java垃圾收集器中內存分配和回收的一些細節是怎樣的

這篇文章將為大家詳細講解有關java垃圾收集器中內存分配和回收的一些細節是怎樣的，文章內容質量較高，因此小編分享給大家做個參考，希望大家閱讀完這篇文章后對相關知識有一定的了解。

1. 禁用 System.gc()

jvm提供了一個參數 DisableExplicitGC 來控制是否手工觸發GC，如果需要禁用，可以使用以下配置：

-XX:+DisableExplicitGC

2. System.gc() 使用并發回收

在默認情況下，即使 System.gc 生效，會使用傳統的 Full GC 方式回收整個堆，而忽略參數中的 UseG1GC 和 UseConcMarkSweepGC，即CMS和G1是沒有并發執行的。

示例代碼

public class Demo01 {

    public static void main(String[] args) {
        System.gc();
    }

}

使用-XX:+PrintGCDetails -XX:+UseConcMarkSweepGC,日志如下：

[Full GC (System.gc()) [CMS: 0K->372K(174784K), 0.0246450 secs] 2798K->372K(253440K), [Metaspace: 2906K->2906K(1056768K)], 0.0247414 secs] [Times: user=0.02 sys=0.01, real=0.02 secs]

使用-XX:+PrintGCDetails -XX:+UseG1GC,日志如下：

[Full GC (System.gc())  1517K->368K(8192K), 0.0089949 secs]
   [Eden: 2048.0K(12.0M)->0.0B(3072.0K) Survivors: 0.0B->0.0B Heap: 1517.6K(256.0M)->368.7K(8192.0K)], [Metaspace: 2906K->2906K(1056768K)]
 [Times: user=0.01 sys=0.00, real=0.01 secs]

顯然，此時CMS和G1是沒有并發執行的，因為在日志中沒有任何并發相關的信息。可以使用以下參數來改變這種默認行為：

-XX:+ExplicitGCInvokesConcurrent

使用-XX:+PrintGCDetails -XX:+UseConcMarkSweepGC -XX:+ExplicitGCInvokesConcurrent,日志如下：

[GC (System.gc()) [ParNew: 2798K->398K(78656K), 0.0010206 secs] 2798K->398K(253440K), 0.0010476 secs] [Times: user=0.01 sys=0.00, real=0.00 secs] 
[GC (CMS Initial Mark) [1 CMS-initial-mark: 0K(174784K)] 1797K(253440K), 0.0001720 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] 
[CMS-concurrent-mark-start]
[CMS-concurrent-mark: 0.000/0.000 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] 
[CMS-concurrent-preclean-start]
[CMS-concurrent-preclean: 0.001/0.001 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] 
[GC (CMS Final Remark) [YG occupancy: 1797 K (78656 K)][Rescan (parallel) , 0.0007200 secs][weak refs processing, 0.0000066 secs][class unloading, 0.0001855 secs][scrub symbol table, 0.0003697 secs][scrub string table, 0.0001424 secs][1 CMS-remark: 0K(174784K)] 1797K(253440K), 0.0014769 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] 
[CMS-concurrent-sweep-start]
[CMS-concurrent-sweep: 0.000/0.000 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] 
[CMS-concurrent-reset-start]

使用-XX:+PrintGCDetails -XX:+UseG1GC -XX:+ExplicitGCInvokesConcurrent,日志如下：

[GC pause (System.gc()) (young) (initial-mark), 0.0024614 secs]
   [Parallel Time: 1.5 ms, GC Workers: 8]
      [GC Worker Start (ms): Min: 100.6, Avg: 100.7, Max: 100.8, Diff: 0.2]
      [Ext Root Scanning (ms): Min: 0.0, Avg: 0.2, Max: 0.3, Diff: 0.3, Sum: 1.6]
      [Update RS (ms): Min: 0.0, Avg: 0.0, Max: 0.0, Diff: 0.0, Sum: 0.0]
         [Processed Buffers: Min: 0, Avg: 0.0, Max: 0, Diff: 0, Sum: 0]
      [Scan RS (ms): Min: 0.0, Avg: 0.0, Max: 0.0, Diff: 0.0, Sum: 0.0]
      [Code Root Scanning (ms): Min: 0.0, Avg: 0.0, Max: 0.0, Diff: 0.0, Sum: 0.0]
      [Object Copy (ms): Min: 0.4, Avg: 0.6, Max: 1.0, Diff: 0.6, Sum: 5.1]
      [Termination (ms): Min: 0.0, Avg: 0.4, Max: 0.5, Diff: 0.5, Sum: 3.0]
         [Termination Attempts: Min: 1, Avg: 3.1, Max: 8, Diff: 7, Sum: 25]
      [GC Worker Other (ms): Min: 0.0, Avg: 0.0, Max: 0.0, Diff: 0.0, Sum: 0.1]
      [GC Worker Total (ms): Min: 1.1, Avg: 1.2, Max: 1.4, Diff: 0.3, Sum: 9.8]
      [GC Worker End (ms): Min: 101.9, Avg: 101.9, Max: 102.0, Diff: 0.1]
   [Code Root Fixup: 0.0 ms]
   [Code Root Purge: 0.0 ms]
   [Clear CT: 0.1 ms]
   [Other: 0.8 ms]
      [Choose CSet: 0.0 ms]
      [Ref Proc: 0.6 ms]
      [Ref Enq: 0.0 ms]
      [Redirty Cards: 0.1 ms]
      [Humongous Register: 0.0 ms]
      [Humongous Reclaim: 0.0 ms]
      [Free CSet: 0.0 ms]
   [Eden: 2048.0K(24.0M)->0.0B(23.0M) Survivors: 0.0B->1024.0K Heap: 2009.1K(256.0M)->568.1K(256.0M)]
 [Times: user=0.01 sys=0.00, real=0.00 secs] 
[GC concurrent-root-region-scan-start]
[GC concurrent-root-region-scan-end, 0.0003924 secs]
[GC concurrent-mark-start]
[GC concurrent-mark-end, 0.0002255 secs]
[GC remark [Finalize Marking, 0.0001208 secs] [GC ref-proc, 0.0000284 secs] [Unloading, 0.0002767 secs], 0.0005331 secs]
 [Times: user=0.00 sys=0.00, real=0.00 secs] 
[GC cleanup 1039K->1039K(256M), 0.0003741 secs]
 [Times: user=0.00 sys=0.00, real=0.00 secs]

使用ExplicitGCInvokesConcurrent參數后，System.gc() 這種顯式GC才會使用并發的方式進行回收，否則無論是否啟用了CMS或G1，都不會進行并發回收。

3. 并行GC前額外觸發的新生代GC

對于并行回收器（使用UseParallelOldGC或者UseParallelGC），在每一次FullGC之前都會伴隨一次新生代GC，這和串行回收器相比，有很大的不同，示例如下：

public class Demo01 {
    public static void main(String[] args) {
        System.gc();
    }
}

使用-XX:+PrintGCDetails -XX:+UseSerialGC，gc日志如下：

[Full GC (System.gc()) [Tenured: 0K->367K(174784K), 0.0017465 secs] 2798K->367K(253440K), [Metaspace: 2903K->2903K(1056768K)], 0.0017770 secs] [Times: user=0.01 sys=0.00, real=0.00 secs]

可以看到，System.gc() 觸發了一次Full GC.

使用-XX:+PrintGCDetails -XX:+UseParallelOldGC，gc日志如下：

[GC (System.gc()) [PSYoungGen: 2621K->528K(76288K)] 2621K->536K(251392K), 0.0008817 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] 
[Full GC (System.gc()) [PSYoungGen: 528K->0K(76288K)] [ParOldGen: 8K->368K(175104K)] 536K->368K(251392K), [Metaspace: 2905K->2905K(1056768K)], 0.0036679 secs] [Times: user=0.01 sys=0.00, real=0.00 secs]

可以看到，觸發FullGC前，進行了一次新生代GC。因此，這里的Sytem.gc()實際上觸發了兩次GC，這樣做的目的是先將新生代進行一次回收，避免將所有回收工作同時交給一次Full GC進行，從而盡可能地縮短一次停頓時間。

如果不需要這個特性，可以使用參數-XX:-ScavengeBeforeFullGC去除發生在FullGC之前的那次新生代GC. 使用-XX:+PrintGCDetails -XX:+UseParallelOldGC -XX:-ScavengeBeforeFullGC運行，gc日志如下：

[Full GC (System.gc()) [PSYoungGen: 2621K->0K(76288K)] [ParOldGen: 0K->368K(175104K)] 2621K->368K(251392K), [Metaspace: 2906K->2906K(1056768K)], 0.0032836 secs] [Times: user=0.01 sys=0.00, real=0.00 secs]

可以看到，Full GC 前已經沒有了新生代gc。

4. 對象何時進入老年代

• 初創對象在eden區產生

• 老年對象進行老年代：虛擬機提供一個參數來控制新生代對象的最大年齡：MaxTenuringThreshold，這個值默認是15，即新生代對象最多經歷15次GC，就可以晉升到老年代。實際情況中，對象的實際晉升年齡是根據survivor區的使用情況動態計算得來的，而 MaxTenuringThreshold 只是表示這個年齡的最大值。可以使用參數TargetSurvivorRatio設置survivor的目標使用率，默認為50，即如果survivor區在GC后使用率超過50%，那么就很可能會使用較小的age作為晉升年齡。

• 大對象進入老年代：如果對象很大，新生代無論是eden區還是survivor區都無法容納這個對象，自然這個對象無法存放在新生代。jvm提供了參數PretenureSizeThreshold參數來設置對象直接晉升到老年代的閾值，單位是字節。只要對象大于該指定值，就會直接在老年代分配。這個參數只對串行回收器和ParNew有效，對于ParallelGC無效。默認下該值為0，也就是不指定最大的晉升大小，一切由運行情況決定。

大對象直接進入老年代的示例：

public class Demo04 {
    public static final int _1K = 1024;
    public static void main(String[] args) {
        Map<Integer, byte[]> map = new HashMap<>();
        for(int i = 0; i < 5 * _1K; i++) {
            byte[] b = new byte[_1K];
            map.put(i, b);
        }
    }
}

使用-Xmx32m -Xms32m -XX:+UseSerialGC -XX:+PrintGCDetails -XX:PretenureSizeThreshold=1000 -XX:-UseTLAB參數運行，結果如下：

Heap
 def new generation   total 9792K, used 963K [0x00000007be000000, 0x00000007beaa0000, 0x00000007beaa0000)
  eden space 8704K,  11% used [0x00000007be000000, 0x00000007be0f0f88, 0x00000007be880000)
  from space 1088K,   0% used [0x00000007be880000, 0x00000007be880000, 0x00000007be990000)
  to   space 1088K,   0% used [0x00000007be990000, 0x00000007be990000, 0x00000007beaa0000)
 tenured generation   total 21888K, used 5953K [0x00000007beaa0000, 0x00000007c0000000, 0x00000007c0000000)
   the space 21888K,  27% used [0x00000007beaa0000, 0x00000007bf070408, 0x00000007bf070600, 0x00000007c0000000)
 Metaspace       used 3054K, capacity 4496K, committed 4864K, reserved 1056768K
  class space    used 333K, capacity 388K, committed 512K, reserved 1048576K

可以看到，無任何gc日志輸出，最終使用的空間中，老年代使用了大約5m空間。

5. 在TLAB上分配對象

TLAB 全稱是Thread Local Allocation Buffer，即線程本地分配緩存。從名字上看，TLAB是一個線程專用的內存分配區域。由于對象一般分配在堆上，而堆是全局共享的，在同一時間內，可能有多個線程在堆上申請空間。因此，每一次對象分配都必須進行同步，而在競爭激烈的場合分配的效率又會進一步下降。考慮到對象分配幾乎是java最常用的操作，因此java虛擬機就使用了TLAB這種線程專屬的區域來避免多線程沖突，提高對象分配的效率。TLAB本身占用了eden區空間，在TLAB啟用的情況下，虛擬機會為每一個java線程分配一塊TLAB區域。

默認情況下，TLAB的大小是會在運行時不斷調整的，使系統的運行狀態達到最優。如果想禁用自動調整TLAB的大小，可以使用-XX:ResizeTLAB禁用ResizeTLAB并使用-XX:TLABSize手工指定TLAB的大小。

示例：啟用TLAB與關閉TLAB時的性能差異

public class Demo05 {
    public static void alloc() {
        byte[] b = new byte[2];
        b[0] = 1;
    }

    public static void main(String[] args) {
        long b = System.currentTimeMillis();
        for(int i = 0; i < 1000_0000; i++) {
            alloc();
        }
        long e = System.currentTimeMillis();
        System.out.println(e - b);
    }
}

• 使用參數-XX:+UseTLAB -Xcomp -XX:-BackgroundCompilation -XX:-DoEscapeAnalysis -server運行，結果為71；

• 使用參數-XX:-UseTLAB -Xcomp -XX:-BackgroundCompilation -XX:-DoEscapeAnalysis -server運行，結果為135;

從結果來看，TLAB是否啟用對于對象分配的影響還是很大的。

對象的分配流程：

• 如果開啟了棧上分配，系統就會先進行棧上分配；

• 沒有開啟棧上分配或者不符合條件則會進行TLAB分配；

• 如果TLAB分配不成功，再嘗試在堆上分配；

• 如果滿足了直接進入老年代的條件，就在老年代分配；

• 否則就在eden區分配，當然，如有必要，可能會進行一次新生代GC.

6. finalize() 函數對垃圾回收的影響

java中提供了一個類似于C++析構函數的機制——finalize()函數，該函數允許在子類中被重載，用于在對象被回收時進行資源釋放。目前普遍的認識是盡量不要使用finalize()函數進行資源釋放，原因主要有以下幾點：

• 在finalize()函數時，可能會導致對象復活；

• finalize()函數的執行時間是沒有保障的，它完全由GC線程決定，在極端情況下，若不發生GC，finalize()將沒有機會執行；

• 一個糟糕的finalize()函數會嚴重影響GC性能。

雖然不推薦使用finalize()函數，但是在某些場合，使用finalize()函數可以起到雙保險的作用。比如，在mysql的jdbc驅動中，com.mysql.jdbc.ConnectionImpl就實現了finalize()函數，實現代碼如下：

protected void finalize() throws Throwable {
    this.cleanup((Throwable)null);
    super.finalize();
}

也就是，當一個jdbc connection被回收時，需要進行連接的關閉，即這里的cleanup()方法。事實上，在回收前，開發人員如果正常調用了Connection.close()方法，連接就會被顯式關閉，那樣的話，在cleanup()方法中將什么也不做。而如果開發人員忘記顯式關閉連接，而Connection對象又被回收了，則會隱式地進行連接的關閉，確保沒有數據庫連接泄露。此時，finalize()函數可能會被作為一種補償措施，在正常方法出現意外時進行補償，盡可能確保系統穩定。當然，由于其調用時間的不確定性，這不能單獨作為可靠的資源回收手段。

關于java垃圾收集器中內存分配和回收的一些細節是怎樣的就分享到這里了，希望以上內容可以對大家有一定的幫助，可以學到更多知識。如果覺得文章不錯，可以把它分享出去讓更多的人看到。