JVM的 6 种垃圾回收算法

JVM的垃圾回收(Garbage Collection, GC)算法,在面试八股文时偶尔会被问到,了解一些常见的垃圾回收算法有利于面试时吊打面试官。

以下是JVM常见的几种垃圾回收算法的介绍:

1. 标记-清除算法(Mark-Sweep)

这是最基本的垃圾回收算法,主要步骤包括:

  • 标记:从GC Root出发,标记所有可达的对象。
  • 清除:遍历堆内存,清除所有未被标记的对象。
  • 优点:简单,不需要移动对象。
  • 缺点:会产生内存碎片。

2. 标记-整理算法(Mark-Compact)

为了解决标记-清除算法的内存碎片问题,引入了标记-整理算法:

  • 标记:和标记-清除算法相同,标记所有可达对象。
  • 整理:将存活对象压缩到堆的一端,清理边界外的内存。
  • 优点:减少了内存碎片。
  • 缺点:移动对象需要额外的成本。

3. 复制算法(Copying)

复制算法主要用于年轻代(Young Generation)对象的回收:

  • 步骤:将存活的对象从一个内存区域复制到另一个内存区域,原来的内存区域全部清空。
  • 优点:效率高,没有碎片问题。
  • 缺点:需要额外的内存空间。

4. 分代收集算法(Generational Collection)

现代JVM使用分代收集算法,将堆内存分为不同的代(年轻代、年老代)进行管理:

  • 年轻代(Young Generation):主要使用复制算法,分为Eden区和两个Survivor区(From和To)。
  • 年老代(Old Generation):主要使用标记-整理算法。
  • 持久代(Permanent Generation):用于存储类元数据,Java 8之后改为元空间(Metaspace)。
  • 优点:根据对象的生命周期优化回收效率。
  • 缺点:需要更多的调优和管理。

5. CMS(Concurrent Mark-Sweep)

CMS是为了减少GC暂停时间的一种垃圾回收器,主要用于年老代:

  • 步骤
    • 初始标记(Initial Mark):标记GC Root直接可达的对象。
    • 并发标记(Concurrent Mark):并发地标记所有可达对象。
    • 重新标记(Remark):修正并发标记期间产生的新对象。
    • 并发清除(Concurrent Sweep):并发地清除未被标记的对象。
  • 优点:降低了停顿时间。
  • 缺点:会产生内存碎片,且并发清理阶段对CPU资源要求较高。

6. G1(Garbage-First)

G1垃圾回收器是一种面向服务端应用的低暂停垃圾回收器,适用于大堆内存环境:

  • 区域(Region):将堆划分为若干固定大小的区域,每个区域可以是年轻代或老年代的一部分。
  • 回收过程
    • 初始标记(Initial Mark):标记GC Root直接可达的对象。
    • 并发标记(Concurrent Mark):并发地标记所有可达对象。
    • 最终标记(Final Mark):标记那些在并发标记阶段还存活的对象。
    • 筛选回收(Live Data Counting and Evacuation):根据每个区域的回收价值进行回收。
  • 优点:通过分区和增量回收,优化了停顿时间。
  • 缺点:相对较新,需要更多的调优。

了解和调优这些垃圾回收算法对于Java应用性能优化非常关键。根据不同应用场景选择合适的GC策略,可以显著提升系统的稳定性和响应速度。

相关推荐
小沈熬夜秃头中୧⍤⃝4 分钟前
【贪心算法】No.1---贪心算法(1)
算法·贪心算法
木向36 分钟前
leetcode92:反转链表||
数据结构·c++·算法·leetcode·链表
阿阿越38 分钟前
算法每日练 -- 双指针篇(持续更新中)
数据结构·c++·算法
skaiuijing1 小时前
Sparrow系列拓展篇:对调度层进行抽象并引入IPC机制信号量
c语言·算法·操作系统·调度算法·操作系统内核
Star Patrick1 小时前
算法训练(leetcode)二刷第十九天 | *39. 组合总和、*40. 组合总和 II、*131. 分割回文串
python·算法·leetcode
武子康2 小时前
大数据-214 数据挖掘 机器学习理论 - KMeans Python 实现 算法验证 sklearn n_clusters labels
大数据·人工智能·python·深度学习·算法·机器学习·数据挖掘
pianmian17 小时前
python数据结构基础(7)
数据结构·算法
好奇龙猫9 小时前
【学习AI-相关路程-mnist手写数字分类-win-硬件:windows-自我学习AI-实验步骤-全连接神经网络(BPnetwork)-操作流程(3) 】
人工智能·算法
sp_fyf_202410 小时前
计算机前沿技术-人工智能算法-大语言模型-最新研究进展-2024-11-01
人工智能·深度学习·神经网络·算法·机器学习·语言模型·数据挖掘
香菜大丸10 小时前
链表的归并排序
数据结构·算法·链表