JVM那点事-垃圾收集器(1次10ms的GC和10次1ms的GC,你会选哪个?)

小胖在写完这篇文章后,问自己的几个问题。我想,看完这篇文章,你可能就会有自己的答案了。

  1. 1次10msGC和10次1ms的GC你会选择哪种?
  2. CMS收集器缺陷是什么?
  3. 提高CMS的启动阈值一定能提高性能吗?为什么?
  4. G1收集器为什么可以设置停顿时间?
  5. GC如何确定对象是否可被回收?
  6. 针对你说的“可达性分析法”,Minor GC时会扫描整个堆吗?
  7. JDK8默认的垃圾收集器是什么?

JVM那点事-垃圾收集算法讲了GC垃圾回收算法,即(分代收集算法[复制算法——标记清除/标记整理])。我们接下来讲一下垃圾回收器。下图展示了不同分代的收集器,如果两个收集器之间存在连线,说明他们可以搭配使用。虚拟机所在的区域,则表示它是属于新生代收集器还是老年代收集器。

HotSpot垃圾回收器的种类.png

1. Serial收集器(单线程收集器)

标签:新生代收集器 复制算法 单线程收集器

Serial收集器[ˈsɪriəl]单线程新生代收集器,进行垃圾回收的时候,Stop the World暂停其他所有的工作线程。对于单个CPU的环境来说,简单而高效。(虚拟机运行在Client模式下的默认新生代收集器。)

2. ParNew收集器(并行收集器)

标签:新生代收集器 复制算法 多线程收集器 CMS默认收集器

ParNew([ˈpær])收集器其实就是Serial收集器的多线程版本。ParNew是许多运行在Server模式下虚拟机首选的新生代收集器。一个重要原因是:目前除了Serial收集器外,只有它与CMS收集器配合工作。ParNew收集器也是使用-XX:UseConcMarkSweepGC选项的默认收集器,也可以使用-XX:+UseParNewGC选项强制指定。

ParNew收集器在单个CPU环境中绝对不会有比Serial收集器更好的效果。默认开启的收集器线程数与CPU的数量相同。可以使用-XX:ParallelGCThreads参数限制垃圾收集器的线程数[ˈpærəlel]

并行(Parallel):指多条垃圾收集器线程并行工作,但此时用户线程仍处于等待状态。
并发(Concurrent):指用户线程与垃圾回收器同时执行(但不一定是并行的,可能会交替运行),用户程序在继续运行,而垃圾手机程序运行在另一个CPU上。

3. Parallel Scavenge收集器(并行收集器)

标签:新生代收集器 复制算法 多线程收集器 吞吐量优先

[ˈpærəlel][ˈskævɪndʒ] 并发清扫Parallel Scavenge目标是达到一个可控制的吞吐量。(吞吐量=用户代码运行时间/虚拟机运行时间,例如程序运行了100分钟,GC占用1分钟,那么吞吐量就是99%)

敲黑板,画重点:面试官问道:“小胖同学,1次10ms的GC和10次1ms的GC,你会选哪种?”)

  • 停顿时间短:适合与 用户交互的程序,良好的响应速度提升用户体验。
  • 高吞吐量:适合后台运算而不需要太多交互的任务,可以高效率利用CPU时间,尽快完成程序的运行任务.

(小胖内心OS:停顿时间1ms,这么快,一定是垃圾少,那就是牺牲了新生代空间频繁GC会导致吞吐量的下降,但是适合用户交互程序,反之,吞吐量大的话,可以高效利用CPU,适合后台运算的程序。)

Parallel Scavenge收集器提供了两个参数用于精确控制吞吐量。控制垃圾回收器停顿时间的-XX:MaxGCPauseMills
[pɔ:z]['mɪlz]。以及设置吞吐量大小的-XX:GCTimeRatio
不要以为把MaxGCPauseMills参数设置小就能使系统垃圾收集速度变快。GC停顿时间缩短是牺牲吞吐量和新生代空间来换取的。(比如将新生代调小,原来10s收集一次,每次100ms,;现在5s收集一次,每次70ms;停顿时间的确下降,但吞吐量也下降了)
GCTimeRatio参数的值应当是[0,100]的整数。如果把参数设置为19,允许最大的GC时间(1/(1+19))占用总时间的5%

4. Parallel Old收集器(并行收集器)

标签:老生代收集器 标记-整理算法 多线程收集器 吞吐量优先

注重吞吐量以及CPU资源敏感的场合,都可以优先考虑Parallel ScavengeParallel Old收集器。

5. CMS收集器(并发收集器)

标签: 老年代收集器 标记-清除算法 低停顿时间 并发收集器 CPU资源敏感 浮动垃圾 内存碎片

CMS(Concurrent Mark Sweep)收集器是一种获取最短回收停顿时间为目标的收集器。目前很大一部分的java应用集中在互联网或者B/S系统的服务端上。重视响应速度,希望系统停顿时间最短。

  • 初始标记:标记GC Roots 直接关联的对象(Stop the World)。
  • 并发标记:获取初始标记的节点做为根节点,并发标记对象。
  • 重新标记:修正并发标记过程中变动的对象。如何修改?就是将并发标记阶段变化的对象记录在线程Remembered Set Logs线程,在重新标记阶段,将数据合并到Remember Set中。(PS:详见G1收集器描述)(Stop the World)
  • 并发清除并发清除对象

(原理简单明了)

其中初始标记重新标记两个步骤仍然需要Stop The World

在Java语言中,可作为GC Roots的对象...

缺点是:

  • 对CPU资源敏感:在并发阶段,虽然不会导致用户线程停顿,但是占用线程(CPU资源)导致应用程序变慢。CMS默认启动的线程数(CPU+3)/4,也就是当CPU在4个以上时,并发回收垃圾线程不少于25%的CPU资源。

  • 浮动垃圾:并发清理阶段用户线程还在运行,只能下次GC回收,这些就称为“浮动垃圾”垃圾收集阶段用户线程还在运行,所以不能等到老年代几乎填满在进行收集。要设置老年代预留空间,可以设置-XX:CMSInitiatingOccupancyFranction音标: [ɪ'nɪʃɪeɪtɪŋ]初始 [ˈɒkjəpənsi] 居住 [ˈfrækʃn] 一小部分,提高触发百分比。在JDK1.6,CMS收集器的启动阙值92%。要是CMS运行期间预留的内存无法满足程序需要,就会触发Concurrent Mode Failure 失败,虚拟机启动后备方案,临时启动Serial Old收集器来重新进行老年代的垃圾回收。所以说,参数-XX:CMSInitiatingOccupancyFranction设置的太高,容易触发Concurrent Mode Failure失败,性能反而降低。

  • 内存碎片:“标记-清除”算法会产生大量空间碎片!空间碎片过多时,大对象分配带来麻烦,导致对象有很大剩余,但是无法找到连续空间分配对象,提前触发full GC。
    可以设置-XX:UseCMSCompactAtFullCollectionCMS默认开启。在Full GC的时候采用合并整理过程,但是内存整理无法并发会导致停顿时间变长。还有一个参数-XX:CMSFullGCsBeforeCompaction,这个参数是用于执行多少次不压缩的Full GC跟着来一次压缩的。

总结来说:CMS并发收集,低停顿。

  1. 抢占CPU资源
  2. 浮动垃圾,并且要为应用程序预留空间,我们可以设置预留比例,但是预留比例无法满足应用程序需求时,会启动Serial Old收集器。性能可能下降;
  3. 内存碎片,可以开启在清除后合并压缩,但是整理阶段,无法并发。导致停顿时间变长,也可以设置多次Full GC后压缩碎片;

5. G1收集器(并发收集器)

标签: 分代收集 空间整合 并发收集 可预测停顿 内存化整为零

G1之前的其他收集器收集的范围都是新生代或者老年代。G1将整个Java堆划分为大小相等的独立区域·(region [ˈri:dʒən])新生代老年代不再是物理隔离的了。他们都是一部分的region(不需要连续)的集合。

G1收集器之所以能建立可预测的停顿时间模型。是因为G1可以跟踪各个region里面垃圾堆价值大小(回收所获得的空间以及回收所需的时间经验值),在后台维护了优先列表。根据允许的收集时间,优先回收价值最大的Region(划分空间以及有优先级的区域回收。PS:G1执行的第四步,筛选阶段,就是根据用户期望GC时间,制定回收计划!)

一个对象被分配到region中,他并非只能被region中的其他对象引用,而是可以与整个java堆任意对象发生引用,那么可达性分析法判定对象是否存活时,岂不是还要扫描整个堆?在以前的分代收集中,新生代中的对象也面临着相同的问题,Minor GC时若是同时扫描老年代的话,那么Minor GC效率可能下降不少。

G1垃圾回收是否扫描整个堆,或者minor gc是否扫描整个堆?

在G1收集器中,Region之间的对象引用以及其他收集器新生代和老年代之间的对象引用。(敲黑板,划重点)虚拟机都是使用Remembered Set来避免全堆扫描的。

G1中每个region都有一个与之对应的Remembered Set,虚拟机发现程序在对Reference类型的数据进行写操作时,会产生一个Write Barrier暂停暂时中断写操作,检查Reference引用对象是否处于不同的Region之中(分代中就是检查是否老年代中的对象引用新生代的对象)。如果是,便通过CardTable把相关的引用对象所属的RegionRemembered Set之中,当进行垃圾回收时,在GC Roots中的枚举范围中加入Remembered Set即可保证不对全堆扫描也不会有遗漏。

小胖有话说:虚拟机对引用类型数据进行操作时,判断引用的对象是否处于不同的Rigion区,或者是否是老年代对象引用新生代对象,若是的话,则写入Remembered Set中,GC Roots会在枚举范围加入Remembered Set保证不进行全表扫描的情况下不会遗漏对象。

(嘻嘻,以后面试官问G1执行步骤时,将维护 Remembered Set操作也可以描述一下呀)

G1收集器运作大致可划分为以下几个步骤:

  • 初始标记(Initial Marking):暂停线程,标记GC Roots能直接关联到的对象。

  • 并发阶段(Concurrent Marking):对堆中的对象进行可达性分析,耗时较长,可并发执行;

  • 最终阶段(Final Marking):修正并发阶段期间用户程序运行导致标记产生变化的记录;* (敲黑板,继续划重点)*虚拟机将这段时间对象变化在线程Remembered Set Logs中,最终阶段需要把Remembered Set Logs数据合并到Remembered Set中,需要停顿线程,但可并行执行

  • 筛选阶段(Live Data Counting and Evacuation):根据用户期望的GC停顿时间制定回收计划。也可做到与用户程序并行执行

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 199,393评论 5 467
  • 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 83,790评论 2 376
  • 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 146,391评论 0 330
  • 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 53,703评论 1 270
  • 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 62,613评论 5 359
  • 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 48,003评论 1 275
  • 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 37,507评论 3 390
  • 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 36,158评论 0 254
  • 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 40,300评论 1 294
  • 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 35,256评论 2 317
  • 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 37,274评论 1 328
  • 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 32,984评论 3 316
  • 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 38,569评论 3 303
  • 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 29,662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 30,899评论 1 255
  • 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 42,268评论 2 345
  • 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 41,840评论 2 339

推荐阅读更多精彩内容