JVM(3)-垃圾回收机制
一、垃圾回收机制简介
Java进程在启动后会创建垃圾回收线程,来对内存中无用的对象进行回收。
二、垃圾回收时机
垃圾回收都是由Java虚拟机中的垃圾回收线程进行处理的。回收的时机由以下因素决定:
- 显示的调用System.gc()。此方法的调用是建议JVM进行Full GC,虽然只是建议而非一定,但很多情况下它会触发Full GC,从而增加Full GC的频率。一般不使用此方法,让虚拟机自己去管理它的内存。
- Java垃圾回收机制
- 创建对象时需要分配内存空间,如果空间不足触发GC
- 其他机制
java.lang.Object中有一个finalize()方法,当JVM确定不再有指向该对象的引用时,垃圾收集器在对象上调用该方法。finalize()方法有点类似对象生命周期的临终方法,JVM调用该方法,表示该对象即将“死亡”,之后就可以回收该对象了。注意回收还是在JVM中处理的,所以手动调用某个对象的finalize()方法,不会造成对象的“死亡”。
三、垃圾回收机制/策略————如何判断对象已死?
3.1 可达性分析算法
通过一系列的称为“GC Roots”的对象作为起始点,从这些节点开始向下搜索,搜索所走过的路径称为引用链(Reference Chain),当一个对象到GC Roots没有任何引用链相连(用图论的话来说,就是从GC Roots到这个对象不可达)时,则证明此对象是不可用的。
Java、C#等语言都是使用可达性分析算法进行垃圾回收。
3.2 引用计数算法
给对象中添加一个引用计数器,每当有一个地方引用它时,计数器值就加1;当引用失效时,计数器值就减1;任何时刻计数器为0的对象就是不可能再被使用的。
引用计数算法的实现简单,判定效率也很高,在大部分情况下它都是一个不错的算法。但是它很难解决对象之间相互循环引用的问题。
Python等语言都是基于引用计数法。
3.2.1 编程语言类型
编程语言选择垃圾回收的算法,一般是和语言的类型有关的。动态语言、解释型语言一般是使用引用计数算法。而静态语言、编译型语言一般使用可达性分析算法。
3.2.1.1 动态语言
动态类型语言是指在运行期间才去做数据类型检查的语言,也就是说,在用动态类型的语言编程时,永远也不用给任何变量指定数据类型,该语言会在你第一次赋值给变量时,在内部将数据类型记录下来。
3.2.1.2 静态语言
静态类型语言与动态类型语言刚好相反,它的数据类型是在编译其间检查的,也就是说在写程序时要声明所有变量的数据类型
3.2.1.3 编译型语言
编译是指在应用源程序执行之前,就将程序源代码“翻译”成目标代码(机器语言)。再次运行时,可直接使用上一次翻译好的机器码,不需要重新编译。
3.2.1.4 解释型语言
翻译发生在程序运行时,即边翻译边运行。再次运行时,需要重新进行翻译。
解释具有良好的动态特性和可移植性。将解释器移植到不同的系统上,则程序不用改动就可以在移植了解释器的系统上运行。
同时解释器也有很大的缺点,比如执行效率低,占用空间大,因为不仅要给用户程序分配空间,解释器本身也占用了宝贵的系统资源。
四、【了解】Java的引用类型
无论是通过引用计数算法判断对象的引用数量,还是通过可达性分析算法判断对象的引用链是否可达,判定对象是否存活都与“引用”有关。
Java将引用分为强引用(Strong Reference)、软引用(Soft Reference)、弱引用(Weak Reference)、虚引用(Phantom Reference)4种,这4种引用强度依次逐渐减弱。
4.1 强引用
指在程序代码之中普遍存在的,类似“Object obj=new Object()”这类的引用,只要强引用还存在,垃圾收集器永远不会回收掉被引用的对象。
4.2 软引用
用来描述一些还有用但并非必需的对象。对于软引用关联着的对象,在系统将要发生内存溢出异常之前,将会把这些对象列进回收范围之中进行第二次回收。如果这次回收还没有足够的内存,才会抛出内存溢出异常。在JDK 1.2之后,提供了SoftReference类来实现软引用。
4.3 弱引用
用来描述非必需对象的,但是它的强度比软引用更弱一些,被弱引用关联的对象只能生存到下一次垃圾收集发生之前。当垃圾收集器工作时,无论当前内存是否足够,都会回收掉只被弱引用关联的对象。在JDK 1.2之后,提供了WeakReference类来实现弱引用。
4.4 虚引用
也称为幽灵引用或者幻影引用,它是最弱的一种引用关系。一个对象是否有虚引用的存在,完全不会对其生存时间构成影响,也无法通过虚引用来取得一个对象实例。为一个对象设置虚引用关联的唯一目的就是能在这个对象被收集器回收时收到一个系统通知。
五、JMM中的内存划分
5.1 虚拟机栈
每一个方法从调用直至执行完成的过程,就对应一个栈帧在虚拟机栈中入栈和出栈的过程。
5.2 方法区(jdk1.7)/ 元空间(jdk1.8)
这个区域在GC中一般称为永久代(Permanent Generation)。
永久代的垃圾收集主要回收两部分内容:废弃常量和无用的类。此区域进行垃圾收集的“性价比”一般比较低。
5.3 堆
Java堆是垃圾收集器管理的主要区域,因此很多时候也被称做“GC堆”(Garbage Collected Heap)。
从内存回收的角度来看,由于现在收集器基本都采用分代收集算法,所以Java堆中还可以细分为:
- 新生代(Young Generation):又可以分为Eden空间、From Survivor空间、To Survivor空间。
- 老年代(Old Generation)。
六、垃圾回收的过程
6.1 新生代GC(Minor GC):YGC,代表Young GC。
指发生在新生代的垃圾收集动作,因为Java对象大多都具备朝生夕灭的特性,所以Minor GC非常频繁,一般回收速度也比较快。
6.2 老年代GC(Major GC):FGC,代表Full GC。
指发生在老年代的GC,出现了Major GC,经常会伴随至少一次的Minor GC(但非绝对的,在Parallel Scavenge收集器的收集策略里就有直接进行Major GC的策略选择过程)。Major GC的速度一般会比Minor GC慢10倍以上。
1、现在有一个新对象产生,那么对象一定需要内存空间,于是现在需要为该对象进行内存空间的申请。
2、首先会判断Eden区是否有内存空间,如果此时有充足内存空间,则直接将新对象保存到Eden区。
3、但是如果此时Eden区的内存空间不足,那么会自动执行Minor GC操作,将Eden区无用的内存空间进行清理。清理之后会继续判断Eden区空间是否充足?如果充足,则将新的对象直接在Eden区进行内存空间分配。
4、如果执行Minor GC之后Eden区空间依然不足,那么这个时候会进行Survivor区判断,如果Survivor区有剩余空间,则将Eden区的部分活跃对象保存在Survivor区,随后继续判断Eden区的内存空间是否充足,如果充足,则进行内存空间分配。
5、如果此时Survivor区也没有内存空间了,则继续判断老年区,如果此时老年区的空间充足,则将Survivor区中的活跃对象保存到老年区,而后Survivor区应付出现空余空间,随后Eden区将部分活跃对象保存地Survivor区中,最后在Eden区为新对象分配内存空间。
6、如果这个时候老年代内存空间也满了,那么这个时候将进行Major GC(Full GC)。然后再将Survivor区中的活跃对象保存到老年区,从而腾出空间,然后再将Eden区的部分活跃对象保存到Survivor区,最后在Eden区为新对象分配内存空间。
7、如果老年代执行Full GC之后依然空间依然不足,产生OOM(OutOfMemoryError)异常。
七、垃圾回收算法
7.1 标记-清除算法(Mark-Sweep算法:最基础的收集算法)
如同它的名字一样,算法分为“标记”和“清除”两个阶段:首先标记出所有需要回收的对象,在标记完成后统一回收所有被标记的对象。
之所以说它是最基础的收集算法,是因为后续的收集算法都是基于这种思路并对其不足进行改进而得到的。
它的主要不足有两个:
- 效率问题,标记和清除两个过程的效率都不高
- 空间问题,标记清除之后会产生大量不连续的内存碎片,空间碎片太多可能会导致以后在程序运行过程中需要分配较大对象时,无法找到足够的连续内存而不得不提前触发另一次垃圾收集动作。
7.2 复制算法(Copying算法:新生代的收集算法)
将可用内存按容量划分为大小相等的两块,每次只使用其中的一块。
当这一块的内存用完了,就将还存活着的对象复制到另外一块上面,然后再把已使用过的内存空间一次清理掉。
这样使得每次都是对整个半区进行内存回收,内存分配时也就不用考虑内存碎片等复杂情况,只要移动堆顶指针,按顺序分配内存即可,实现简单,运行高效。
只是这种算法的代价是将内存缩小为了原来的一半,未免太高了一点。
7.3 标记-整理算法(Mark-Compact算法,老年代收集算法)
标记过程仍与"标记-清除"过程一致,但后续步骤不是直接对可回收对象进行清理,而是让所有存活对象都向一端移动,然后直接清理掉端边界以外的内存。
7.4 分代收集算法
当前JVM垃圾收集都采用的是"分代收集(Generational Collection)"算法,这个算法并没有新思想,只是根据对象存活周期的不同将内存划分为几块。
一般是把Java堆分为新生代和老年代。
在新生代中,每次垃圾回收都有大批对象死去,只有少量存活,因此我们采用复制算法;
而老年代中对象存活率高、没有额外空间对它进行分配担保,就必须采用"标记-清理"或者"标记-整理"算法。