垃圾回收器與記憶體分配策略

1.1 起源

Lisp是第一門開始使用記憶體動態分配和垃圾收集技術的語言

作者John McCarthy思考過垃圾收集需要完成的哪三件事？

• 哪些記憶體需要回收？
• 什么時候回收？
• 如何回收？

程式計數器、虛擬機堆疊、本地方法區隨執行緒而生，隨執行緒而滅，堆疊中的堆疊幀隨著方法的進入和退出，有條不紊的執行著出堆疊和進堆疊的操作，這幾個記憶體分配具有確定性，不需要考慮記憶體回收的問題

堆和方法區這兩個區域則由很多的不確定性：一個介面的多個實作類記憶體需要可能不一樣…

只有處于運行期間，我們才能知道程式創建哪些物件，創建多少個物件，這部分記憶體的分配和回收是動態的，垃圾收集器關注的正是這部分記憶體該如何存盤

1.2 物件已死？

在堆中存放Java的所有物件實體，垃圾收集器在對堆進行回收前，第一件事就是要確定哪些物件是死的，哪些物件是存活的，

1.2.1 參考計數演算法

判斷物件是否存活的條件：在物件中添加一個參考計數器，每當有一個地方參考時，參考計數器+1，當參考失效時，參考計數器-1，任何時刻參考計數為零的物件就是不可能再被使用的

在其他語言中，有的使用了參考計數演算法，但在Java中，我們就沒有使用該演算法，原因是：這個看似簡單的演算法，必須要配合大量的處理才能合理的運行，比如：物件之間的回圈參考，基本無法解決

public class YinYong {
	public Object instance = null;
	public static void main(String[] args) {
		YinYong test1 = new YinYong();
		YinYong test2 = new YinYong();
		test1.instance = test2;
		test2.instance = test1;
		test1 = null;
		test2 = null;
		System.gc();
	}
}

關于上面這個回圈參考的演算法，《深入理解Java虛擬機》并沒有介紹特別清楚，這里詳細介紹一下

執行緒私有區

• 程式計數器：記錄正在執行的虛擬機位元組碼的地址
• 虛擬機堆疊：方法執行的記憶體區，每個方法執行時都會在虛擬機堆疊中創建堆疊幀
• 本地方法堆疊：虛擬機的Native方法執行的記憶體區

執行緒共享區

• Java堆：物件分配的區域，這是垃圾回收的主要區域
• 方法區：存放著類資訊、常量、靜態變數等資料、常量池

1.2.2 可達性演算法

演算法思路：通過一系列成為"GC Roots"的根物件作為起始節點集，從這些節點開始，根據參考關系向下搜索，搜索程序中的路徑被稱為"參考鏈"，如果某個物件到GC Roots之間沒有參考鏈連接的話或者圖論也就是不可達，那么這個物件就可以被回收了

GC Root的物件：

• 虛擬機堆疊中參考的物件

• 方法區中類靜態屬性參考的物件

• 常量池中參考的物件

• 本地方法堆疊JNI，也就是Native參考的物件

1.2.3 四大參考

無論是參考計數法還是可達性分析，都離不開參考這個詞，在Java中參考主要有強參考、軟參考、弱參考、虛參考，

• 強參考—不回收、 StrongReference

  ? 對于強參考來說，是我們經常使用的大部分都是強參考，如果一個物件具有強參考，那就類似于必不可少的生活用品，垃圾回收器不會回收它，當我們的空間不足時，JVM寧愿拋出OutOfMemoryError也就是記憶體溢位，讓程式終止，也不會靠隨意的回收具有強參考的物件來解決記憶體不足的問題

  StringBuffer buffer = new StringBuffer();
  StringBuffer buffer1 = buffer;
  

  對于一個普通的物件，如果沒有其他參考的關系，只要超過了參考的作用域或者將強參考賦值為null，就是可以當做垃圾被收集了

• 軟參考—有用但非需、記憶體不足既回收、 SoftReference

  1. 記憶體足夠時，不會回收軟參考的可達物件

  2. 當記憶體不夠時，就會進行回收可達物件，如果回收完之后，記憶體還不夠，就會報OOM

   user u1 = new user( 1,"songhk");
   softReference<User> userSoftRef = new SoftReference<User>(u1);
   ul = null;
  

  軟參考通常實作快取，比如：圖片快取和網頁快取用到軟參考

  如果還有空間，就可以暫時保留快取，當記憶體不足時清理掉，這樣就保證了使用快取的同 時，不會耗盡記憶體

• 弱參考----發現既回收、WeakReference

  弱參考也是用來描述那些非必需物件，只被弱參考關聯的物件只能生存到下一次垃圾收集發生為止，在系統GC時，只要發現弱參考，不管系統堆空間使用是否充足，都會回收掉只被弱參考關聯的物件，

  例子：存盤可有可無的資料：

  WeakHashMap：記憶體不足時就會被回收，內部的Entry繼承類WeakReference

• 虛參考——物件回收跟蹤、Phantom Reference

  一個物件是否有虛參考的存在，完全不會決定物件的生命周期，如果一個物件僅有虛參考，那么它和沒有參考幾乎是一樣的，隨時都可能被垃圾回收器回收

  它不能單獨使用，必須和參考佇列（ ReferenceQueue ），當垃圾回收器準備回收物件時，如果發現他還有虛參考，就會在回收物件的回收之前，把這個虛參考加入到參考佇列中，從而可以查看當前JVM垃圾回收的情況

1.2.4 finalize()方法

如果一個物件經過我們可達性演算法的計算，判定為不可達的物件，并不是直接將其進行殺死 ，而是進入到一個緩刑的階段

真正宣告一個物件是否死亡要經歷兩次標記程序：

• 如果物件在進行可達性分析后，發現物件不可達，則將會進行第一次標記，隨后進行一次篩選，條件為：是否有必要執行finalize方法，如果物件沒有重寫finalize方法或者finalize已經被呼叫一次，JVM判定沒有必要執行，直接進行回收
• 如果JVM判定有必要執行finalize的話，會將其放在一個F-Quene的佇列中，并執行物件的finalize方法，同樣JVM對佇列中的物件進行標記，如果這時候物件的finalize方法中，將自己與參考鏈上的任何一個物件建立了聯系，那樣，JVM就會在第二次標記的時候將它移出“即將回收”的集合

建議：因為finalize方法的出現具有一定的戲劇色彩，為了使C、C++的程式猿更容易接受而做出的妥協

1.2.5 回收方法區

方法區主要回收兩部分內容：廢棄的常量和不再使用的型別

而對于一個型別是否被回收就比較困難，需要滿足三個條件：

• 所有的實體都被回收，也就是堆中不存在該類和派生子類
• 加載該類的加載器也被回收（基本不可能達成）
• 該類在java.lang.Class物件沒有在任何地方參考

1.3 垃圾回收演算法

垃圾收集演算法可以劃分為”參考計數式垃圾收集“和”追蹤式垃圾收集“

1.3.1 分代收集理論

兩個假說：

• 弱分代假說：絕大多數的物件都是朝生夕滅的
• 強分代假說：熬過越多次垃圾收集程序的物件就越難以消亡

設計原則：收集器應該將Java堆劃分不同的區域，然后將回收物件依據其年齡分配到不同的區域進行存盤

設計者將堆分為新生代和老年代兩個區域，本來這種想法挺好的，但是出現了一個問題，也就是物件之間會存在跨代參考

我們要對新生代的物件進行垃圾的收集，但某個物件參考了老年代中的資料，不得不再去遍歷老年代中的物件來確保可達性分析結果的準確性

所以，為這個理論增添了第三條經驗法則：

• 跨代參考假說：跨代參考相對于同代參考來說，僅占少數

基于這條假說，我們對于那些隔代參考的物件，不再去單獨的掃描他們，而是將他們放在一個新生代記憶集的資料結構中

部分收集—Partial GC

• 新生代收集：目標是新生代的
• 老年代收集：目標是老年代的 CMS收集器
• 混合收集：目標整個新生代和部分老年代 G1收集器

整堆收集----Full GC：收集整個Java堆和方法區的垃圾收集

1.3.2 標記-清除演算法

這是最早出現的垃圾清除演算法

演算法分為兩個階段：先對要回收的物件進行標記，然后再進行回收

缺點：

• 執行效率不穩定：堆中有大量物件，會進行大量的標記和清除
• 內部的碎片化問題：標記和清除之后會產生大量的不連續的記憶體碎片

1.3.3 標記-復制演算法

半區復制的垃圾收集演算法

將可用記憶體按容量劃分為大小相等的兩塊，每次使用其中的一塊，當這一塊的記憶體用完了，就將還存活著的物件復制到另一塊上面，然后再把使用過的記憶體空間一次性清理掉，

在1989年，提出了一種更加優化的半區復制演算法，將新生代分成了一塊較大的伊甸園區和兩塊較小的幸存區

每次分配記憶體只使用伊甸園和一塊幸存區，發生垃圾收集時，將伊甸園和幸存區存活的物件一次性復制到另外一個幸存區，然后直接清理掉伊甸園和已用過的幸存區，

在新生代中的物件存活比較少，所以可以一次性復制到幸存區，但是如果萬一超過了記憶體，怎么辦？

需要依賴其他記憶體區域，也就是老年代進行記憶體分配擔保

優點：不會產生記憶體碎片

缺點：記憶體間賦值開銷 只有一半空間可用 空間浪費太多

1.3.4 標記-整理演算法

標記程序仍然使用標記-清除，后序步驟將所有存活的物件都向記憶體空間一端移動，然后清理掉邊界以外的記憶體

缺點：在每次移動的程序中，尤其是對老年代這種存活物件多的區域，會導致效率的降低

優點：沒有了記憶體碎片的產生