读书笔记:第三章 垃圾收集与内存分配策略

内存分配与回收策略

本次读书笔记主要研究新生代Minor GC在几种垃圾收集器中的运行。第一次看Java相关的书,第一次在网上写读书笔记,给自己记录一下( •̀ ω •́ )y。大部分都是书上的原话,总结加自己实现对比一下而已。

public class MinorGC {
    private static final int _1MB = 1024*1024;
    /**
     * VM参数: -verbose:gc -Xms20M -Xmx20M -Xmn10M
     *         -XX:+PrintGCDetails -XX:SurvivorRatio=8
     */  
    public static void main(String[] args) {
        byte[] allocation1, allocation2, allocation3, allocation4;
        allocation1 = new byte[2 * _1MB];
        allocation2 = new byte[2 * _1MB];
        allocation3 = new byte[2 * _1MB];
        allocation4 = new byte[4 * _1MB];
    }
}       

Serial收集器

该收集器是一个单线程收集器,垃圾收集时必须暂停其他所有工作线程——Stop The World。
优点:无线程交互开销,简单高效。
缺点:暂停响应。
书上运行上述代码的结果是:
GC前,allocation1-3分配到新生代Eden区,占用6M,剩余的2MEden空间不够分配allocation4,产生Minor GC。
GC时,3个2M的对象allocation1-3不能放入1M的Survivor空间,于是转移到老年代。
GC后,allocation4顺利分配到Eden区。

在本地运行以上代码,java -version为:

openjdk version "1.7.0-internal"
OpenJDK Runtime Environment (build 1.7.0-internal-  root_2016_09_18_14_57-  b00)
OpenJDK 64-Bit Server VM (build 24.0-b56, mixed mode)

结果与书上相似:

openjdk1.7.0-internal Minor GC

用java -version为以下配置运行:

java version "1.7.0_111"
OpenJDK Runtime Environment (rhel-2.6.7.2.el7_2-x86_64 u111-b01)
OpenJDK 64-Bit Server VM (build 24.111-b01, mixed mode)

运行结果与上述一致。

Parallel Scavenge收集器

该收集器是一个新生代收集器,使用复制算法,并行多线程,吞吐量优先。

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)

参数:

  1. -XX:MaxGCPauseMills 控制最大垃圾收集停顿时间
  2. -XX:GCTimeRatio 直接设置吞吐量大小
    调小新生代大小 —> 垃圾收集频繁 —> 缩短最大GC停顿时间 —> 增大了总的垃圾收集时间(收集次数*每次停顿时间)—> 降低吞吐量

当使用用java -version为1.7.0_79,且参数设置与上述一致时,运行结果为:

jdk1.7.0_79 Minor GC

发现不发生Minor GC,并且新生代/老年代/永久代的名字变为PSYoungGen/ParOldGen/PSPermGen,认为是默认使用Parallel Scavenge收集器。
由于该收集器优先考虑吞吐量,有GC自适应调节策略来根据当前系统的运行情况动态调整新生代大小/Eden与Survivor区的比例/晋升老年代对象年龄等细节参数,通过-XX: +UseAdaptiveSizePolicy打开和关闭以上策略。
当没有打开这个参数时,结果如上图所示,allocation1-3占了新生代空间的91%,剩下的空间不足以放下4M的allocation4。
猜想:由于吞吐量优先,此时并不发生Minor GC,而是直接将allocation4放入老年代,减小吞吐量。

当打开这个参数之后,修改VM参数如下:

-verbose:gc -XX:+PrintGCDetails -XX:+UseAdaptiveSizePolicy -Xms20M -Xmx20M

运行后的结果为:


打开GC自适应调节策略

疑问1:GC后一个Survivor区使用了98%的空间,504K是放什么的?
疑问2:GC后老年代只放了4176K数据,allocation4去哪里了?

G1收集器

运作步骤:初始标记(标记GC Roots能直接关联到的对象,停顿线程,耗时短) —> 并发标记(可达性分析,与用户程序并发,耗时长) —> 最终标记(修正变动,停顿线程,可并行) —> 筛选回收(制定回收计划,停顿线程)
分代收集:没有永久代(待完善);
空间整合:整体:标记—整理,局部(Region间):复制;
可预测停顿。
大小相等的独立区域Region集合组成新生代和老年代,期间无物理隔离。优先回收价值最大的Region,提高收集效率。
使用如下参数:
-verbose:gc -XX:+UseG1GC -XX:+PrintHeapAtGC -Xms20M -Xmx20M

则运行结果为:

G1收集器运行结果

今天先写到这里。做实验室的工作去了(。^▽^)
。。晚上要看《齐木楠雄的灾难》。

参考:

  1. 《深入理解Java虚拟机:JVM高级特性与最佳实践》 周志明
  2. 《G1 垃圾收集器入门 》http://blog.csdn.net/zhanggang807/article/details/45956325
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 203,772评论 6 477
  • 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 85,458评论 2 381
  • 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 150,610评论 0 337
  • 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 54,640评论 1 276
  • 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 63,657评论 5 365
  • 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 48,590评论 1 281
  • 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 37,962评论 3 395
  • 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 36,631评论 0 258
  • 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 40,870评论 1 297
  • 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 35,611评论 2 321
  • 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 37,704评论 1 329
  • 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 33,386评论 4 319
  • 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 38,969评论 3 307
  • 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 29,944评论 0 19
  • 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 31,179评论 1 260
  • 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 44,742评论 2 349
  • 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 42,440评论 2 342

推荐阅读更多精彩内容