垃圾回收算法

JVM垃圾回收算法（GC）的核心目标是自动识别并回收不在被引用的对象内存，避免内存泄漏或者溢出，底层依赖多种垃圾回收算法，不同算法在识别垃圾，回收内存，性能开销上各有侧重，实际GC器比如G1，ZGC都是基于这些基础的组合优化

一、前置：如何判断对象是垃圾？

JVM如何判定一个对象是否该被回收？核心标准是对象是否可达

以GC Roots为起点（如果虚拟机站中局部变量，方法区中类静态变量，本地方发展中JNI引用等），遍历对象引用链
如果一个对象到GC Roots没有任何可达路径及时不可达，就标记为垃圾对象，等待回收

二、核心垃圾回收算法

1.标记-清除算法（Mark-Sweep）：最基础的算法

原理

分为两步执行：

标记阶段：遍历所有对象，标记出可达的存活对象（未标记的就是视为垃圾）
清除阶段：遍历堆内存，直接回收所有未标记的垃圾对象，释放内存空间

示意图

复制代码

标记前：[存活A][垃圾B][存活C][垃圾D][存活E]
标记后：[存活A(标记)][垃圾B(未标)][存活C(标记)][垃圾D(未标)][存活E(标记)]
清除后：[存活A][空闲][存活C][空闲][存活E]

优缺点

优点：实现简单，不需要移动对象，执行效率高（标记和清除过程直接）
缺点：

内存碎片：回收产生大量不连续的空闲内存块，如果需要分配大对象，可能会因为没有足够的内存空间触发 Full GC；
效率不稳定：堆中的对象越多，标记和清除的遍历时间就越长，GC停顿时间肯呢个随着堆大小增长而增加

适用场景

早起GC器（比如Serial GC）的老年代实现，对内存连续性要求不高，对象存活率低的场景

2.复制算法（Copying）：解决碎片问题的高效方案

原理

基于存活对象少，垃圾多的场景优化，核心就是分块复制和移动对象

将堆内存划分为两个大小相等的区域，每次只使用其中一块区域
标记阶段：标记From区中所有存活对象
复制阶段：将所有存活对象赋值到另一个空闲区域，在复制后对象在To区中是连续排列的
切换阶段：清空From区，将From区和To区角色互换一下（下次GC的时候使用新的From区）

示意图

复制代码

初始状态：From区[存活A][垃圾B][存活C][垃圾D]，To区[空闲][空闲][空闲][空闲]
标记+复制后：To区[存活A][存活C][空闲][空闲]，From区[空闲][空闲][空闲][空闲]
角色互换：新From区[存活A][存活C][空闲][空闲]，新To区[空闲][空闲][空闲][空闲]

优缺点

优点

无内存碎片：存活对象复制后连续排列，后续分配大对象时效率高；
回收效率高：只复制存活对象，若存活对象占比低（如新生代 90% 以上是临时对象），复制开销极小；

缺点

内存利用率低：堆内存被划分为两半，实际可用内存仅为总堆的 50%；
不适合存活对象多的场景：若存活对象占比高（如老年代），复制开销会急剧增加。

适用场景

新生代 GC（如 Serial GC、Parallel Scavenge GC），因为新生代对象生命周期短、存活占比低，契合复制算法的优势。

标记 - 整理算法（Mark-Compact）：兼顾连续与利用率

原理

结合 "标记 - 清除" 和 "复制" 的优点，解决老年代存活对象多的问题，分三步：

标记阶段：与标记 - 清除一致，标记所有可达的存活对象；
整理阶段：将所有存活对象向堆内存的一端移动，紧凑排列；
清除阶段：直接清理存活对象边界之外的所有垃圾内存（无需遍历所有垃圾）。

示意图

标记前：[存活A][垃圾B][存活C][垃圾D][存活E] 标记后：[存活A(标记)][垃圾B(未标)][存活C(标记)][垃圾D(未标)][存活E(标记)] 整理后：[存活A][存活C][存活E][空闲][空闲]

优缺点

优点

无内存碎片：存活对象紧凑排列，内存连续性好；
内存利用率高：无需划分两半区域，全部堆内存均可使用；

缺点

额外的移动开销：需要移动存活对象，并更新所有引用该对象的指针（耗时）；
停顿时间更长：整理阶段比标记 - 清除的清除阶段更耗时，适合对停顿不敏感的场景。

适用场景

老年代 GC（如 Serial Old GC、Parallel Old GC），因为老年代对象生命周期长、存活占比高，复制算法效率低，标记 - 清除会产生碎片，而标记 - 整理是最优选择。

分代收集算法（Generational Collection）：实际 GC 器的核心逻辑

原理

不是独立算法，而是基于 "对象生命周期不同" 的分代策略，组合上述三种基础算法：

分代划分 ：将堆内存分为「新生代」和「老年代」（部分 GC 器如 G1 还有「永久代 / 元空间」，但元空间不涉及堆内存回收）；
- 新生代：存储新创建的对象，生命周期短、存活占比低（约 1%~10% 存活）；
- 老年代：存储经过多次 GC 仍存活的对象，生命周期长、存活占比高（约 90% 以上存活）；
算法组合 ：
- 新生代：采用「复制算法」（高效、无碎片，契合低存活占比）；
  - 进一步细分：Eden 区（80%）+ 两个 Survivor 区（From/To 各 10%），每次只使用 Eden 和一个 Survivor，存活对象复制到另一个 Survivor，多次存活后晋升到老年代；
- 老年代：采用「标记 - 清除」或「标记 - 整理」（兼顾利用率和连续性，契合高存活占比）；
回收触发 ：
- 新生代 GC（Minor GC）：Eden 区满时触发，只回收新生代，停顿时间短；
- 老年代 GC（Major GC/Full GC）：老年代满或元空间不足时触发，回收新生代 + 老年代，停顿时间长。

优缺点

优点：针对性优化，兼顾效率和内存利用率，是目前所有主流 GC 器（如 Parallel GC、G1、ZGC）的基础；
缺点：分代逻辑复杂，需要维护对象年龄、晋升规则等，依赖 JVM 对对象生命周期的精准判断

适用场景

所有现代 JVM（HotSpot 等）的默认 GC 策略，几乎覆盖所有应用场景（从桌面应用到服务器应用）。

分区收集算法（Region-Based Collection）：大堆内存的优化方案

原理

为解决 "大堆内存下 Full GC 停顿过长" 的问题（如堆内存达数十 GB），核心是「将堆划分为多个小 Region，按需回收」：

堆内存被划分为多个大小相等的 Region（如 G1 中 Region 大小为 1~32MB，可配置）；
每个 Region 可动态标记为「新生代（Eden/Survivor）」或「老年代」，无需固定分代比例；
GC 时优先回收「垃圾占比高的 Region」（G1 称为 "优先回收"），避免全堆扫描；
结合标记 - 整理算法：对单个 Region 内的存活对象进行整理，保证内存连续性。

优缺点

优点

降低停顿时间：只回收部分 Region，而非全堆，大堆内存下停顿可控；
灵活分代：Region 角色可动态调整，适配不同对象分布场景；

缺点

Region 管理复杂：需要维护每个 Region 的状态（空闲、新生代、老年代、垃圾占比等）；
额外开销：Region 之间的引用需要通过 "卡表"（Card Table）追踪，增加内存和计算开销。

适用场景

大堆内存场景（如堆内存 ≥ 8GB），主流 GC 器如 G1 GC、ZGC、Shenandoah GC 均基于此算法。

三、主流 GC 器与算法对应关系

GC 器	适用代际	核心算法组合	特点
Serial GC	新生代 + 老年代	新生代：复制算法；老年代：标记 - 整理	单线程，停顿长，适合小堆
Parallel Scavenge GC	新生代	复制算法	多线程吞吐量优先
Parallel Old GC	老年代	标记 - 整理	多线程吞吐量优先
CMS GC（废弃）	老年代	标记 - 清除（并发标记）	低停顿，有内存碎片
G1 GC	全堆（Region）	分区收集 + 标记 - 整理 + 复制	平衡停顿与吞吐量，大堆友好
ZGC	全堆（Region）	分区收集 + 标记 - 整理（并发整理）	超低停顿（毫秒级），超大堆支持
Shenandoah GC	全堆（Region）	分区收集 + 标记 - 整理（并发整理）	低停顿，跨平台支持

四、核心总结

基础算法定位 ：
- 标记 - 清除：简单但有碎片，适合临时场景；
- 复制算法：高效无碎片但利用率低，适合低存活占比（新生代）；
- 标记 - 整理：无碎片高利用率但有移动开销，适合高存活占比（老年代）；
实际应用逻辑 ：
- 分代收集是基础策略，结合复制 + 标记 - 整理，覆盖大多数场景；
- 分区收集是大堆优化，通过 Region 按需回收，解决大堆停顿问题；
选择原则 ：
- 小堆（<4GB）：Serial GC / Parallel GC（吞吐量优先）；
- 中堆（4~16GB）：G1 GC（平衡停顿与吞吐量）；
- 大堆（>16GB）：ZGC / Shenandoah GC（超低停顿）。