微观标记复制，整体上标记整理
假设堆被分成10个Region，每个Region用括号表示，里面是对象的状态：L表示存活对象，G表示垃圾，E表示空闲。
初始状态：堆中有存活对象和垃圾，分布比较零散。
Region: 0 1 2 3 4 5 6 7 8 9
L\] \[G\] \[L\] \[G\] \[E\] \[L\] \[G\] \[L\] \[G\] \[L
G1会选择一个回收集（比如Region1,3,6,8，这些Region的垃圾比例高）。注意，G1的选择是基于"回收价值"的，这里我们假设这几个Region的垃圾最多。
微观复制：将回收集（Region1,3,6,8）中的存活对象复制到空闲Region（比如Region4，但注意，复制过程中可能会使用多个空闲Region，这里为了简单，假设全部复制到Region4，实际上会按顺序使用空闲Region）。
复制后，回收集中的存活对象被复制到了新的Region，同时这些回收集被清空，变成空闲Region。
复制过程：
Region1: 没有存活对象（全是垃圾），所以直接清空，变成空闲。
Region3: 没有存活对象，直接清空。
Region6: 没有存活对象，直接清空。
Region8: 没有存活对象，直接清空。
实际上，如果有存活对象，就会复制到空闲Region。但在这个例子中，我们假设这些Region全是垃圾，所以没有复制操作，直接清空。
回收后的状态：
Region: 0 1 2 3 4 5 6 7 8 9
L\] \[E\] \[L\] \[E\] \[E\] \[L\] \[E\] \[L\] \[E\] \[L
现在，我们看到空闲Region变多了（1,3,6,8），而且它们是分散的。但是，请注意，存活对象仍然分散在0,2,5,7,9。
接下来，G1会继续选择回收集（比如Region0,2,5,7,9，假设它们现在垃圾比较多，但实际上这里存活对象多，垃圾少，所以可能不会选它们，这里为了演示整体整理的效果，我们假设又经过了多次回收，每次回收都选择垃圾最多的Region，并将存活对象复制到空闲Region）。
假设经过多次回收后，存活对象被逐渐复制到堆的一侧，空闲Region集中在另一侧。
最终状态可能如下：
Region: 0 1 2 3 4 5 6 7 8 9
L\] \[L\] \[L\] \[L\] \[L\] \[E\] \[E\] \[E\] \[E\] \[E
这样，我们就看到：整体上，存活对象被整理到了堆的前半部分，后半部分是大块连续的空闲空间。这就是整体上的标记-整理效果。
但是，这个整理过程不是一次完成的，而是通过多次的复制回收（微观复制）逐步完成的。
所以，总结一下：
微观：每次回收，将选中Region（回收集）的存活对象复制到空闲Region，然后清空回收集。这是复制算法。
整体：经过多次回收，存活对象被逐渐移动并紧凑地放在一起，形成连续的存活对象区域和连续的空闲区域。这是标记-整理的效果。
Region的堆内存布局
G1不再坚持固定大小以及固定数量的
分代区域划分，而是把连续的Java堆划分为多个大小相等的独立区域（Region），每一个Region都可以
根据需要，扮演新生代的Eden空间、Survivor空间，或者老年代空间
高吞吐量与低延迟的平衡
低延迟：指单次垃圾回收事件导致的"Stop-The-World"停顿时间非常短。
吞吐量指的是：应用程序运行时间占总运行时间的比例。
高吞吐量策略通常意味着：
- 更少的GC总时间（更多时间运行应用）
- 但可能单次停顿时间较长
低延迟策略通常意味着：
- 更短的每次停顿时间
- 但可能需要更频繁的GC，总GC时间可能增加
通过分区回收 + 停顿预测
可预测的停顿时间模型
优先处理回收价值收益最大的那些Region
四个步骤
总结
G1旨在为大内存、多核CPU的现代服务器应用提供可预测的、相对较短的停顿时间，同时保持较高的吞吐量，它通过Region化分区、停顿时间预测模型和增量式并发回收机制，在大堆内存管理上取得了吞吐量与延迟的最佳平衡。