死磕深入理解java虚拟机2--第三章笔记

重温深入理解java虚拟机这本书,温故而知新。

书是基于java虚拟机规范而来,文章中会掺杂我的个人理解的描述,如有误,请指正。

 1、对象收集相关算法

(1)引用计数算法(虚拟机没有采用此种算法,无法解决循环依赖的问题)

 (2)可达性分析算法

当一个对象到GC Roots没有任何引用链,则为可回收的对象

GC Roots的对象包括:虚拟机栈中引用的对象、方法区中静态属性应用的对象、方法去中常量引用的对象、本地方法栈中的JNI引用的对象。

(3)四种引用:强引用 软引用 弱引用 虚引用

(4)方法区的回收

2、垃圾收集算法

(1)标记-清除算法

标记可回收对象,清理被标记的对象,这两步效率不高,会产生内存碎片。

 老年代可以采用此种方式

(2)复制算法

将房子一分为二,一半放杂物,过一段时间后你发现放东西的一半满了,于是你就把不用的杂物扔掉了,然后剩下的杂物搬到屋子的另一边,搬的过程顺手整理一下,这样开始放杂物的一半就空出来,可以放更多的东西了。

因为1:1这种方式浪费空间,所以现在的虚拟机采用Eden空间和两块较小的Survivor空间,HotSpot默认Eden和Survivor比例为8:1,当三块地都不够用的时候,老年代就可以用上了。

新生代采用此种方式

(3)标记-整理算法

当对象存活率较高时候,会出现较多的复制操作,效率变低,而且会浪费额外的空间,基于以上问题,老年代可以采用标记可回收对象,移动存活的对象向一边移动,清理边界之外的内存的方式。与(1)方式不同点在于不直接清理,而是移动存活对象再进行清理。

基于以上算法介绍,虚拟机采用了分代收集的算法应对不同代的回收,原因是新生代中,每次收集会有大批量的对象死去,少量存活,复制算法效率高一些。老年代相反,没有额外的空间进行分配担保,必须使用(1)和(3)两种算法进行。

3、HotSpot的算法实现

(1)虚拟机发起内存回收的过程

A、枚举根节点

可达性分析中从GCRoots节点找引用链,如果逐个检查会消耗非常多的时间,并且在进行分析的时间段中引用关系不能变化,所以会导致stop the world。基于以上原因,hotspot采用了一组OopMap的数据结构存放引用。

B、安全点(Safepoint)

关于安全点,我也没有完全理解透彻,附上一篇文章说明下:https://www.jianshu.com/p/c79c5e02ebe6

为了解决OopMap内容变化的指令非常多,会产生大量的额外空间,所以只在特定的位置记录信息

C、安全区域

当线程处于Sleep阶段或者Blocked状态,这样就不能进入安全点,这时可以通过标定一块安全区域,安全区域内的代码不会改变引用关系,可以放心的进行GC,离开安全区域时,要进行Safepoint的检查

(2)垃圾收集器(即具体怎么回收的)

http://www.cnblogs.com/redcreen/archive/2011/05/04/2037057.html

HotSpot虚拟机的垃圾收集器关系图

A、Serial收集器(新生代收集器,复制算法)

垃圾收集时必须暂停其他所有的工作线程,直到收集结束,没有线程切换的消耗,在client模式下仍然是默认的垃圾收集器的实现。可以与CMS配合使用。

设置参数: 

        "-XX:+UseSerialGC":添加该参数来显式的使用串行垃圾收集器;

B、ParNew收集器(新生代,多线程版本)

可以与CMS配合使用。

设置参数:

      "-XX:+UseConcMarkSweepGC":指定使用CMS后,会默认使用ParNew作为新生代收集器;

      "-XX:+UseParNewGC":强制指定使用ParNew;    

      "-XX:ParallelGCThreads":指定垃圾收集的线程数量,ParNew默认开启的收集线程与CPU的数量相同;

C、Parallel Scavenge 收集器(新生代收集器,关注可控的吞吐量)

吞吐量 = 运行用户代码时间/(运行用户代码时间+垃圾收集时间),例如总共运行100分钟,垃圾收集花掉1分钟,吞吐量为99%。

设置参数:

"-XX:MaxGCPauseMillis":控制最大垃圾收集停顿时间

"-XX:GCTimeRatio":直接设置吞吐量

"-XX:+UseAdaptiveSizePolicy":开关参数,打开之后可以自动调节堆内存的代分配比例达到最优,称为GC的自适应的调节策略,也是与ParNew收集器的一个重要区别。

D、Serial Old收集器(老年代收集器,标记-整理算法)

单线程的,在1.5之前跟Parallel Scavenge配合使用,在CMS发生Concurrent Mode failure时使用。

E、Parallel Old收集器(老年代收集器,标记-整理算法)

与Parallel Scavenge配合的老年代收集器,1.6版本之后可用。

注重吞吐量和cpu资源敏感的场合使用。

F、CMS收集器(老年代收集器,标记-清除算法)

G、G1收集器

4、内存分配与回收策略

(1)对象优先在Eden区分配  

例子:-Xms20M -Xmx20M -Xmn10M -XX:+PrintGCDetails -XX:SurvivorRatio=8

public static void main(String[] args){ byte[] a1,a2,a3,a4; int _1MB = 1048576; a1 = new byte[2 * _1MB]; a2 = new byte[2 * _1MB]; a3 = new byte[2 * _1MB]; a4 = new byte[5 * _1MB];}

发生一次MinorGC

(2)大对象直接进入老年代

例子:-XX:PretenureSizeThreshold=3145728  (不能直接写3MB)

(3)长期存活的对象将进入老年代

虚拟机给每个对象定义一个年龄(age)计数器,如果在Eden出生并经过MinorGC仍然存活且能被Survivor容纳的话,将被移动到Survivor中,年龄设为1,在Survivor每熬过一次MinorGC,年龄增加一岁,当到一定年龄(-XX:MaxTenuringThreshold  设置此年龄),就可以晋升老年代。

(4)动态对象年龄判定

提前进入老年代的情况:如果Survivor中相同年龄的所有对象大小总和大于Survivor空间的一般,年龄大于或等于该年龄的对象直接进入老年代。

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 212,332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 90,508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 157,812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 56,607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 65,728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 49,919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 39,071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 37,802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 44,256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 36,576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 38,712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 34,389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 40,032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 30,798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 32,026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 46,473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 43,606评论 2 350

推荐阅读更多精彩内容