读Java性能权威指南(第2版)笔记20_垃圾回收G

读Java性能权威指南(第2版)笔记20_垃圾回收G.png

1. Survivor空间

1.1. 新生代被划分为两个Survivor空间和一个Eden空间的原因

  • 1.1.1. 刚刚被创建并且还在使用中,所以不能被回收,但它们的寿命并没有长到足以进入老年代

  • 1.1.2. 仍在新生代中的对象有额外的机会被回收,而不是晋升到(并填满)老年代

1.2. 首次新生代回收期间,对象从Eden空间移动到Survivor空间0

1.3. 下次回收时,活跃对象会从Survivor空间0和Eden空间移动到Survivor空间1

  • 1.3.1. 此时Eden空间和Survivor空间0完全是空的

1.4. 被移入老年代场景

  • 1.4.1. Survivor空间非常小,当目标Survivor空间在新生代回收过程中被填满时,Eden空间中剩余的任何活跃对象都会被直接移入老年代

  • 1.4.2. 对于停留在Survivor空间中的对象,其经历的GC周期数量有限制,超过这个限制的对象会被直接移入老年代

    • 1.4.2.1. 晋升阈值(tenuring threshold)

1.5. -XX:InitialSurvivorRatio=N

  • 1.5.1. 初始大小

  • 1.5.2. 默认值为8

    • 1.5.2.1. 新生代的10%
  • 1.5.3. survivor_space_size = new_size / (initial_survivor_ratio + 2)

1.6. -XX:MinSurvivorRatio=N

  • 1.6.1. 最大值

  • 1.6.2. 默认情况为3

    • 1.6.2.1. 新生代的20%
  • 1.6.3. maximum_survivor_space_size = new_size / (min_survivor_ratio + 2)

  • 1.6.4. 最小的比例可以得到最大的Survivor空间

1.7. 要让Survivor空间保持固定大小

  • 1.7.1. 将SurvivorRatio设置为期望的值

  • 1.7.2. 禁用UseAdaptiveSizePolicy标志

1.8. XX:TargetSurvivorRatio=N

  • 1.8.1. GC之后Survivor空间的占用率

1.9. -XX:InitialTenuringThreshold=N

  • 1.9.1. Throughput回收器和G1 GC回收器默认是7

  • 1.9.2. CMS默认是6

1.10. -XX:MaxTenuringThreshold=N

  • 1.10.1. 最大阈值

  • 1.10.2. Throughput回收器和G1 GC回收器的默认最大阈值是15

  • 1.10.3. CMS的是6

1.11. -XX:+AlwaysTenure标志

  • 1.11.1. 永远晋升

  • 1.11.2. 相当于把MaxTenuringThreshold设为0

  • 1.11.3. 对象总是会晋升到老年代,而不是存储在Survivor空间中

  • 1.11.4. 默认是false

1.12. -XX:+NeverTenure

  • 1.12.1. 永不晋升

  • 1.12.2. 将初始晋升阈值和最大晋升阈值认为是无穷大

  • 1.12.3. 只要Survivor空间仍有空闲,任何对象都不会晋升到老年代

  • 1.12.4. 默认也是false

  • 1.12.5. 防止JVM降低晋升阈值

1.13. -XX:+PrintTenuringDistribution标志

  • 1.13.1. 在JDK 8中

  • 1.13.2. 将对象年龄分布添加到GC日志中

  • 1.13.3. 默认是false

1.14. Xlog参数加上age=debug或age=trace命令

  • 1.14.1. 在JDK11中

  • 1.14.2. 将对象年龄分布添加到GC日志中

  • 1.14.3. 默认是false

2. 分配大对象

2.1. 线程本地分配缓冲区

  • 2.1.1. thread-local allocation buffer,TLAB

  • 2.1.2. 默认是开启的

  • 2.1.3. 所有的GC算法都要考虑TLAB的大小

  • 2.1.4. 它们很小,所以TLAB内不能分配大对象

2.2. TLAB的大小取决于3个因素

  • 2.2.1. 应用程序中的线程数量

  • 2.2.2. Eden空间的大小

  • 2.2.3. 线程的分配速率

2.3. 从TLAB的参数优化中受益场景

  • 2.3.1. 分配很多大对象的应用程序

  • 2.3.2. 和Eden空间的大小相比,线程数量相对较多的应用程序

2.4. -XX:-UseTLAB禁用

  • 2.4.1. 可以提升性能,禁用它们永远是个坏主意

2.5. 大量的分配发生在TLAB之外

  • 2.5.1. 减小分配对象的大小

  • 2.5.2. 调整与TLAB大小相关的参数

2.6. JFR工具

2.7. -XX:+PrintTLAB标志

  • 2.7.1. 在JDK 8

2.8. tlab*=trace

  • 2.8.1. 在JDK 11

2.9. 调整TLAB的大小

  • 2.9.1. -XX:TLABSize=N标志

    • 2.9.1.1. 默认值为0

    • 2.9.1.2. 显式地设置TLAB的大小

    • 2.9.1.3. 只能设置TLAB的初始大小

  • 2.9.2. -XX:-ResizeTLAB标志

    • 2.9.2.1. 默认是true

    • 2.9.2.2. 防止每次GC时都调整大小

  • 2.9.3. 调整TLAB以提升性能的最简单的方法,也是唯一有用的方法

2.10. -XX:TLABWasteTargetPercent

  • 2.10.1. 阈值

  • 2.10.2. 默认是TLAB大小的1%

  • 2.10.3. 动态的

2.11. -XX:TLABWasteIncrement=N

  • 2.11.1. 增幅

  • 2.11.2. 默认是4

2.12. -XX:MinTLABSize=N

  • 2.12.1. TLAB的最小值

  • 2.12.2. 默认为2 KB

2.13. TLAB的最大值略小于1 GB

  • 2.13.1. 可以容纳一个整数数组的最大空间,数组大小向下取整以对齐对象

  • 2.13.2. 不能修改

©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 215,539评论 6 497
  • 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 91,911评论 3 391
  • 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 161,337评论 0 351
  • 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 57,723评论 1 290
  • 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 66,795评论 6 388
  • 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 50,762评论 1 294
  • 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 39,742评论 3 416
  • 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 38,508评论 0 271
  • 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 44,954评论 1 308
  • 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 37,247评论 2 331
  • 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 39,404评论 1 345
  • 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 35,104评论 5 340
  • 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 40,736评论 3 324
  • 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 31,352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 32,557评论 1 268
  • 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 47,371评论 2 368
  • 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 44,292评论 2 352

推荐阅读更多精彩内容