Java GC 必知必会-垃圾回收器篇

1. 垃圾回收器的分类

  • 按线程数:串行垃圾和并行
  • 按工作模式:并发式和独占式
    1. 并发式:垃圾回收线程与用户线程交替工作,减少应用程序的停顿时间。
    2. 独占式:一旦运行,停止其他用户线程,知道垃圾回收过程结束。
  • 按内存碎片情况:
  1. 压缩:回收完成后,会对存活对象进行内存整理。再次分配时可以使用指针碰撞
  2. 非压缩:不会整理内存碎片,需要空闲列表来维护可用空间。
  • 按工作的内存区域
  1. 新生代
  2. 老年代

2. 垃圾回收器的标准

  • 在保证最大吞吐量的情况下,尽可能的减少响应时间

3. 垃圾回收器的组合

image.png

JDK8中默认的是ParallelScavengeGC +ParllelOldGC

  • 红色虚线说明
    在JDK8中对SerialGC+CMS GCParNewGC+SerialOldGC进行来过期处理,在JDK9中彻底移除。
  • 绿色虚线说明
    在JDK14中,Parallel ScavengeGC+ SerialOldGC 过期处理
  • 蓝色线框说明
    在JDK14中 ,将CMS删除了

4. 如何查看默认垃圾回收器

JDK8中默认使用的是Parallel ScavengeGC +ParallelOldGC


image.png

5. Serial与Serial Old垃圾回收器

Serial

  • Serial回收器是历史比较悠久的一种回收器,在jdk1.3之前垃圾回收的唯一选择。
  • HotSpot中client模式下的针对年轻代默认垃圾回收器
  • SerialGC针对的是年轻代的收集,采用复制算法串行回收+STW机制。

Serial Old

  • HotSpot中client模式下的老年代默认垃圾回收器

  • SerialOld是针对老年代的回收,也是采用的串行回收,但是算法采用的标记-压缩

  • SerialOld 在server模式下,1. 主要是配合Parallel ScavengeGC使用(JDK14中已过期),2. 作为CMS的退化备选方案。

image.png

Serial 和SerialOld 的优点:

image.png

如何使用

image.png

6. ParNew垃圾回收器

  • ParNew 是Serial 的并行版本, New代表了只针对新生代进行处理,采用复制算法+并行的方式回收垃圾。
  • 适用于多CPU下。大部分情况下与CMS搭配使用。
image.png
image.png

7. Parallel Scavenge 与Parallel Old垃圾回收器(吞吐量优先)

  • Parallel Scavenge 一般和Parallel Old搭配使用,但是也可以和serialOld搭配(在JDK14 中被移除)
  • Parallel Scavenge 也采用复制算法+并行+STW机制
  • Parallel Scavenge 和ParalleNew 有什么区别:
    1. Parallel Scavenge的目标是达到一个可控制吞吐量的垃圾回收器。也被称为吞吐量优先垃圾回收器。
    2. Parallel Scavenge有自适应调节策略。

Parallel Old

  • Parallel Old采用标记压缩+并行+STW
image.png

8. CMS (Concurrent-Mark-Sweep)垃圾回收器(响应时间优先)

  • CMS使用的是标记-清除算法
  • CMS 针对的是老年代,新生代可搭配SerialGC 或ParNewGC
  • CMS 会产生2次STW,分别是初始标记,重写标记
  • 触发CMS的情况:
    1. 扩容缩容会触发 Old 区达到回收阈值、MetaSpace 空间不足、Young 区晋升失败、大对象担保失败,手工调用System.gc()
image.png
  • 初始标记(Initial-Mark ): 仅仅标记出GCRoot能直接关联的对象,会发生STW,执行时间较短。

  • 并发标记(Concurrent-Mark): 从GCRoot可以直接关联的对象遍历整个对象图的过程。执行时间较长,但是可以与用户线程并行执行。

  • 重新标记(Remark): 修正并发标记期间,因用户线程线程继续运作而导致标记变动的那一步部分对象的标记记录。通常比Initial-Mark 的执行时间长,但是比Concurrent-Mark要短。 会发生STW。

  • 并发清理: 清除那些需要被删除的对象,释放内存。(标记-清除算法)

  • 重置线程

CMS的特点

  • 优点
    1. 低延迟
  • 缺点:
    1. 产生内存碎片,当遇到大对象时,可能会提前触发full GC当发生
    2. 对CPU资源敏感,因为与用户线程并行执行,从总体来说降低了吞吐量。
  1. CMS 发生收集器退化对情况

参考文献:
https://tech.meituan.com/2020/11/12/java-9-cms-gc.html

9. G1垃圾回收器:分区收集

  • 核心设计: 延迟可控的情况下,尽可能获得高的吞吐量。
  • 主要针对多核心CPU+大内存的机器

为什么叫G1

image.png

G1 相比于其他垃圾回收器的特点

  1. 并行并发&分带收集


    image.png
image.png
  1. 空间整理

    • CMS 使用标记-清除,会有内存碎片,执行若干次GC后才会整理内存。
    • G1 将内存划分为Region,在region之间是复制算法,当整体上来看是标记-压缩.两重算法都避免来内存碎片。尤其当java 堆特别大时,G1 的性能更明显。
  2. 可预测的时间停顿


    image.png

G1 Region 化整为零

image.png
image.png
  1. G1 Region 为什么要新增一个Humongous区:


    image.png

G1 的回收过程

年轻代GC(YoungGC)

  1. 当eden区内存空间不足时,会触发YoungGC
    老年代并发标记(Concurrent Marking)
    混合回收(Mixed GC)
    FullGC
image.png
image.png

G1垃圾回收过程的详细说明:

image.png

image.png
image.png
image.png
image.png

G1 记忆集与写屏障

image.png
image.png

关于G1 的优化

image.png

7中垃圾回收器的总结

image.png
©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 203,362评论 5 477
  • 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 85,330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 150,247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 54,560评论 1 273
  • 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 63,580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 48,569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 37,929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 36,587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 40,840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 35,596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 37,678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 33,366评论 4 318
  • 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 38,945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 29,929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 31,165评论 1 259
  • 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 43,271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 42,403评论 2 342

推荐阅读更多精彩内容