首页 / 算法 / JVM虚拟机（四）：JVM 垃圾回收机制概念及其算法

JVM虚拟机（四）：JVM 垃圾回收机制概念及其算法

内容导读

互联网集市收集整理的这篇技术教程文章主要介绍了JVM虚拟机（四）：JVM 垃圾回收机制概念及其算法，小编现在分享给大家，供广大互联网技能从业者学习和参考。文章包含11644字，纯文字阅读大概需要17分钟。

内容图文

垃圾回收概念和其算法

谈到垃圾回收（Garbage Collection）GC,需要先澄清什么是垃圾，类比日常生活中的垃圾，我们会把他们丢入垃圾箱，然后倒掉。GC中的垃圾，特指存于内存中、不会再被使用的对象，儿回收就是相当于把垃圾“倒掉”。垃圾回收有很多中算法：如引用计数法、标记压缩法、复制算法、分代、分区的思想。

垃圾收集算法

引用计数法：就是个比较古老而经典的垃圾收集算法，其核心就是在对象被其他所引用计数器加1，而当引用时效时则减1，但是这种方式有非常严重的问题：无法处理循环引用的情况、还有就是每次进行加减操作比较浪费系统性能。

标记清除法：分为标记和清除两个阶段进行处理内存中的对象，当然这种方式也有非常大的弊端，就是空间碎片问题，垃圾回收后的空间不是连续的，不连续的内存空间的工作效率要低于连续的内存空间。

复制算法：其核心思想就是将内存空间分为两块，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留对象复制到未被使用的内存块中去，之后去清除之前正在使用的内存快中的所有的对象，反复去交换两个内存的角色，完成垃圾收集。

（java中的新生代的from和to空间使用的就是这个算法）

标记压缩法：标记压缩法在标记清除基础之上做了优化，把存活的对象压缩到内存一端，而后进行垃圾清理。（java中老年代使用的就是标记压缩法）

图解新生代使用的复制算法：

JVM虚拟机（四）：JVM 垃圾回收机制概念及其算法 - 文章图片

文字说明：

新生代中没有GC过的对象在eden区，然后进行GC一次，进入到s0区。然后再次进行GC得时候，就回去S0区去查看这个对象有没有在使用，如果在使用那就把这个对象复制到s1区，然后清除s0区不再使用的对象。再次GC的时候就去S1区，再看看这个对象有没有在使用，如果还在使用，那就复制到S0区。然后清除S1区不在使用的对象。

图解老年代算法：

JVM虚拟机（四）：JVM 垃圾回收机制概念及其算法 - 文章图片

文字说明：

进行GC时看看老年代有没有在使用的对象，如果有那么就压缩出一个区域把那些实用的对象放到压缩的区域中，然后把不再使用的对象全部回收掉。

为什么老年代使用标记压缩法：因为是老年代的对象相对比较稳定了，使用的次数较多。假设老年代中的对象有一百个，这时老年代进行一次垃圾回收可能就会收集几个对象。

JVM虚拟机（四）：JVM 垃圾回收机制概念及其算法 - 文章图片

文字说明：

进行GC时看看老年代有没有在使用的对象，如果有那么就压缩出一个区域把那些实用的对象放到压缩的区域中，然后把不再使用的对象全部回收掉。

分代算法：就是根据对象的特点把内存分成N块，而后根据每个内存的特点使用不同的算法。

对于新生代和老年代来说，新生代回收频率很高，但是每次回收耗时都很短，而老年待回收频率较低，但是耗时会相对较长，所以应该尽量减少老年代的GC

垃圾回收时的停顿现象

垃圾回收器的任务是识别和回收垃圾对象进行内存处理，为了让垃圾回收器可以高效地执行，一大部分情况下，会要求系统进入一个停顿的状态。停顿的目的是终止所有应用线程，只有这样系统才不会有新的垃圾产生，童年故事停顿保证了系统状态在某一个瞬间的一致性，也有益于更好的低标记垃圾对象。因此在垃圾回收时，都会产生应用程序的停顿。

对象如何进入老年代

一般而言对象首次创建被放置在新生代的eden区，如果没有GC介入，则对象不会离开eden区，那么eden区的对象如何进入老年代呢？一般来讲，只要对象的年龄达到一定得大小，就会自动离开年轻代进入老年代，对象年龄是由对象经理次数GC决定的，在新生代每次GC之后如果没有被回收则年纪加1，虚拟机提供了一个参数来控制新生代对象的最大年龄，当超过这个年龄范围就会晋升老年代。

-XX：MaxTenuringThreshold,默认情况下为15.

package com.base001;
 
import java.util.HashMap;
import java.util.Map;
 
public class Test05 {
 
    public static void main(String[] args) {
        //初始的对象在eden区
        //参数：-Xmx64M -Xms64M -XX:+PrintGCDetails
        for(int i=0; i< 5; i++){
            byte[] b = new byte[1024*1024];
        }
        
        
        
        //测试进入老年代的对象
        //
        //参数：-Xmx1024M -Xms1024M -XX:+UseSerialGC -XX:MaxTenuringThreshold=15 -XX:+PrintGCDetails 
        //-XX:+PrintHeapAtGC
//        Map<Integer, byte[]> m = new HashMap<Integer, byte[]>();
//        for(int i =0; i <5 ; i++) {
//            byte[] b = new byte[1024*1024];
//            m.put(i, b);
//        }
//        
//        for(int k = 0; k<20; k++) {
//            for(int j = 0; j<300; j++){
//                byte[] b = new byte[1024*1024]; 
//            }
//        }
        
    
    }
}

JVM虚拟机（四）：JVM 垃圾回收机制概念及其算法 - 文章图片

总结：根据设置的MaxTenuringThreshold参数，可以指定新生代对象经过多少次回收后进入老年代。

另外大对象（新生代eden区无法装入时，也会直接进入老年代）。JVM里有个参数可以设置对象的大小超过在指定的大小之后，直接晋级老年代。

-XX:PretenureSizeThreshold

package com.base001;
 
import java.util.HashMap;
import java.util.Map;
 
public class Test05 {
 
    public static void main(String[] args) {
        //初始的对象在eden区
        //参数：-Xmx64M -Xms64M -XX:+PrintGCDetails
        /*for(int i=0; i< 5; i++){
            byte[] b = new byte[1024*1024];
        }*/
        
        
        
        //测试进入老年代的对象
        //
        //参数：-Xmx1024M -Xms1024M -XX:+UseSerialGC -XX:MaxTenuringThreshold=15 -XX:+PrintGCDetails 
        //-XX:+PrintHeapAtGC
        Map<Integer, byte[]> m = new HashMap<Integer, byte[]>();
        for(int i =0; i <5 ; i++) {
            byte[] b = new byte[1024*1024];
            m.put(i, b);
        }
        
        for(int k = 0; k<20; k++) {
            for(int j = 0; j<300; j++){
                byte[] b = new byte[1024*1024]; 
            }
        }
        
    
    }
}

运行后的控制台：

[GC[DefNew: 279476K->5567K(314560K), 0.0093556 secs] 279476K->5567K(1013632K), 0.0242877 secs] [Times: user=0.00 sys=0.00, real=0.03 secs] 
[GC[DefNew: 285156K->5567K(314560K), 0.0033584 secs] 285156K->5567K(1013632K), 0.0033896 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] 
[GC[DefNew: 284949K->5567K(314560K), 0.0020226 secs] 284949K->5567K(1013632K), 0.0020704 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] 
[GC[DefNew: 284306K->5567K(314560K), 0.0022780 secs] 284306K->5567K(1013632K), 0.0023128 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] 
[GC[DefNew: 284908K->5567K(314560K), 0.0027272 secs] 284908K->5567K(1013632K), 0.0027671 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] 
[GC[DefNew: 284630K->5567K(314560K), 0.0022646 secs] 284630K->5567K(1013632K), 0.0023033 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] 
[GC[DefNew: 284448K->5567K(314560K), 0.0020810 secs] 284448K->5567K(1013632K), 0.0021280 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] 
[GC[DefNew: 284328K->5567K(314560K), 0.0028784 secs] 284328K->5567K(1013632K), 0.0029179 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] 
[GC[DefNew: 284250K->5567K(314560K), 0.0027738 secs] 284250K->5567K(1013632K), 0.0028109 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] 
[GC[DefNew: 284198K->5567K(314560K), 0.0027430 secs] 284198K->5567K(1013632K), 0.0027896 secs] [Times: user=0.02 sys=0.00, real=0.00 secs] 
[GC[DefNew: 284164K->5567K(314560K), 0.0027639 secs] 284164K->5567K(1013632K), 0.0028058 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] 
[GC[DefNew: 285166K->5567K(314560K), 0.0027197 secs] 285166K->5567K(1013632K), 0.0027675 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] 
[GC[DefNew: 285151K->5567K(314560K), 0.0031070 secs] 285151K->5567K(1013632K), 0.0031417 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] 
[GC[DefNew: 285141K->5567K(314560K), 0.0021324 secs] 285141K->5567K(1013632K), 0.0021730 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] 
[GC[DefNew: 285135K->5567K(314560K), 0.0023313 secs] 285135K->5567K(1013632K), 0.0023660 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] 
[GC[DefNew: 285131K->0K(314560K), 0.0041250 secs] 285131K->5567K(1013632K), 0.0041664 secs] [Times: user=0.02 sys=0.00, real=0.00 secs] 
[GC[DefNew: 279561K->0K(314560K), 0.0008313 secs] 285128K->5567K(1013632K), 0.0008688 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] 
[GC[DefNew: 279563K->0K(314560K), 0.0001259 secs] 285130K->5567K(1013632K), 0.0001630 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] 
[GC[DefNew: 279560K->0K(314560K), 0.0001164 secs] 285127K->5567K(1013632K), 0.0001543 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] 
[GC[DefNew: 279562K->0K(314560K), 0.0001204 secs] 285129K->5567K(1013632K), 0.0001686 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] 
[GC[DefNew: 279562K->0K(314560K), 0.0001089 secs] 285129K->5567K(1013632K), 0.0001926 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] 
[GC[DefNew: 279562K->0K(314560K), 0.0001157 secs] 285129K->5567K(1013632K), 0.0001500 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] 
Heap
 def new generation   total 314560K, used 30170K [0x0f200000, 0x24750000, 0x24750000)
  eden space 279616K,  10% used [0x0f200000, 0x10f76b30, 0x20310000)
  from space 34944K,   0% used [0x20310000, 0x20310000, 0x22530000)
  to   space 34944K,   0% used [0x22530000, 0x22530000, 0x24750000)
 tenured generation   total 699072K, used 5567K [0x24750000, 0x4f200000, 0x4f200000)
   the space 699072K,   0% used [0x24750000, 0x24cbfc18, 0x24cbfe00, 0x4f200000)
 compacting perm gen  total 12288K, used 1656K [0x4f200000, 0x4fe00000, 0x53200000)
   the space 12288K,  13% used [0x4f200000, 0x4f39e140, 0x4f39e200, 0x4fe00000)
No shared spaces configured.

总结：使用ProtenureSizeThreshold可以进行指定进入老年代的对象大小，但是要注意TLAB区域优先分配空间

TLAB

TLAB（Thread Local Allocation Buffer）即线程本地分配缓存，从名字上看是一个线程专用的内存分配区域，是为了加速对象分配而生的。每一个线程都会产生一个TLAB，该县城独享的工作区域，java虚拟机使用这种TLAB区来避免多线程冲突问题，提高了对象分配的效率。TLAB空间一般不会太大，当大对象无法在TLAB分配时，则会直接分配到堆上。

-XX:UserTLAB 使用TLAB

-XX:+TLABSize 设置TLAB大小

-XX:TLABRefillWasteFraction 设置维护进入TLAB空间的单个对象大小，它是一个比例值，默认为64，即如果对象大于整个空间的1/64，则在堆创建对象。

-XX：+PrintTLAB 查看TLAB信息

-XX：ResizeTLAB自调整TLABRefillWasteFraction阈值。

package com.base001;
 
 
public class Test07 {
 
    public static void alloc(){
        byte[] b = new byte[2];
    }
    public static void main(String[] args) {
        
        //TLAB分配
        //参数：-XX:+UseTLAB -XX:+PrintTLAB -XX:+PrintGC -XX:TLABSize=102400 -XX:-ResizeTLAB -XX:TLABRefillWasteFraction=100 -XX:-DoEscapeAnalysis -server
        for(int i=0; i<10000000;i++){
            alloc();
        }
        
    }
}

运行控制台：

TLAB: gc thread: 0x001bbc00 [id: 7808] desired_size: 100KB slow allocs: 4  refill waste: 1024B alloc: 0.29593     5000KB refills: 168 waste  0.0% gc: 0B slow: 2864B fast: 0B
TLAB totals: thrds: 1  refills: 168 max: 168 slow allocs: 4 max 4 waste:  0.0% gc: 0B max: 0B slow: 2864B max: 2864B fast: 0B max: 0B
[GC 16896K->472K(62976K), 0.0012987 secs]
TLAB: gc thread: 0x08697400 [id: 9448] desired_size: 100KB slow allocs: 0  refill waste: 1024B alloc: 0.29593     5000KB refills: 1 waste 100.0% gc: 102368B slow: 0B fast: 0B
TLAB: gc thread: 0x08696400 [id: 8788] desired_size: 100KB slow allocs: 0  refill waste: 1024B alloc: 0.29593     5000KB refills: 1 waste 100.0% gc: 102400B slow: 0B fast: 0B
TLAB: gc thread: 0x001bbc00 [id: 7808] desired_size: 100KB slow allocs: 0  refill waste: 1024B alloc: 0.64512    10900KB refills: 167 waste  0.0% gc: 0B slow: 2672B fast: 0B
TLAB totals: thrds: 3  refills: 169 max: 167 slow allocs: 0 max 0 waste:  1.2% gc: 204768B max: 102400B slow: 2672B max: 2672B fast: 0B max: 0B
[GC 17368K->472K(62976K), 0.0008755 secs]
TLAB: gc thread: 0x001bbc00 [id: 7808] desired_size: 100KB slow allocs: 0  refill waste: 1024B alloc: 0.76527    12930KB refills: 169 waste  0.0% gc: 0B slow: 2704B fast: 0B
TLAB totals: thrds: 1  refills: 169 max: 169 slow allocs: 0 max 0 waste:  0.0% gc: 0B max: 0B slow: 2704B max: 2704B fast: 0B max: 0B
[GC 17368K->456K(62976K), 0.0007058 secs]
TLAB: gc thread: 0x001bbc00 [id: 7808] desired_size: 100KB slow allocs: 0  refill waste: 1024B alloc: 0.84751    14320KB refills: 169 waste  0.0% gc: 0B slow: 2704B fast: 0B
TLAB totals: thrds: 1  refills: 169 max: 169 slow allocs: 0 max 0 waste:  0.0% gc: 0B max: 0B slow: 2704B max: 2704B fast: 0B max: 0B
[GC 17352K->456K(79872K), 0.0008104 secs]
TLAB: gc thread: 0x001bbc00 [id: 7808] desired_size: 100KB slow allocs: 0  refill waste: 1024B alloc: 0.90096    30445KB refills: 338 waste  0.0% gc: 0B slow: 5408B fast: 0B
TLAB totals: thrds: 1  refills: 338 max: 338 slow allocs: 0 max 0 waste:  0.0% gc: 0B max: 0B slow: 5408B max: 5408B fast: 0B max: 0B
[GC 34248K->464K(79872K), 0.0009320 secs]
TLAB: gc thread: 0x001bbc00 [id: 7808] desired_size: 100KB slow allocs: 0  refill waste: 1024B alloc: 0.93571    31619KB refills: 338 waste  0.0% gc: 0B slow: 5408B fast: 0B
TLAB totals: thrds: 1  refills: 338 max: 338 slow allocs: 0 max 0 waste:  0.0% gc: 0B max: 0B slow: 5408B max: 5408B fast: 0B max: 0B
[GC 34256K->456K(111616K), 0.0008258 secs]

对象创建流程图

JVM虚拟机（四）：JVM 垃圾回收机制概念及其算法 - 文章图片

内容总结

以上是互联网集市为您收集整理的JVM虚拟机（四）：JVM 垃圾回收机制概念及其算法全部内容，希望文章能够帮你解决JVM虚拟机（四）：JVM 垃圾回收机制概念及其算法所遇到的程序开发问题。如果觉得互联网集市技术教程内容还不错，欢迎将互联网集市网站推荐给程序员好友。

内容备注

版权声明：本文内容由互联网用户自发贡献，该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容，请发送邮件至 gblab@vip.qq.com 举报，一经查实，本站将立刻删除。

内容手机端

扫描二维码推送至手机访问。

本文链接：https://qyyshop.com/info/850408.html

来源：【匿名】

【上一篇】从BZOJ2242看数论基础算法：快速幂，gcd，exgcd，BSGS 【下一篇】浅谈php实现映射的两种方法（链表和二叉树）

更多 ►

算法 - 最热教程

浅谈SQLServer查询优化器中的JOIN算法有没那种可逆算法是密文比明文短的呢？...javascript-类似Excel里面的NORMDIST函...C++中的分治算法及常见题目汇总压缩感知重构算法综述-学习笔记 c++中内置函数qsort（快速排序）和bsea...一、fpga图像处理算法整合基于遗传算法（deap）的非线性函数寻优...集成学习-Bagging集成学习算法随机森林...机器学习笔记（九）聚类算法及实践（K-...

首页 / 算法 / JVM虚拟机（四）：JVM 垃圾回收机制概念及其算法

JVM虚拟机（四）：JVM 垃圾回收机制概念及其算法

内容导读

内容图文

垃圾回收概念和其算法

垃圾收集算法

垃圾回收时的停顿现象

TLAB

对象创建流程图

内容总结

内容备注

内容手机端

【JVM虚拟机（四）：JVM 垃圾回收机制概念及其算法】教程文章相关的互联网学习教程文章

GC垃圾回收算法

垃圾回收算法和JVM垃圾收集器（一）

谈谈JVM垃圾回收机制及垃圾回收算法【代码】【图】

JVM学习记录-垃圾回收算法【图】

垃圾回收算法（5）分代回收【代码】【图】

Java虚拟机垃圾回收算法

JVM学习-垃圾回收算法【图】

Java GC 垃圾回收算法内存分配【图】

jvm垃圾回收算法【图】

JVM垃圾回收算法总结及汇总【图】

jvm垃圾回收算法整理

浅谈PHP5中垃圾回收算法(GarbageCollection)的演化【图】

浅谈PHP5中垃圾回收算法的演化_PHP教程

浅谈PHP5中垃圾回收算法（GarbageCollection）的演化_PHP教程【图】

php垃圾回收之回收计策和算法【图】

虚拟机 - 相关标签

JVM - 相关标签

算法 - 相关标签

算法 - 最新教程

算法 - 最热教程