jvm内存模型&垃圾回收器

jvm内存模型

jvm内存模型话不多说直接上图:


图片.png

模型介绍:jvm内存模型大体分为 线程共享线程独占,线程共享分为:堆和元区间(方法区),线程独占分为:本地方法栈,栈和查询寄存器
:存放的是new出来的所有对象
元区间:calss对象,常量池,静态属性
:本地方法,java暂时不支持栈上分配对象
本地方法栈:native修饰的方法
程序寄存器:各个线程执行的位置

栈的模型

图片.png

栈内部是有一个个栈帧组成,每个方法都是一个栈帧,一个栈帧是由局部变量表,操作数栈,动态链接,返回地址组成。
局部变量表:存放方法参数和方法内部的局部变量
操作数栈:对字节码指令运算是在操作数栈中执行,入栈出栈操作
动态链接: 指的是在每次执行方法或者指令,通过常量池中的符号引用转成直接引用找到对应的栈帧,这就是动态链接
返回地址: 方法完成返回出口,正常返回和异常返回出口两种,返回地址中会携带寄存器的位置等等

垃圾回收器

GC性能指标主要看吞吐量,暂停时间,内存占用这三个方面着重考虑,内存占用高并不是致命的,可以扩张内存来解决,最终需要解决的是吞吐量和暂停时间
吞吐量:用户执行时间 / (用户执行时间+GC回收垃圾STW的时间)占比,要想提高吞吐量只能降低gc执行时间。
暂停时间:gc执行回收垃圾的时间,这段时间意味着没用应用线程进行执行
吞吐量和暂停时间是相互矛盾的,gc时间降低来提高吞吐量那必定gc次数变多,如果gc时间边长必定影响吞吐量,影响用户体验。选择gc器要根据场景的需要来选型一下介绍常见的8种垃圾回收器。如图:

图片.png

先介绍这八种垃圾回收器
Serial
图片.png

Serial是单线程串行垃圾回收器,复制算法,适用于单核cpu一些桌面应用程序

ParNew

图片.png

ParNew是多线程垃圾回收器,用于年轻代的回收器,垃圾回收使用复制算法,这种回收器适用于多核cpu,对于单核cpu ParNew执行效率未必比Serial执行效率高,单核cpu切换上下文是一种额外的开销

Parallel Scavenge

图片.png

Parallel Scavenge和ParNew回收器功能一样,区别在于Parallel Scavenge可以设置gc执行最大时间,配置吞吐量

SerialOld

图片.png

SerialOld和Serial回收器一样,SerialOld是在老年代中使用

ParallelOld

图片.png

ParallelOld和Parallel Scavenge一样配置吞吐量,ParallelOld是在老年代中使用

CMS

图片.png

CMS垃圾回收有四个步骤 "初始标记,并发标记,重新标记,并发清除",在STW过程是初始标记和重新标记阶段。
初始标记:根据GCROOT算法标记老年代直达对象。由于直连速度快
并发标记:从GCROOTS直接关联的对象进行遍历查找可达的对象,还有记忆集合中可达的对象这个过程比较耗时,所以避免暂停时间,和用户线程并发执行。
重新标记:在执行并发标记期间用户线程产生的可达对象进行一个重新标记,老年代,新生代也会扫描double check
并发清除:标记阶段死亡的对象,进行清理释放内存。由于存活的对象不需要移动,可以和用户线程并发执行。
使用标记清除算发有个弊端,内存碎片化,导致后续的内存使用率降低(应需要进行内存整理压缩)

G1

图片.png

G1收集器也是基于分代模式收集器,将内存进行分区(Region)分成均匀2048块每块大小1-32M只能是2的次方,G1弱化了分代的概念,和传统分代不同在于每个同色Region在内存上并不一定是连续的,分布在各个角落,对于回收机制,G1会分析计算回收价值最大的Region进行回收,多个Regin区垃圾回收会重新分配到新的region区中,对于大对象一个region区放不下情况,会寻找内存连续的区域进行合并用于存放这种大对象,G1引入了Remember set集合记录这些Regina区之间相互引用的对象集合,在搜索可达性对象提高效率。
G1回收过程
G1回收过程和CMS回收过程相似
初始标记:gcroots标记直达的对象(STW 耗时短)
并发标记:这个过程会耗时比较长,但是可以和用户线程并发执行,从gcroots根节点对heap中对象进行可达性分析,标记存活的对象。
最终标记:重新标记是修正并发标记线程和用户线程并发执行变动的对象,标记存活对象修改,包括Rememberset中的数据修正(STW)
筛选回收:G1会对各个Region的回收价值和成本进行排序,根据用户期望的执行时间来定制回收方案,尽可能暂停时间短回收这部分垃圾,和用户线程并行操作

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 203,547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 85,399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 150,428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 54,599评论 1 274
  • 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 63,612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 48,577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 37,941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 36,603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 40,852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 35,605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 37,693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 33,375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 38,955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 29,936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 31,172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 43,970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 42,414评论 2 342