JVM底层原理篇六：GC底层算法 十大垃圾回收器 G1 CMS 三色标记 对象分配

基础概念

• 没有引用指向的对象，就是垃圾
• C/C++中，是自行回收垃圾，所以效率很高，但是开发很麻烦
• Java是由GC来帮我们回收垃圾，可以很大的提高开发效率
• GC调优就是让回收垃圾的效率变高，减少FGC的触发，尽量让YGC去解决问题

GC定位垃圾的算法

• reference count：引用计数
  ○ 有几个引用指向对象，就在对象上标记对应的数字 ，当标记为0时，就代表这个对象是一个垃圾
  ○ 会产生循环引用的问题，A引用B，B引用C，C引用A，这时，ABC的标记都是1，就会形成一团垃圾，无法被回收
  ○ Python的垃圾回收就是引用计数

• Root Searching：根可达算法
  ○ 根对象：程序启动之后，马上就会需要到的那些对象，就是根对象
  ○ 官方对根对象的定义：JVM栈， 本地方法栈，常量池，方法区静态引用的Class，JNI指向的对象（C/C++对象）

GC清理垃圾的算法

• Mark-Sweep：标记清除算法
  ○ 对垃圾对象做好标记后，直接清除
  ○ 需要扫描两遍，原有对象不需要移动，但是容易产生碎片
  ○ 在存活对象多的情况下，效率比较高，适用于Old区

• Copying：拷贝
  ○ 内存一分为二，把一块区域中有用的对象，拷贝到第二块区域，然后把第一块区域全部清除
  ○ 需要扫描一遍，原有对象需要移动，不会产生碎片，但是会浪费空间
  ○ 在对象存活少的情况下，效率比较高，适用于Eden区
  ○ 补充：原有对象移动，需要调整对象的引用

• Mark-Compact：标记压缩
  ○ 把标记好用得到的对象，全部往一个地方移动，去填补空位和垃圾对象的位置
  ○ 需要扫描两遍，并且原有对象需要移动，效率低，但是不会产生碎片化，也不会浪费空间
  ○ 存活对象多，并且碎片化严重的时候用，适用于Old区

堆内逻辑分区

• 分代：
  ○ 是指把堆中的内存，分为新生代和老年代
  ○ 默认是1：2的比例，因为特性不同，所以使用的算法也不同
  ○ 目前的垃圾回收器，除了Epsilon ZGC Shenandoah之外，都使用了分代模型
  ○ G1使逻辑分代，物理不分代，其他的是逻辑分代+物理分代

• 新生代（New/Young）
  ○ 适用Copying算法
  ○ 新生代快满的时候，会触发YGC来回收（Young GC 或者 Minor GC）
  ○ 新生代也就是对象出生的地方，如果对象存活时间不长，会直接在新生代被YGC回收
  ○ 其中分为一个Eden区和两个Suvivor（幸存者）区，默认的比例是8：1：1

• 老生代（Old）
  ○ 适用于Mark-Sweep或者Mark-Compact算法
  ○ 老生代快满的时候，会触发FGC来回收（Full GC 或者 Major GC），也可以调用System.gc()触发

对象分配

• 栈上分配
  ○ 线程私有小对象
  ○ 无逃逸，这个对象只会存在当前方法中，没有外部变量的引用
  ○ 支持标量替换，指对象中的属性是不可分解的量，比如基本类型，就可以用标量在栈中替换对象
  ○ 栈可以直接弹出，不需要回收，所以效率很高
  ○ 无需调整

• 线程本地分配TLAB （Thread Local Allocation Buffer）
  ○ 每个线程默认能在Eden区申请1%的位置，对象可以在这块区域中分配
  ○ 多线程不用竞争Eden区，可以直接申请，对象最后会留在Eden区中
  ○ 无需调整

• Eden分配
  ○ 确定不是大对象，并且TLAB无法分配时，就会直接来到Eden区进行分配

• 老年代
  ○ 分配占用很大的对象，由FGC来回收

• 对象进入老年代的过程
  ○ YGC触发后，Eden区存活的对象会进入S1幸存者区，年龄+1，之后的触发，存活对象就会在S1和S2中来回移动递增年龄
  ○ 到年龄后就会进入Old区，CMS年龄是6，其他的都是15

• 动态年龄：
  ○ YGC完成后会计算年龄，年龄从小到大累加，累加和超过50%的时候，YGC就会把这个年龄定为下一次晋升Old区的年龄

• 分配担保：
  ○ YGC触发期间，幸存者区空间不够了，一些对象会通过分配担保直接进入老年代

• 对象的分配过程及生命周期
  ○ 产生对象时，会先尝试往栈上分配，分配不下会先判断这个对象是不是很大，很大的话会直接进入Old区，否则就进入TLAB（线程本地分配）
  ○ Eden区会给每个线程1%的位置，TLAB会在这个位置上尝试分配，如果分配不下，就直接在eden区中分配
  ○ YGC回收后，对象依旧存活，那么就会在幸存者区S1和S2中来回移动，增加年龄，CMS年龄到6进入Old区，其他GC年龄到15进入Old区
  ○ Old区快满时，会调用FGC回收
  

• 对象在内存中的状态
  ○ 可达状态：可以从根对象直接导航找到的对象
  ○ 可恢复状态：没有被引用指向，调用完全部对象finalize方法后，又恢复了引用指向的对象
  ○ 不可达状态：所有的关联都被切断，调用完全部finalize方法依旧没有恢复引用指向的对象
  ○ 补充：finalize是GC在回收对象之前调用的方法

card table 卡表

• 主要用于分代模型中帮助我们提升垃圾回收的效率
• 使用算法标记垃圾的时候，Young区中的引用会指向Old区中的对象，这样的话，触发一次YGC就需要遍历一次Old区，会毫无效率可言
• 所以JVM就设计一个cardtable来解决这个问题
• JVM把堆中的内存分为了一个一个的card，如果Old区中的某个对象没Young区中的对象引用，则会在一个位表上，把这个对象所在的card标记为Dirty
• 下次扫描的时候，就只需要被标记为Dirty的card即可，而这个位表就是card table
• Collection Set
  ○ 简称CSET，就是记录了card table中标记了需要回收的card，GC来回收的时候，直接去CSet里面找，可以节约大量的时间

垃圾回收器

• 基础概念
  ○ 垃圾处理器指的是触发YGS或FGC时，用什么处理器来完成垃圾清理的工作
  ○ STW：Stop the world的缩写，暂停世界，也就是当所有线程在安全点的时候，全部暂停，GC来回收垃圾
  ○ safe point：安全点，意思是必须等一个安全的时候暂停线程，不能让数据错乱
  ○ 并发垃圾回收器：也就是指垃圾回收线程和工作线程同时运行的GC
  ○ 并发垃圾回收器的存在就是因为无法忍受STW，但是目前没有不会产生STW的垃圾回收器

• Serial + SerialOld
  ○ 单线程使用STW回收，最开始的垃圾处理器
  ○ Old区使用标记压缩算法
  ○ 适用于几十兆的内存

• ParallelScavenge + ParallelOld
  ○ 多线程的STW回收
  ○ 简称PS + PO，如果没有做调优，1.8默认就是使用这个处理器
  ○ Old区使用标记压缩算法
  ○ 适用于几百兆左右的内存
  ○ 12G内存，碎片话比较严重时，STW时间会达到11秒左右

• ParNew
  ○ ParNew中同样使用了多线程的STW回收
  ○ ParNew做了一些增强来配合CMS的使用
  ○ CMS在某个特定阶段的时候，ParNew可以同时运行

• CMS（concurrent mark sweep）
  ○ 并发的垃圾回收器，是一个里程碑式的GC
  ○ 但是问题很多，并且是CMS自带的问题，无法彻底解决
  ○ 所以目前所有的JDK版本，默认的垃圾回收器都没有采用CMS
  ○ 底层算法为：三色标记+ 增量更新
  ○ CMS+ParNew可适用于16-20G左右的内存

• G1
  ○ 底层算法为：三色标记 + SATB
  ○ 可适用于上百G的内存，目前的主流GC
  ○ 1.9的默认垃圾处理器就是G1

• ZGC
  ○ 底层算法为：颜色指针 + 写屏障
  ○ ZGC的STW实测已经达到1-2毫秒
  ○ 可适用于4个T的内存，JDK13中可适用16T的内存
  ○ 没有采用分代模型

• Shenandoah
  ○ 底层算法为：颜色指针 + 读屏障
  ○ ZGC的竞争对手
  ○ 没有采用分代模型

• Eplison
  ○ 只进行内存分配，不进行内存回收的GC
  ○ 一般用于DEBUG调试使用，JDK11才有
  ○ 没有采用分代模型
  

GC日志（PS + PO）

堆日志（PS + PO）

CMS

• CMS 垃圾回收流程
  ○ 初始标记：单线程进行，使用STW完成，只标记根对象
  ○ 并发标记：标记存活对象，和工作线程同时进行，在之前的GC中，这个阶段会占用80%的时间
  ○ 预处理：并发操作，找出并发标记时漏掉的存活对象（也就是引用没来得及从YGC中换过来的对象）
  ○ 可终止的预处理：会尝试去做下一个阶段的事情，达成某个abort（条件）后停止，最多持续5秒，可以对abort条件进行调整来控制
  ○ 重新标记：多线程进行，使用STW完成，找出并发标记阶段同时产生的垃圾
  ○ 并发清理：清理被垃圾对象，和工作线程同时运行
  ○ 并发重置：清除CMS过程中给对象标记的各种状态

• CMS产生的问题
  ○ 浮动垃圾：并发清理的时候产生的垃圾，无法彻底清除干净，只能下一次触发GC时来清理
  ○ 碎片化（严重）：当Old区内存碎片化特别严重的时候，浮动垃圾没位置了，CMS就会用SerialOld来清理内存

G1

• 程序的两大思想分别是：分而治之和分层，而GC使用的就是分而治之的方法来管理的内存
• 在G1中，把内存分为很多块Region，当G1去回收垃圾的时候，其实就是再回收一个一个的Region，超过Region50%的就会被定义为大对象
• 每一个Region再被回收之后，都可成为不同的分区，而不是固定的Eden区或者Old区，所以G1只是在逻辑上分代，而物理不分代
• 因此，G1是可以动态的调整新老分区大小的，不用重启项目
• G1在对象分配不下的情况下，也会产生FGC，G1的FGC在JDK10之前都是单线程串行的，10之后才是并行的
• 所以我们调优G1的目的就是尽量不要让FGC发生
• G1调优方法：
  ○ 扩大内存，提高CPU性能
  ○ 降低MixedGC触发的阈值，让MixedGC提前触发
  ○ 参数：XX:InitiatingHeapOccupacyPercent
• Mixed GC:
  ○ Mixed GC本质上就是一套完整的CMS
  ○ 不同的是Mixed GC最后一步回收，是筛选回收，会先去回收筛选出来的，最需要被回收的垃圾
  ○ 之后会对Region进行一个整理，所以G1的碎片很少
  ○ 回收过程：初始标记STW–>并发标记–>最终标记STW–>筛选回收SWT（并行）
• RememberedSet:
  ○ 在G1的每个Region中，都记录了谁指向了我，而这些信息，就是记录在RememberedSet中
  ○ 简称RSet，主要的作用是为了方便垃圾回收而设计的集合，也是G1可以高效回收垃圾的关键
  ○ 缺点是RSet本身也是会浪费空间的，所以在ZGC中，取消了这个机制，直接把信息记录在了指针里
• 特性：
  ○ 并发收集：并发标记，并发回收
  ○ 算法：三色标记 + STAB
  ○ Mixed GC压缩空间时，不会延长GC的STW时间，这个时间能够预测并且控制
  ○ 适用于不需要特别高吞吐量但是需要响应特别快的场景

三色标记

• 三色标记中，使用了三种颜色表示了对象的状态
  ○ 白色：未被标记的对象
  ○ 灰色：自身被标记，成员变量未被标记
  ○ 黑色：自身和成员变量均已被标记
• 通过颜色的辨别，可以让GC找到需要回收的垃圾，但是这个过程是并发执行的，所以会存在漏标的情况
• 在并发标记的过程中，有一个黑色对象的引用指向了白色对象，与此同时，其他指向这个白色对象的引用消失了，这种情况下，白色对象就会被漏标
• 解决办法：
  ○ 增量更新： 黑色建立新的引用时，把黑色的对象重新标记为灰色，下次重新扫描属性（CMS使用的算法）
  ○ STAB：当一个灰色对象指向白色对象的引用消失的时候，就把这个引用放去GC的堆栈里面，保证白色引用还可以被GC扫描到（G1使用的算法）

补充知识

• G1之所以使用SATB，是因为G1里面有很多的Region，如果对象被重新标记为灰色，就得重新扫描，效率会很低
• 第二个原因是，G1中的每个Region都包含有一个RememberedSet，而RememberedSet里面记录的引用可以很好的配合SATB来使用
• G1中，由于RSet的存在，每次给对象赋引用的时候，都会在RSet中做一些额外的操作，这些操作被称为“写屏障”