第三章 垃圾收集器与内存分配策略(二)

垃圾收集算法

1. 标记-清除(Mark-Sweep)算法

首先标记出所有需要回收的对象,在标记完成后统一回收所有被标记的对象。

缺点:

  • 标记和清除效率不高
  • 清除后会产生大量碎片

2. 复制(Copying)算法

将可用内存按容量分为大小相等的两块,每次只使用其中一块,当这一块内存用完了,就将还存活的对象复制到另一块上面,然后再把已使用过的内存空间一次清理掉。

缺点:将内存缩小为原来的一般

3. 标记-整理(Mark-Compact)算法

首先标记出所有需要回收的对象,在标记完成后让所有存活的对象都向一端移动,然后直接清理掉端边界以外的内存。

4. 分代收集(Generational Collection)算法

新生代-复制算法;老年代-标记清理/标记整理。

HotSpot算法实现

  1. 枚举根节点
    HotSpot使用OopMap来实现准确式GC,使得VM在Stop The World 的时间里不需要一个不漏的检查所有引用位置就可以得知哪些地方存着对象引用。
  2. 安全点 (Safepoint)
    只有在安全点才为指令记录到OopMap中,即程序只有在安全点才可以GC.
    线程跑到安全点GC的方式:
  • 抢先式中断

GC发生时,中断所有线程,如果有线程不在安全点上,就恢复线程让它跑到安全点上

  • 主动式中断

设置一个标记,线程都区轮询这个标记,发现该标记为真则中断。

  1. 安全区域
    解决线程处于Sleep或者Block状态无法走到Safepoint进行中断情况。

安全区域是指在一段代码中,引用关系不会发生变化。在这个区域中的任意地方GC都是安全的。

垃圾收集器

1. 新生代(复制算法)

  • Serial(单线程GC)

    Serial是一个单线程的收集器,它只会使用一个CPU或一个线程去完成垃圾收集工作,且在进行垃圾回收的时候必须暂停其他所有的工作线程

Serial收集器简单而高效,对于运行在Client模式下的虚拟机来说是一个很好的选择。

  • ParNew(多线程GC)

    ParNew 是Serial的多线程版本,唯一一个可以和CMS搭配使用的多线程回收器。

  • Parallel Scavenge(多线程GC)

    该收集器关注吞吐量, 吞吐量= 程序执行时间/(程序执行时间+GC时间),主要适合在后台运算而不需要太多交互的任务。

    此外该收集器有自适应调节策略: -XX:+UseAaptiveSizePolicy 开启自适应,然后使用MaxGCPauseMillis(关注最大停顿时间)或者GCTimeRatio(关注吞吐量 1/(1+Ratio) = GC时间百分比)给虚拟机设置一个优化目标。

2. 老年代

  • Serial Old(标记-整理,单线程GC)

是Serial的老年代版本,单线程收集器

- client模式下虚拟机使用
- CMS后备方案
  • Parallel Old (标记-整理,多线程GC)

    是Parallel Scavenge的老年代版本

  • CMS(标记-清除,并行重新标记,并发标记-GC线程和用户线程同时运行)

    Concurrent Mark Sweep收集器是一种以获取最短回收停顿时间为目标的收集器。

    优点:

    • 并发收集
    • 低停顿

    缺点:

    • CMS收集器对CPU资源非常敏感
      默认的GC线程数 = (CPU个数+3)/4,即cpu>4时,并发回收垃圾时cpu数量不少于25%;
    • CMS收集器无法处理浮动垃圾
      并发垃圾收集的时候,程序产生的垃圾无法标记,CMS无法在当次收集中处理掉他们;
      由于垃圾收集和用户线程并发运行,当GC时留给用户线程的内存不足,就会出现 Concurrent Mode Failure,会临时启用 Serial Old收集器;
    • 收集结束有大量碎片产生

3. G1收集器

G1将整个Java堆划分为多哥大小相等的独立区域,新生代和老年代不再是物理隔离的。G1使用Region划分内存空间以及有优先级的区域回收方式。

Garbage-First特点:

  • 并行与并发
  • 分代收集
  • 空间整合:整体上是标记-整理,局部两个region间是复制。
  • 可预测的停顿

垃圾回收器的搭配使用

  • Serial + CMS
    -XX:+UseConcMarkSweepGC -XX:-UseParNewGC
    [DefNew: 7463K->521K(9216K), 0.0045677 secs]
    [1 CMS-initial-mark: 13840K(20480K)]
    
  • Serial + Serial Old
-XX:+UseSerialGC
[DefNew: 7319K->7319K(9216K), 0.0000074 secs]
[Tenured: 13827K->19972K(20480K), 0.0047919 secs]
  • ParNew + CMS
    -XX:+UseConcMarkSweepGC
    [ParNew: 7870K->99K(9216K), 0.0026588 secs]
    [1 CMS-initial-mark: 13840K(20480K)]
    
  • ParNew + Serial Old
-XX:+UseParNewGC
[ParNew: 7417K->7417K(9216K), 0.0000157 secs]
[Tenured: 13908K->20052K(20480K), 0.0047717 secs]
  • Parallel Scavenge + Serial Old
-XX:+UseParallelGC -XX:-UseParallelOldGC 
[PSYoungGen: 7319K->1024K(9216K)]
[PSOldGen: 13833K->19978K(20480K)]
  • Parallel Scavenge + Parallel Old
-XX:+UseParallelOldGC
[PSYoungGen: 7319K->1024K(9216K)] 
[ParOldGen: 13826K->19971K(20480K)]
  • G1
-XX:+UseG1GC
(G1 Humongous Allocation)

内存分配与回收策略

  1. 对象优先在Eden分配
  2. 大对象直接进入老年代:大于3MB的
-XX:PretenureSizeThreshold=3145728
  1. 长期存活的对象将进入老年代
-XX:MaxTenuringThreshold =4 
  1. 动态对象年龄判定
    如果在Suvivor空间中相同年龄所有对象的大小总和大于Suvivor空间的一半,年龄大于或等于该年龄的对象可以直接进入老年代。
  2. 空间分配担保
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 205,033评论 6 478
  • 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 87,725评论 2 381
  • 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 151,473评论 0 338
  • 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 54,846评论 1 277
  • 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 63,848评论 5 368
  • 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 48,691评论 1 282
  • 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 38,053评论 3 399
  • 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 36,700评论 0 258
  • 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 42,856评论 1 300
  • 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 35,676评论 2 323
  • 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 37,787评论 1 333
  • 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 33,430评论 4 321
  • 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 39,034评论 3 307
  • 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 29,990评论 0 19
  • 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 31,218评论 1 260
  • 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 45,174评论 2 352
  • 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 42,526评论 2 343

推荐阅读更多精彩内容