Java内存区域

1. Java运行时数据区

上图白底为线程共享区域，粉底为线程私有区域。

1.1 程序计数器（Program Counter Register）

• 线程执行的字节码的行号指示器；
• 字节码解释器通过改变计数器的值来读取下一条需要执行的字节码指令；
• 线程私有；
• 没有规定任何OutOfMemoryError（OOM）异常。

1.2 虚拟机栈（VM Stack）

• 生命周期与线程一样；
• 每个方法被执行时，都会创建一个栈帧，用于存放局部变量表、操作数栈、动态连接、方法占用等信息；
• 线程私有；
• 规定了两种异常状况
• StackOverflowError：如果线程请求的栈的深度大于虚拟机允许的深度；
• OutOfMemoryError：如果Java虚拟机栈可以动态扩展，当栈扩展时无法申请到足够的内存；
• 在HotSpot虚拟机中不允许动态扩展栈的容量，如果线程申请栈空间失败了，会抛出OOM异常。

1.2.1 局部变量表

• 存放编译期可知的各种数据类型
• 基本数据类型：byte、short、int、long、float、double、char、boolean；
• 对象引用（reference类型）：
• 可能是一个指向对象起始地址的引用指针；
• 可能指向一个对象的句柄或其他与此对象相关的位置
• 句柄： 一个唯一的整数，作为对象的身份id，区分不同的对象，和同类中的不同实例；
• returnAddress类型：指向一条字节码指令的地址；
• 数据类型在局部变量表中的存储空间以局部变量槽（Slot）表示，long和double占两个，其余类型占一个；
• 局部变量表所需内存空间在运行时完成分配。

1.3 本地方法栈（Native Method Stack）

• 与虚拟机栈作用基本一致，只是虚拟机栈为虚拟机执行Java方法（字节码）服务，而本地方法栈为虚拟机执行本地（Native）方法服务。

1.4 Java堆（Heap）

• 几乎所有对象实例都在这里分配内存；
• 是垃圾收集器管理的内存区域；
• 新生代、老年代、Eden空间；
• 可以划分出线程私有的分配缓冲区（Thread Local Allocation Buffer，TLAB）；
• 物理上可以不连续，逻辑上连续；
• 线程共享；
• 如没有内存完成实例分配，并且堆无法扩展，抛出OOM异常。

1.5 Java方法区（Method Area）

• 用于存储已经被虚拟机加载的类型信息、常量、静态变量、即时编译器编译后的代码缓存等数据；
• 内存回收目标主要是针对常量池的回收和对类型的卸载；
• 线程共享；
• 当方法区无法满足内存分配时，就会抛出OOM异常。

1.5.1 运行时常量池（Runtime Constant Pool）

• 是方法区的一部分；
• 存放编译期生成的各种字面量与符号引用；
• 具备动态性；
• 当常量池无法申请到内存时会抛出OOM异常。

2. HotSpot虚拟机对象探秘

本文探讨的是在Java堆中对象的创建、布局和访问的过程
2.1 对象创建

2.2 对象布局

HotSpot虚拟机在堆中的内存布局分为三个部分：对象头（Header）、实例数据（Instance Data）、对齐填充（Padding）；

2.2.1 对象头

包含两类信息：一类是用于存储对象自身的运行时数据（Mark Word），另一类是类型指针，即对象指向它的类型元数据的指针。
• 因为对象需要存储的运行时数据很多，Mark Word被设计成一个具有动态定义的数据结构，以便在极小的空间内存储尽量多数据，根据对象的状态复用自己的存储空间。
• 虚拟机通过类型指针来确定对象是哪个类的实例。
如果对象是一个数据，对象头中还有一个记录数组长度的数据。

2.2.2 实例数据

• 对象真正存储的有效信息，即定义的各字段内容；
• 存储顺序会受到虚拟机分配策略和字段在Java源码中定义顺序的影响；
• HotSpot默认的分配顺序为：longs/doubles、ints、shorts/chars、bytes/booleans、oops(Ordinary Object Pointers)。

2.2.3 对齐填充

• 不是必然存在；
• 仅仅起到占位符的作用；
• 如果实例数据部分没有对齐，则通过对齐填充补全。

2.3 对象访问

• 通过栈上的reference数据操作堆上的具体对象；
• 访问方式由虚拟机决定：
• 使用句柄：Java堆划分出一块内存用作句柄池，reference中存储的是对象的句柄地址；
• 优势：对象被移动时，只会修改句柄中的实例数据指针，reference本身不会被修改，更稳定；
• 直接指针：reference中存储的是对象地址；
• 优势：节省了一次指针定位的时间开销，数据更快；