趣谈GC里的那些算法

首先，我们知道许多主流GC都是基于分代收集理论设计的，所以常把Java堆分为新生代和老年代（但这不是一个强制
规范，只是一种设计思想），本文也按照这种经典思想将Java堆分代。当然，你可能会说，都0202了，不应该直接
学习G1吗，私以为“循序而渐进”乃学习之正道，施主，急不得。

一、基础理论

根可达性分析

目前主流的GC在标记阶段采用的都是这种算法。

1. 什么是引用计数法？它的劣势主要在哪？

• 引用计数法的做法是让对象额外记录一个计数器，当有一个变量或其他对象引用它时，这个计数器自增1，如果一个对象没有被引用（计数器的值为0），就会被认定为垃圾。如果两个对象相互引用（对象内心OS：不要清理我们，我们深爱着对方），则它们不会被清理，但实际上对于线程而言，它们已经没用（秀恩爱死得快）了，因为线程不能通过引用访问到它们。
  

2. 那什么是根可达性分析呢？

• 首先，得明确一下“根”的定义，由于标准定义过于冗长，难以记忆，这里简化一下，我们可以认为“根”是被JVM管理着的线程们（或者说是存活着的线程们）存储着的引用。
• 根可达性分析本质上就是DFS（Depth-First-Search，深度优先搜索），即从“根”（对象的引用）出发，一根筋地往下蹿，把遍历到的对象都标记为可用的。
  

3. 为什么要根可达性分析算法是主流？

• 最重要的原因就是根可达性算法不会让1中所述的循环引用（我好像在说废话，因为它们根不可达）存在（其实这个算法是fff团设计的），即它不会因为自身算法的问题而导致未回收垃圾。

下面粗略地给出（怎么高兴怎么写）以上算法的实现：

// 遍历每个GCRoot的引用链
void isReachableFromRoots(GCRoots[] gcRoots) {
	for (GCRoots gcRoot : gcRoots) {
		// 遍历当前gcRoot的引用链
		sign(gcRoot.getRefs());
	}
}
// 标记（dfs）
void sign(Reference... refs) {
	if (refs == null || refs.isEmpty()) {
		return;
	}
	for (Reference ref : refs) {
		// 标记为有用对象
		ref.isReachable = true;
		// 遍历当前对象的引用集
		sign(ref.getRefs());
	}
}

注：下文的一些图片也用黑色表示对象可达，白色表示不可达（但是作为一个资深垃圾收集者，你可能会说，咱玩的不都是三色标记吗，啊，被发现了，下面会谈到~）

二、算法的内容与实现

复制算法

复制算法（严格来说是改进版的复制算法）就是针对新生代的。

1. 什么是复制算法？

• 现在我们有一块内存空间，线程们迫不及待地想要在上边放置自己的对象。
• 但是聪明的线程管理者——JVM，不允许线程任意妄为，JVM将这块内存划成两个部分（实际上通常是三个部分，这里只关注“复制”环节），我们暂且分别称它们为小a和小b吧。
• 活泼的线程们很快就把小a填满了，这时JVM（GC）拍马赶到，开始了自己的擦屁股之旅：它把“垃圾”（根不可达的对象）清理了，然后把存活的对象挪到了小b。宝剑锋从磨砺出，梅花香自苦寒来，经过这一次历练，小b中的对象成长了（分代年龄+1）。
• 现在小a空空如也，小b放着一些还有用的对象，然后线程们又开始在小b上放置对象了，于是下一个轮回开始了……

2. 普通的复制算法有什么优点？缺点呢？

• 从1中我们知道这种算法很简单，但你可能会说，这太浪费空间了啊！古人云：“鱼与熊掌不可兼得”，故普通的复制算法的优点就是实现简单、不产生内存碎片（不连续的内存空间），缺点就是内存利用率低。
  

3. JVM中的复制算法是怎么样的呢？

• 前面提到，JVM通常把新生代划分为3个部分，它们分别是Eden区，From区和To区，其中Eden区是新对象优先被分配的地方（故事的开始，对象们快乐地生活在伊甸园），From区和To区对应的就是1中举例用的小a和小b。
• 默认情况下，Eden:From:To=8:1:1，为什么这样分配呢？因为设计大佬们统计发现，98%的对象是会被回收的，也就是说，大部分对象其实在Eden区就被回收了，即能幸存下来溜到From区和to区的对象少之又少。
• 增加了一个Eden区（Appel式的复制算法，别问，问就是用大佬名字命的名）提高了复制算法的空间利用率，使得这个算法既省事儿又有效，存活下来的少部分对象在From区和To区之间反复横跳，满足一定条件之后被送到老年代（动态年龄判定）。
• 关于动态年龄判定，这里不阐述，因为比较容易产生歧义，具体内容见下方源码及其注释。
  

// 动态年龄判定（计算晋升至老年代的阈值年龄）
uint ageTable::compute_tenuring_threshold(size_t survivor_capacity) {
  	// survivor_capacity是survivor空间（即上图的From区加上To区）的大小
  	// TargetSurvivorRatio默认值是50，即desired_survivor_size默认是survivor的一半
    size_t desired_survivor_size = (size_t)((((double) survivor_capacity) * TargetSurvivorRatio) / 100);
    size_t total = 0;
    uint age = 1;
    while (age < table_size) {
	    total += sizes[age]; // sizes数组存储了每个年龄段对象总大小
	    if (total > desired_survivor_size) break; // 当前总大小大于目标值则直接结束循环
	    age++;
    }
 	// MaxTenuringThreshold是默认阈值，一般设为15
    // result是动态判定之后的阈值，GC会把年龄大于等于result的对象送往老年代
    uint result = age < MaxTenuringThreshold ? age : MaxTenuringThreshold;
	// 之后的内容省略...
}

4. 小结

• 复制算法常用于新生代，很贴合对象“朝生夕死”的特点。许多算法本身往往没有优劣之分，要结合应用场景选取合适的算法。

复制算法是针对新生代的，剩下的两个算法则在老年代中运用。

标记-清除算法

标记清除的英文是Mark-Sweep，没错，常用的并发GC——CMS中的MS就是标记-清除。接下来就基于CMS分析标记-清除算法。

1. 什么是标记？如何实现？

• 标记的含义和实现见根可达性分析部分（CMS中的标记比较复杂，这篇文章不详细讨论）。咳咳，差点忘了，还得填坑：在之前的分析中我们简单地把对象分为可达（图中用黑色表示）和不可达（图中用白色表示），但实际上（并发）GC采用的是三色标记法。

2. 什么是三色标记？

• 我们知道多线程可以提升效率，但由于涉及到线程的调度，我们就不能简单地只把对象分为可达和不可达，因为线程被挂起时很有可能并没有完成整个引用链的扫描。
• 于是引入了第三种颜色——“灰色”，用于标记可达但未遍历其引用集的的对象。再明确一下“黑色”和“白色”的定义——“黑色”用来标记可达且已经遍历其引用集的对象，“白色”用来标记不可达的对象。
  

3. 什么是漏标？

• 三色标记解决了一部分问题，但由于GC线程和业务线程是并发执行的（妈妈一边打扫，你一边丢垃圾，请问医院wifi速度快吗），难以避免产生新的引用关系，或是删除/改变旧的引用关系，即并发会导致漏标，于是由此又引出了新的算法（如Increment Update），本文不做详细阐述（作者不会）。下图（承接上图）简单描绘了漏标的情形：
  

4. 优点？缺点？

• 标记-整理算法实际上包括标记、清除和整理，即标记-清除算法与之相比少了清除之后的整理。这样明显省事儿，但是代价是产生了内存碎片。同样地，CMS中的清除也是分阶段进行的。CMS的设计初衷就是要减短STW（Stop the world，咋瓦鲁多）的时间，而标记-清除算法就很符合这样的理念，因为它够快，缺点在上文也提及了，就是会产生内存碎片

标记-整理算法

• 很明显，此算法的优点是不产生内存碎片，缺点是实现繁琐（涉及到地址的改变）。
• 说累了，懒癌晚期的作者想溜了。不过u1s1，搞懂了标记-清除，其实也就搞懂了标记-整理，最后就用一张图来结束吧（图中黑色表示被内存使用，白色表示空闲，即不存在内存碎片，可用空间是连续的）~
  

三、总结

算法	优点	缺点
复制算法	实现简单、无内存碎片	内存利用率较低
标记-清除算法	速度快	有内存碎片
标记-整理算法	实现较复杂	无内存碎片

作者水平有限，文中存在的问题还望大家能够指出~