前言
上篇我们讲的是垃圾回收的概述,那么从本篇开始我们说的是垃圾回收的相关算法
这些算法我们并不会手动的实现,但我们需要知道原理是什么,背景是什么,应用场景有什么
我们没有必要底层去实现,并且本身算法也是很复杂要考虑的细节有很多
我们一提到垃圾回收的算法GC,那么其实翻译成两个词:垃圾回收器、垃圾回收
那么我们提到GC就是要垃圾回收,那我们需要知道哪些是垃圾结构(对象)
,将它清理
那么怎么找到这些垃圾呢?找到之后呢怎么清理回收呢?
所以我们把GC的分成二个阶段:标记阶段、清楚阶段
标记阶段:识别垃圾结构(对象)识别出来。涉及到算法有:引用计数算法、可达性分析算法
清楚阶段:释放垃圾对象所占用的内存空间。涉及到算法有:标记-清除算法(Mark-Sweep)、复制算法(Copying)、标记-压缩算法(Mark-Compact)
一、标记阶段:引用计数算法
判断对象是否存活?
================================
在堆里存放着几乎所有的Java对象实例在GC执行垃圾回收之前,首先需要区分出内存中哪些是存活对象,哪些是已经死亡的对象。
只有被标记为己经死亡的对象,GC才会在执行垃圾回收时,释放掉其所占用的内存空间,因此这个过程我们可以称为垃圾标记阶段
那么在JVM中究竟是如何标记一个死亡对象呢?简单来说当一个对象已经不再被任何的存活对象继续引用时
,就可以宣判为已经死亡
判断对象存活一般有两种方式:引用计数算法和可达性分析算法
引用计数算法
================================
引用计数算法(Reference Counting)比较简单,对每个对象保存一个整型的引用计数器属性。用于记录对象被引用的情况
对于一个对象A,只要有任何一个对象引用了A 则A的引用计数器就加1
;当引用失效时引用计数器就减1
。只要对象A的引用计数器的值为0
,即表示对象A不可能再被使用,可进行回收
优点:
- 实现简单,垃圾对象便于辨识;
- 判定效率高,回收没有延迟性
缺点:
- 需要单独的字段存储计数器,这样的做法增加了存储空间的开销
- 每次赋值都需要更新计数器,伴随着加法和减法操作,这增加了时间开销
- 引用计数器有一个严重的问题,即无法处理循环引用的情况。
循环引用情况介绍
================================
当p的指针断开的时候内部的引用形成一个循环,计数器都还算1,无法被回收,这就是循环引用从而造成内存泄漏
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/451a8fa3a473f932a3f420b5fe929b28.png)
接下来我们使用示例代码来看看Java有没有使用这个引用计数算法?
public class RefCountGC {
//这个成员属性唯一的作用就是占用一点内存
private byte[] bigSize = new byte[5 * 1024 * 1024];//5MB
Object reference = null;
public static void main(String[] args) {
RefCountGC obj1 = new RefCountGC();
RefCountGC obj2 = new RefCountGC();
obj1.reference = obj2;
obj2.reference = obj1;
obj1 = null;
obj2 = null;
}
}
当我们不小心直接把obj1.reference和obj2.reference置为null。
若我们使用引用计数算法那么则在Java堆中的两块内存依然保持着互相引用,无法被回收
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/f5d0f28d335208af3f74ffb3c9557e12.png)
具体是不是这样呢?我们运行起来先看看堆空间的大小
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/5a4af7c25c15a50932b62b7116666e44.png)
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/ede7761011cc2c19ec90c309e56773f4.png)
这时我们采用以下的代码块,运行起来看看是否会被GC回收
public class RefCountGC {
//这个成员属性唯一的作用就是占用一点内存
private byte[] bigSize = new byte[5 * 1024 * 1024];//5MB
Object reference = null;
public static void main(String[] args) {
RefCountGC obj1 = new RefCountGC();
RefCountGC obj2 = new RefCountGC();
obj1.reference = obj2;
obj2.reference = obj1;
obj1 = null;
obj2 = null;
//显式的执行垃圾回收行为
//这里发生GC,obj1和obj2能否被回收?
System.gc();
}
}
若我们这时开启GC,与上面没有开启GC的堆空间大小是一样的,那就未被回收
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/20ad0794fe6592cda9140d2814e30f13.png)
对比未开启前的堆空间,我们开启后的堆空间大小。这就说明他们两被回收了
引用计数算法 小结
================================
引用计数算法,是很多语言的资源回收选择,例如因人工智能而更加火热的Python,它更是同时支持引用计数和垃圾收集机制
具体哪种最优是要看场景的,业界有大规模实践中仅保留引用计数机制,以提高吞吐量的尝试
Java并没有选择引用计数,是因为其存在一个基本的难题,也就是很难处理循环引用关系
Python如何解决循环引用?
- 手动解除:很好理解,就是在合适的时机,解除引用关系。
- 使用弱引用weakref,weakref是Python提供的标准库,旨在解决循环引用。
二、标记阶段:可达性分析算法
可达性分析算法:也可以称为根搜索算法、追踪性垃圾收集
相对于引用计数算法而言,可达性分析算法不仅同样具备实现简单和执行高效等特点,更重要的是该算法可以有效地解决在引用计数算法中循环引用的问题,防止内存泄漏的发生
相较于引用计数算法这里的可达性分析就是Java、C#选择
的。这种类型的垃圾收集通常也叫作追踪性垃圾收集(Tracing Garbage Collection)
可达性分析实现思路
================================
可达性分析算法是以根对象集合(GCRoots)为起始点
,按照从上至下的方式搜索被根对象集合所连接的目标对象是否可达
所谓"GCRoots"根集合就是一组必须活跃的引用
使用可达性分析算法后,内存中的存活对象都会被根对象集合直接或间接连接着
,搜索所走过的路径称为引用链(Reference Chain)
如果目标对象没有任何引用链相连(Object 5、6、7)则是不可达的,就意味着该对象己经死亡,可以标记为垃圾对象
在可达性分析算法中,只有能够被根对象集合直接或者间接连接的对象(Object 1、2、3、4)才是存活对象
GC Roots可以是哪些元素?
================================
1.虚拟机栈中引用的对象:比如各个线程被调用的方法中使用到的参数、局部变量等。
2.本地方法栈内JNI(通常说的本地方法)引用的对象
3.方法区中类静态属性引用的对象:比如:Java类的引用类型静态变量
4.方法区中常量引用的对象:比如:字符串常量池(StringTable)里的引用
5.所有被同步锁synchronized持有的对象
6.Java虚拟机内部的引用:基本数据类型对应的Class对象、一些常驻的异常对象(如:NullPointerException、OutofMemoryError),系统类加载器
7.反映java虚拟机内部情况的JMXBean、JVMTI中注册的回调、本地代码缓存等
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/169758e46f9e191d5a4fccec90d9aaa3.png)
除了这些固定的GC Roots集合以外,根据用户所选用的垃圾收集器以及当前回收的内存区域不同,还可以有其他对象“临时性”地加入,共同构成完整GC Roots集合。比如:分代收集和局部回收(PartialGC)
如果只针对Java堆中的某一块区域进行垃圾回收(比如:典型的只针对新生代),必须考虑到内存区域是虚拟机自己的实现细节,更不是孤立封闭的
这个区域的对象完全有可能被其他区域的对象所引用,这时候就需要一并将关联的区域对象也加入GC Roots集合中去考虑,才能保证可达性分析的准确性。
由于Root采用栈方式存放变量和指针,所以如果一个指针它保存了堆内存里面的对象,但是自己又不存放在堆内存里面,那它就是一个Root
但是也有一些需要注意的地方,比如说如果要使用可达性分析算法来判断内存是否可回收
,那么分析工作必须在一个能保障一致性的快照中进行
。
这点不满足的话分析结果的准确性就无法保证
,这点也是导致GC进行时必须“Stop The World”的一个重要原因
。即使是号称(几乎)不会发生停顿的CMS收集器中,枚举根节点时也是必须要停顿的
三、对象的finalization机制
接下里我们说关于在回收之前涉及到方法的调用逻辑,也就是Java语言提供了对象终止(finalization)机制来允许开发人员提供对象被销毁之前的自定义处理逻辑
当垃圾回收器发现没有引用指向一个对象,我们称呼为垃圾进行回收。即垃圾回收此对象之前,总会先调用这个对象的finalize()方法
我们可以看看Object 类的finalize()方法,可以看到并没有被final修饰说明可重写
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/c484a650bdfd3897d194cc9140b4d037.png)
finalize() 方法允许在子类中被重写,用于在对象被回收时进行资源释放
。
建议永远不要主动调用某个对象的finalize()方法,应该交给垃圾回收机制调用。
理由有下面三点:
- 在finalize()时可能会导致对象复活
- finalize()方法的执行时间是没有保障的它完全由GC线程决定,极端情况下若不发生GC则finalize()方法将没有执行机会
- 一个糟糕的finalize()会严重影响GC的性能。比如finalize是个死循环
从功能上来说finalize()方法与C++中的析构函数比较相似
,但是Java采用的是基于垃圾回收器的自动内存管理机制,所以finalize()方法在本质上不同于C++中的析构函数
finalize()方法对应了一个finalize线程但是优先级比较低,即使主动调用该方法也不会因此就直接进行回收
由于finalize()方法的存在,虚拟机中的对象一般处于三种可能的状态。
如果从所有的根节点都无法访问到某个对象,说明对象己经不再使用了。一般来说此对象需要被回收。但事实上也并非是“非死不可”的,这时候它们暂时处于“缓刑”阶段。
一个无法触及的对象有可能在某一个条件下“复活”自己,如果这样那么对它立即进行回收就是不合理的。为此定义虚拟机中的对象可能的三种状态
- 可触及的:从根节点开始,可以到达这个对象
- 可复活的:对象的所有引用都被释放,但是对象有可能在finalize()中复活。
- 不可触及的:对象的finalize()被调用,并且没有复活,那么就会进入不可触及状态。
不可触及的对象不可能被复活,因为finalize()只会被调用一次。以上3种状态中是由于finalize()方法的存在进行的区分。只有在对象不可触及时才可以被回收
具体过程
================================
判定一个对象objA是否可回收,至少要经历两次标记过程:
- 如果对象objA到GC Roots没有引用链,则进行第一次标记。
- 再次进行筛选,判断此对象是否有必要执行finalize()方法
如果对象objA没有重写finalize()方法
,或者finalize()方法已经被虚拟机调用过
,则虚拟机视为“没有必要执行”
,objA被判定为不可触及
的
如果对象objA重写了finalize()方法且还未执行过
,那么objA会被插入到F-Queue队列中由一个虚拟机自动创建的、低优先级的Finalizer线程触发其finalize()方法执行
我们可以运行上面的那个示例代码,看看这个Finalizer线程
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/cac661ac145f9f331896a9f991926614.png)
finalize()方法是对象逃脱死亡的最后机会,稍后GC会对F-Queue队列中的对象进行第二次标记
如果objA在finalize()方法中与引用链上的任何一个对象建立了联系
,那么在第二次标记时,objA会被移出“即将回收”集合
如果后该对象会再次出现没有引用存在的情况
。在这个情况下finalize()方法则不会被再次调用
,对象会直接变成不可触及的状态
。也就是说一个对象的finalize()方法只会被调用一次
。
接下来我们通过一个示例代码来演示一下finalize
public class CanReliveObj {
//类变量,属于 GC Root
public static CanReliveObj obj;
public static void main(String[] args) {
try {
//创建一个对象
obj = new CanReliveObj();
//自己将自己置空
obj = null;
System.gc();//调用垃圾回收器
System.out.println("第1次 gc");
// 如果对象objA到GC Roots没有引用链,则进行第一次标记
// 再次进行筛选,判断此对象是否有必要执行finalize()方法
// 因为Finalizer线程优先级很低,暂停2秒,以等待它
Thread.sleep(2000);
if (obj == null) {
System.out.println("obj is dead");
} else {
System.out.println("obj is still alive");
}
} catch (InterruptedException e) {
e.printStackTrace();
}
}
}
//运行结果如下:
第1次 gc
obj is dead
我们这里并没有重写finalize()方法,所以当我们没有引用链的时候,被判不可触及了
接下来我们重写一下finalize()方法,自我拯救一下看看会判什么样呢?
public class CanReliveObj {
public static CanReliveObj obj;//类变量,属于 GC Root
//此方法只能被调用一次
@Override
protected void finalize() throws Throwable {
super.finalize();
System.out.println("调用当前类重写的finalize()方法");
obj = this;//当前待回收的对象在finalize()方法中与引用链上的一个对象obj建立了联系
}
public static void main(String[] args) {
try {
obj = new CanReliveObj();
// 对象第一次成功拯救自己
obj = null;
System.gc();//调用垃圾回收器
System.out.println("第1次 gc");
Thread.sleep(2000);
if (obj == null) {
System.out.println("obj is dead");
} else {
System.out.println("obj is still alive");
}
System.out.println("第2次 gc");
obj = null;
System.gc();//调用垃圾回收器
Thread.sleep(2000);
if (obj == null) {
System.out.println("obj is dead");
} else {
System.out.println("obj is still alive");
}
} catch (InterruptedException e) {
e.printStackTrace();
}
}
}
//运行结果如下:
第1次 gc
调用当前类重写的finalize()方法
obj is still alive
第2次 gc
obj is dead
这时我们就可以看到没有引用链,则进行第一次标记,但是我们重写finalize()方法所以虚拟机进行执行并且复活回来,当我们第二次断开引用链的时候,就不在执行finalize()方法将它判为
不可触及的状态进行回收
四、MAT与JProfilet的GC Roots溯源
MAT是Memory Analyzer的简称,它是一款功能强大的Java堆内存分析器。
用于查找内存泄漏以及查看内存消耗情况,是基于Eclipse开发的是一款免费的性能分析工具
MAT是基于Eclipse开发的,是一款免费的性能分析工具,可点击:下载入口
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/4f6072fd5d9b73dd9984241fa275d127.png)
虽然Jvisualvm很强大,但是在内存分析方面,还是MAT更好用一些
此小节主要是为了实时分析GC Roots是哪些东西,中间需要用到一个dump的文件
那么我们这时演示一下如果使用JVisualVM获取下面代码块的dump文件
public class GCRootsTest {
public static void main(String[] args) {
List<Object> numList = new ArrayList<>();
Date birth = new Date();
for (int i = 0; i < 100; i++) {
numList.add(String.valueOf(i));
try {
Thread.sleep(10);
} catch (InterruptedException e) {
e.printStackTrace();
}
}
System.out.println("数据添加完毕,请操作:");
new Scanner(System.in).next();
numList = null;
birth = null;
System.out.println("numList、birth已置空,请操作:");
new Scanner(System.in).next();
System.out.println("结束");
}
}
我们这个代码块numList 和 birth 在第一次捕捉内存快照的时候,为 GC Roots
之后 numList 和 birth 置为 null ,对应的引用对象被回收,在第二次捕捉内存快照的时候,就不再是 GC Roots
那么此时我们将代码运行起来,捕捉第一次内存快照并使用JVisualVM工具查看dump文件
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/7b267237a78307aca6d6e3b9d77c229b.png)
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/45373a4fa946f8f9c91624c09e833e14.png)
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/407f5d7a4f7819376b605a882a1e61a4.png)
接下来我们就可以使用MAT 打开刚刚另存为的快照
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/1cdec63d076864c3f0af9be4541394de.png)
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/9da6688242eddfb41549ecd76f2b8d2e.png)
如果我们想查看当前快照的GC Roots,可以按照下图点击
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/0d79c0dcd79f08422650beb56d9d16ee.png)
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/05028e96c05827b0860db91aea47c972.png)
当然我们可以查看MAT的官网文档有对GC Root下的相关参数介绍:访问入口
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/afa5270a63899aac3bccbd9a2845c397.png)
接下来我们可以展开Thread 查看我们刚刚的主线程
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/de4bceaa4788358d607416787f747c9a.png)
展开我们的主线程可以看到我们定义的两个局部变量,类型分别为 ArrayList 和 Date
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/b5dc7f3adc170bd99ef1e92a315c3fcc.png)
这时我们将程序继续执行,释放引用链再另存为看看他们的快照
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/65744dab7229b22339b32da2e96eb11d.png)
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/7ff018754ecc417277c83aea157fc900.png)
这时我们再用MAT打开另一份快照看看释放引用链后的GC Root有哪些
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/e0d090da45799707584ad911e2afd931.png)
同样的我们查看刚刚的主线程,看看之前定义的ArrayList 和 Date 还存在吗?
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/d429b3ce0b75597d15c0ba01a97ab87e.png)
我们当前程序当中才三十几行的代码,就出现了1700 GC Roots,若是上千行的话就更多了
所以一般开发当中,查看GC Root没有那么多的机会,没必要全看
我们只需要观看某一个引用变量的这一支 GC Root
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/4b5430e725b754bb0aa95e2e9f025c70.png)
接下来我们可以针对刚刚程序,使用另外一个JProfiler 进行 GC Roots 溯源演示
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/16acc3991463af6af4db6afcc962bf65.png)
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/999b85e9dfaec992ae716fe3e3b0354f.png)
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/f622bf6d76d8d6f9c3d3340a0a1a3816.png)
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/b3e266e896a11bca32bcae0087a5b36b.png)
右击对象,选择 Show Selection In Heap Walker,单独的查看某个对象
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/43e546e0284df7894043bb96c944c8e2.png)
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/b26d8913c6497d349ee2f80db69d33b0.png)
我们查看这个char[] 数组的应用看看,有哪些
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/d1fd9c36a08ae3e799255beb86761c72.png)
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/1586f336cf40f1514c238bad1d1160c6.png)
点击Show Paths To GC Roots,在弹出界面中选择默认设置即可
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/118961816cd92492cd160a461484f002.png)
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/78d742a92593664df73c014dbaab37b0.png)
下面我们使用一个示例代码用JProfiler 进行OOM 异常排查
public class HeapOOM {
byte[] buffer = new byte[1 * 1024 * 1024];//1MB
public static void main(String[] args) {
ArrayList<HeapOOM> list = new ArrayList<>();
int count = 0;
try{
while(true){
list.add(new HeapOOM());
count++;
}
}catch (Throwable e){
System.out.println("count = " + count);
e.printStackTrace();
}
}
}
进行堆大小设置,以及出现OOM时再目录成dump文件
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/b20ae5d902136460865453e61c6bc872.png)
这时我们运行起来的时候,就会爆出OOM的异常
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/e4e1f094ea9948a438b6ad1a94b4aeb8.png)
这时我们可以查看刚刚的命令帮我们生成的dump文件
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/571b512772bb9654d8baea51fc999592.png)
这时我们运用JProfiler 打开它,并且查看一下
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/dec00b8af137227be177c793ad342feb.png)
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/f7d165a7824c6268c9531ff7f69667ee.png)
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/e89ad74d5eef6094ee70ac966d8509f2.png)
五、清楚阶段:标记清楚算法
当成功区分出内存中存活对象和死亡对象后,GC接下来的任务就是执行垃圾回收,释放掉无用对象所占用的内存空间,以便有足够的可用内存空间为新对象分配内存
目前在JVM中比较常见的三种垃圾收集算法是
- 标记-清除算法(Mark-Sweep)
- 复制算法(Copying)
- 标记-压缩算法(Mark-Compact)
标记-清除算法(Mark-Sweep)介绍
================================
背景:
标记-清除算法(Mark-Sweep)是一种非常基础和常见的垃圾收集算法,该算法被J.McCarthy等人在1960年提出并并应用于Lisp语言。
执行过程:
当堆中的有效内存空间(available memory)被耗尽的时候,就会停止整个程序(也被称为stop the world),然后进行两项工作:标记、清除
- 标记:Collector从引用根节点开始遍历,标记
所有被引用的对象
。一般是为可达对象
- 清除:Collector对堆内存
从头到尾进行线性的遍历
,若发现某个对象在其Header中没有标记为可达对象则将其回收
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/a05e201582e0b9ce450c9f2d23f85923.png)
何为清楚?
这里所谓的清除并不是真的置空,而是把需要清除的对象地址保存在空闲的地址列表里
。下次有新对象需要加载时,判断垃圾的位置空间是否够
,如果够就存放(也就是覆盖原有的地址)
关于空闲列表是在为对象分配内存的时候提过:
- 如果内存规整:采用指针碰撞的方式进行内存分配
- 如果内存不规整:虚拟机需要维护一个空闲列表、采用空闲列表分配内存
标记-清除算法的缺点:
标记清除算法的效率不算高在进行GC的时候,需要停止整个应用程序,用户体验较差
这种方式清理出来的空闲内存是不连续的,产生内碎片,需要维护一个空闲列表
清除阶段:复制算法 介绍
================================
背景:
为了解决标记-清除算法在垃圾收集效率方面的缺陷
M.L.Minsky于1963年发表了著名的论文,“使用双存储区的Lisp语言垃圾收集器CA LISP Garbage
Collector Algorithm Using Serial Secondary Storage)”
M.L.Minsky在该论文中描述的算法被人们称为复制(Copying)算法,它也被M.L.Minsky本人成功地引入到了Lisp语言的一个实现版本中
核心思想:
将活着的内存空间分为两块
,每次只使用其中一块
在垃圾回收时将正在使用的内存中的存活对象复制到未被使用的内存块中
,之后清除正在使用的内存块中的所有对象
,交换两个内存的角色最后完成垃圾回收
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/257375ab4baed184d3bf618261e21ab7.png)
新生代里面就用到了复制算法,Eden区和S0区存活对象整体复制到S1区
标记-清除算法的优点:
没有标记和清除过程,实现简单,运行高效
复制过去以后保证空间的连续性,不会出现“碎片”问题。
标记-清除算法的缺点:
此算法的缺点也是很明显的,就是需要两倍的内存空间。
对于G1这种分拆成为大量region的GC,复制而不是移动意味着GC需要维护region之间对象引用关系
,不管是内存占用或者时间开销也不小
复制算法的应用场景:
如果系统中的垃圾对象很多,复制算法需要复制的存活对象数量并不会太大,效率较高
老年代大量的对象存活,那么复制的对象将会有很多,效率会很低
在新生代对常规应用的垃圾回收,一次通常可以回收70% - 99% 的内存空间。回收性价比很高。所以现在的商业虚拟机都是用这种收集算法回收新生代
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/e03bd88dfec54bd29db28e0af42b3666.png)
标记-压缩算法(Mark-Compact)介绍
================================
背景:
复制算法的高效性是建立在存活对象少、垃圾对象多的前提下
的。这种情况在新生代经常发生,但是在老年代更常见的情况是大部分对象都是存活对象
如果依然使用复制算法由于存活对象较多,复制的成本也将很高。因此基于老年代垃圾回收的特性,需要使用其他的算法。
标记-清除算法的确可以应用在老年代中,但是该算法不仅执行效率低下而且在执行完内存回收后还会产生内存碎片
,所以JVM的设计者需要在此基础之上进行改进。标记-压缩(Mark-Compact)算法由此诞生
1970年前后,G.L.Steele、C.J.Chene和D.s.Wise等研究者发布标记-压缩算法。在许多现代的垃圾收集器中人们都使用了标记-压缩算法或其改进版本
执行过程:
第一阶段和标记清除算法一样,从根节点开始标记所有被引用对象
第二阶段将所有的存活对象压缩到内存的一端,按顺序排放。之后,清理边界外所有的空间。
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/e73015cb039d6d29adb5b969d3364cbe.png)
标记-压缩算法与标记-清除算法的比较:
标记-压缩算法的最终效果等同于标记-清除算法执行完成后,再进行一次内存碎片整理
,因此,也可以把它称为标记-清除-压缩(Mark-Sweep-Compact)算法
二者的本质差异在于标记-清除算法是一种非移动式的回收算法
,标记-压缩是移动式的
。是否移动回收后的存活对象是一项优缺点并存的风险决策
可以看到标记的存活对象将会被整理,按照内存地址依次排列
,而未被标记的内存会被清理掉
。如此一来,当我们需要给新对象分配内存时,JVM只需要持有一个内存的起始地址即可,这比维护一个空闲列表显然少了许多开销
标记-压缩算法的优点:
消除了标记-清除算法当中,内存区域分散的缺点
,我们需要给新对象分配内存时,JVM只需要持有一个内存的起始地址即可
消除了复制算法当中,内存减半的高额代价
标记-压缩算法的缺点:
从效率上来说,标记-整理算法要低于复制算法
移动对象的同时,如果对象被其他对象引用,则还需要调整引用的地址
(因为HotSpot虚拟机采用的不是句柄池的方式,而是直接指针)
移动过程中,需要全程暂停用户应用程序
。即:STW
垃圾回收算法 小结
================================
效率上来说,复制算法是当之无愧的老大,但是却浪费了太多内存
而为了尽量兼顾上面提到的三个指标,标记-整理算法相对来说更平滑一些,但是效率上不尽如人意,它比复制算法多了一个标记的阶段,比标记-清除多了一个整理内存的阶段
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/5ab8303e4f6d7430498eed3d99d6da40.png)
分代收集算法 介绍
================================
难道就没有一种最优的算法吗?答:无,没有最好的算法,只有最合适的算法。具体问题具体分析
前面所有这些算法中并没有一种算法可以完全替代其他算法,它们都具有自己独特的优势和特点。
这时分代收集算法应运而生是基于这样一个事实:不同的对象的生命周期是不一样的
因此不同生命周期的对象可以采取不同的收集方式,以便提高回收效率
,一般是把Java堆分为新生代和老年代
,这样就可以根据各个年代的特点使用不同的回收算法,以提高垃圾回收的效率
在Java程序运行的过程中会产生大量的对象,其中有些对象是与业务信息相关:
Http请求中的Session对象、线程、Socket连接这类对象跟业务直接挂钩
,因此生命周期比较长
但是还有一些对象主要是程序运行过程中生成的临时变量
,这些对象生命周期会比较短
比如:String对象由于其不变类的特性
,系统会产生大量的这些对象有些对象甚至只用一次即可回收
目前几乎所有的GC都采用分代手机算法执行垃圾回收的
在HotSpot中,基于分代的概念GC所使用的内存回收算法必须结合年轻代和老年代各自的特点
年轻代(Young Gen):
- 年轻代特点:区域相对老年代较小,对象生命周期短、存活率低,回收频繁。
这种情况复制算法的回收整理速度是最快的,复制算法的效率只和当前存活对象大小有关,因此很适用于年轻代的回收。而复制算法内存利用率不高的问题,通过hotspot中的两个survivor的设计得到缓解
老年代(Tenured Gen):
- 老年代特点:区域较大,对象生命周期长、存活率高,回收不及年轻代频繁。
这种情况存在大量存活率高的对象,复制算法明显变得不合适。一般是由标记-清除或者是标记-清除与标记-整理的混合实现
- Mark(标记)阶段的开销与存活对象的数量成正比。
- Sweep(清除)阶段的开销与所管理区域的大小成正相关。
- Compact(压缩)阶段的开销与存活对象的数据成正比。
以HotSpot中的CMS回收器为例,CMS是基于Mark-Sweep实现的,对于对象的回收效率很高。对于碎片问题CMS采用基于Mark-Compact算法的Serial Old回收器作为补偿措施:当内存回收不佳(碎片导致的Concurrent Mode Failure时),将采用Serial Old执行Full GC以达到对老年代内存的整理
提示:分代的思想被现有的虚拟机广泛使用。几乎所有的垃圾回收器都区分新生代和老年代
增量收集算法 介绍
================================
背景:
上述现有的算法,在垃圾回收过程中,应用软件将处于一种Stop the World
的状态
在Stop the World状态下应用程序所有的线程都会挂起暂停一切正常的工作等待垃圾回收的完成
如果垃圾回收时间过长
应用程序会被挂起很久,将严重影响用户体验或者系统的稳定性
。
为了解决这个问题,即对实时垃圾收集算法的研究直接导致了增量收集(Incremental Collecting)算法的诞生
基本思想:
如果一次性将所有的垃圾进行处理,需要造成系统长时间的停顿,那么就可以让垃圾收集线程和应用程序线程交替执行。每次垃圾收集线程只收集一小片区域的内存空间,接着切换到应用程序线程。依次反复,直到垃圾收集完成
总的来说,增量收集算法的基础仍是传统的标记-清除和复制算法。增量收集算法通过对线程间冲突的妥善处理,允许垃圾收集线程以分阶段的方式完成标记、清理或复制工作
增量收集算法的缺点:
使用这种方式由于在垃圾回收过程中,间断性地还执行了应用程序代码所以能减少系统的停顿时间
。但是因为线程切换和上下文转换的消耗,会使得垃圾回收的总体成本上升
,造成系统吞吐量的下降
分区算法 介绍
================================
分区算法主要还是针对G1收集器来说的一般来说在相同条件下堆空间越大,一次GC时所需要的时间就越长,有关GC产生的停顿也越长.
为了更好地控制GC产生的停顿时间,将一块大的内存区域分割成多个小块,根据目标的停顿时间,每次合理地回收若干个小区间
,而不是整个堆空间,从而减少一次GC所产生的停顿
分代算法将按照对象的生命周期长短划分成两个部分
,分区算法将整个堆空间划分成连续的不同小区间
。每一个小区间都独立使用独立回收。这种算法的好处是可以控制一次回收多少个小区间
![image.png image.png](https://i-blog.csdnimg.cn/blog_migrate/e49d0567fdc289fec890397d1195ca2b.png)
需要注意的是注意,这些只是基本的算法思路实际GC实现过程要复杂的多,目前还在发展中的前沿GC都是复合算法,并且并行和并发兼备
参考资料
尚硅谷:JVM虚拟机(宋红康老师)