充分利用多核多CPU环境,来降低STW时间。

初始标记:STW,标记GC Roots能关联的对象。
并发标记:进行GC Roots Tracing过程,找出存活对象。
最终标记:STW,修正并发标记期间因程序运行到导致变动的标记对象。
筛选回收:对各个region的价值进行排序,根据用户期望的GC停顿时间进行回收。

参数

-XX:+UseG1GC:使用G1收集器
-XX:InitiatingHeapOccupancyPercent:堆的占用率,当达标时,开始并发标记。
-XX:MaxGCPauseMillis:最大的停顿时间。
-XX:G1HeapRegionSize:设置region大小。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 212,294评论 6 493
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,493评论 3 385
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 157,790评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,595评论 1 284
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 65,718评论 6 386
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 49,906评论 1 290
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,053评论 3 410
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,797评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,250评论 1 303
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,570评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,711评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,388评论 4 332
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,018评论 3 316
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,796评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,023评论 1 266
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,461评论 2 360
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,595评论 2 350

推荐阅读更多精彩内容