JAVA垃圾收集器

Serial收集器

Serial收集器最早发展的,历史最悠久的收集器,它是单线程的新生代收集器,在回收的时候会暂停所有用户线程(Stop the world),使用复制算法。它是虚拟机在client模式下的默认垃圾收集器,它的特点:简单而高效,因为它是单线程的,不像其他多线程收集器要处理线程交互的问题,可以专心做垃圾收集。

Serial Old收集器

它也是跟Serial收集器一样,是单线程的,只是Serial收集器是对新生代进行回收,Serial Old是对老年代进行回收,Serial Old使用“标记-整理”算法。


Serial/Serial Old收集器GC过程

ParNew收集器

它是Serial收集器的多线程版本,除了使用多条线程外,其余行为包括Serial收集器的所有控制参数(如:-XX:SurvivorRatio-XX:PretenureSizeThreshold、-XX:HandlePromotionFailure等)、收集算法、Stop the world、对象分配规则、回收策略都与Serial收集器一样。

Parallel Scavenge收集器

它跟ParNew收集器差不多,是多线程、使用复制算法的新生代收集器,不过它的关注点跟其他收集器不同,其他收集器希望能尽量缩短垃圾收集的停顿时间,而它希望提高垃圾收集的吞吐量。吞吐量 = 运行用户代码的时间 / (运行用户代码时间 + 垃圾回收时间),虚拟机总共运行了100分钟,垃圾收集用了1分钟,那它的吞吐量就是99%。缩短垃圾收集的停顿时间有利于用户与程序的交互,而提高吞吐量可以更高效的利用CPU。
Parallel Scavenge收集器提供了两个参数用来控制吞吐量,分别是控制垃圾收集最大停顿时间的-XX:MaxGCPauseMillis和直接设置吞吐量大小的-XX:GCTimeRatio
MaxGCPauseMillis是设置一个大于0的垃圾收集停顿时间,收集器在收集垃圾时尽量不超过该设定。这个参数也不是越低越好,停顿时间变低,可能会导致新生代空间变?。ㄐ律占湫。厥帐奔渖伲┗蛘咄掏铝肯陆?。GCTimeRatio是设定一个值来控制垃圾收集时间占总时间的比率,比如99,吞吐量就是 1 / (1 + 99) = 1%。
Parallel Scavenge收集器还提供一个参数,-XX:+useAdaptiveSizePolicy,设定了这个参数,就不需要手动指定新生代的大?。?code>-Xmn)、Eden和Survivor区的大小比例(-XX:SurvivorRatio)、晋升老年代对象年龄(-XX:PretenureSizeThreshold)等细节参数,虚拟机会根据系统的运行情况和监控信息,动态调整这些参数以获得最短的垃圾收集停顿时间或者最高的吞吐量,这也是Parallel Scavenge收集器和ParNew收集器的一个重要区别之一。

Paralle Old收集器

它是Parallel Scavenge的老年代版本,在注重吞吐量和CPU使用效率的情况下,可以使用Paralle Scavenge和Parallel Old的组合。

CMS收集器

CMS(Concurrent Mark Sweep)收集器是旨在获取最短回收停顿时间,一些与用户交互性比较强的应用就可以用此收集器。
它的垃圾回收分四个阶段:

  • 初始标记
  • 并发标记
  • 重新标记
  • 并发清除

初始标记是找到那些GC Roots(虚拟机栈帧中的局部变量引用的对象、类的静态变量引用的对象、常量池中的常量引用的对象、本地方法栈中JNI引用的对象);并发标记就是一个GC Roots Tracing的过程;重新标记是修正在并发标记过程中因程序继续运行而导致对象引用关系发生变化的情况;并发清除是多线程清除。


CMS收集器GC过程

CMS收集器也有一些缺点:

  1. 由于CMS收集器回收垃圾的时候是与用户线程同时运行的(大部分时间来说),本来CPU资源都用于用户线程,现在垃圾回收线程占用了部分CPU资源,可能会导致程序速度下降。
  2. CMS收集器无法处理浮动垃圾。浮动垃圾,是在并发清理的过程中由于用户线程继续运行而新产生的垃圾,
  3. CMS收集器是使用“标记-清除”算法的,因此会产生内存碎片。当没有足够大的连续空间时,会触发 FULL GC。

G1收集器

G1收集器是最新的一个垃圾收集器,从官网的介绍上看,如果机器核心数量多、内存空间大,可以使用这个垃圾收集器,它可以充分利用硬件资源,缩短停顿时间。
G1收集器把堆划分为多个region,有些是新生代region(多个新生代region不需要连续,老年代也是如此),有些是老年代region,从整体上看,G1收集器使用的算法是“标记-整理”,但从局部上看(region之间),使用的是“标记-复制”算法。
G1收集器会根据之前的垃圾收集时间,建立可预测的停顿模型,它可以保证大多数情况下垃圾收集时间不超过指定的时间。G1收集器在后台维护一个优先列表,每次回收时,会根据允许的垃圾收集时间找出回收价值最大的region(垃圾对象多)。
在回收某些region的时候,有可能其他region的对象引用了该region的对象,因此要扫描全堆才能确定该region的垃圾对象。G1是这样解决的(其他的分代垃圾收集器也是这样处理老年代与新生代之间的互相引用问题),每个region对应一个remembered set,里面记录了哪些对象被其他region引用了。每次有Reference类型的数据更改时,虚拟机会检查引用其他对象的对象和被引用的对象是否在同一个region,如果不是,则通过CardTable记录相关信息到被引用对象的那个region的remembered set中。等到下次对该region GC时,虚拟机不用扫描其他的region,便知道有哪些对象被其他region的对象引用了。
G1收集器收集步骤大致分为:

  1. 初始标记
  2. 并发标记
  3. 最终标记
  4. 筛选回收

初始标记是标记那些GC Roots能关联到的对象;并发标记是一个GC Roots Tracing的过程,对其他对象进行可达性分析,在这个过程中,对象之间的引用关系可能会发生变化,虚拟机把这些变化记录在 remembered set logs中,最终标记是修正那些变化,把remembered set logs中的记录合并到remembered set中。


G1收集器GC过程

参考资料

《深入理解JAVA虚拟机》-周志明

?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 214,172评论 6 493
  • 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 91,346评论 3 389
  • 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 159,788评论 0 349
  • 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 57,299评论 1 288
  • 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 66,409评论 6 386
  • 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 50,467评论 1 292
  • 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 39,476评论 3 412
  • 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 38,262评论 0 269
  • 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 44,699评论 1 307
  • 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 36,994评论 2 328
  • 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 39,167评论 1 343
  • 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 34,827评论 4 337
  • 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 40,499评论 3 322
  • 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 31,149评论 0 21
  • 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 32,387评论 1 267
  • 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 47,028评论 2 365
  • 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 44,055评论 2 352

推荐阅读更多精彩内容