讀書筆記:第三章 垃圾收集與內存分配策略

內存分配與回收策略

本次讀書筆記主要研究新生代Minor GC在幾種垃圾收集器中的運行。第一次看Java相關的書,第一次在網上寫讀書筆記,給自己記錄一下( ?? ω ?? )y。大部分都是書上的原話,總結加自己實現對比一下而已。

public class MinorGC {
    private static final int _1MB = 1024*1024;
    /**
     * VM參數: -verbose:gc -Xms20M -Xmx20M -Xmn10M
     *         -XX:+PrintGCDetails -XX:SurvivorRatio=8
     */  
    public static void main(String[] args) {
        byte[] allocation1, allocation2, allocation3, allocation4;
        allocation1 = new byte[2 * _1MB];
        allocation2 = new byte[2 * _1MB];
        allocation3 = new byte[2 * _1MB];
        allocation4 = new byte[4 * _1MB];
    }
}       

Serial收集器

該收集器是一個單線程收集器,垃圾收集時必須暫停其他所有工作線程——Stop The World。
優點:無線程交互開銷,簡單高效。
缺點:暫停響應。
書上運行上述代碼的結果是:
GC前,allocation1-3分配到新生代Eden區,占用6M,剩余的2MEden空間不夠分配allocation4,產生Minor GC。
GC時,3個2M的對象allocation1-3不能放入1M的Survivor空間,于是轉移到老年代。
GC后,allocation4順利分配到Eden區。

在本地運行以上代碼,java -version為:

openjdk version "1.7.0-internal"
OpenJDK Runtime Environment (build 1.7.0-internal-  root_2016_09_18_14_57-  b00)
OpenJDK 64-Bit Server VM (build 24.0-b56, mixed mode)

結果與書上相似:

openjdk1.7.0-internal Minor GC

用java -version為以下配置運行:

java version "1.7.0_111"
OpenJDK Runtime Environment (rhel-2.6.7.2.el7_2-x86_64 u111-b01)
OpenJDK 64-Bit Server VM (build 24.111-b01, mixed mode)

運行結果與上述一致。

Parallel Scavenge收集器

該收集器是一個新生代收集器,使用復制算法,并行多線程,吞吐量優先。

吞吐量 = 運行用戶代碼時間 / (運行用戶代碼時間 + 垃圾收集時間)

參數:

  1. -XX:MaxGCPauseMills 控制最大垃圾收集停頓時間
  2. -XX:GCTimeRatio 直接設置吞吐量大小
    調小新生代大小 —> 垃圾收集頻繁 —> 縮短最大GC停頓時間 —> 增大了總的垃圾收集時間(收集次數*每次停頓時間)—> 降低吞吐量

當使用用java -version為1.7.0_79,且參數設置與上述一致時,運行結果為:

jdk1.7.0_79 Minor GC

發現不發生Minor GC,并且新生代/老年代/永久代的名字變為PSYoungGen/ParOldGen/PSPermGen,認為是默認使用Parallel Scavenge收集器。
由于該收集器優先考慮吞吐量,有GC自適應調節策略來根據當前系統的運行情況動態調整新生代大小/Eden與Survivor區的比例/晉升老年代對象年齡等細節參數,通過-XX: +UseAdaptiveSizePolicy打開和關閉以上策略。
當沒有打開這個參數時,結果如上圖所示,allocation1-3占了新生代空間的91%,剩下的空間不足以放下4M的allocation4。
猜想:由于吞吐量優先,此時并不發生Minor GC,而是直接將allocation4放入老年代,減小吞吐量。

當打開這個參數之后,修改VM參數如下:

-verbose:gc -XX:+PrintGCDetails -XX:+UseAdaptiveSizePolicy -Xms20M -Xmx20M

運行后的結果為:


打開GC自適應調節策略

疑問1:GC后一個Survivor區使用了98%的空間,504K是放什么的?
疑問2:GC后老年代只放了4176K數據,allocation4去哪里了?

G1收集器

運作步驟:初始標記(標記GC Roots能直接關聯到的對象,停頓線程,耗時短) —> 并發標記(可達性分析,與用戶程序并發,耗時長) —> 最終標記(修正變動,停頓線程,可并行) —> 篩選回收(制定回收計劃,停頓線程)
分代收集:沒有永久代(待完善);
空間整合:整體:標記—整理,局部(Region間):復制;
可預測停頓。
大小相等的獨立區域Region集合組成新生代和老年代,期間無物理隔離。優先回收價值最大的Region,提高收集效率。
使用如下參數:
-verbose:gc -XX:+UseG1GC -XX:+PrintHeapAtGC -Xms20M -Xmx20M

則運行結果為:

G1收集器運行結果

今天先寫到這里。做實驗室的工作去了(。^▽^)
。。晚上要看《齊木楠雄的災難》。

參考:

  1. 《深入理解Java虛擬機:JVM高級特性與最佳實踐》 周志明
  2. 《G1 垃圾收集器入門 》http://blog.csdn.net/zhanggang807/article/details/45956325
最后編輯于
?著作權歸作者所有,轉載或內容合作請聯系作者
平臺聲明:文章內容(如有圖片或視頻亦包括在內)由作者上傳并發布,文章內容僅代表作者本人觀點,簡書系信息發布平臺,僅提供信息存儲服務。
  • 序言:七十年代末,一起剝皮案震驚了整個濱河市,隨后出現的幾起案子,更是在濱河造成了極大的恐慌,老刑警劉巖,帶你破解...
    沈念sama閱讀 228,505評論 6 533
  • 序言:濱河連續發生了三起死亡事件,死亡現場離奇詭異,居然都是意外死亡,警方通過查閱死者的電腦和手機,發現死者居然都...
    沈念sama閱讀 98,556評論 3 418
  • 文/潘曉璐 我一進店門,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人,你說我怎么就攤上這事。” “怎么了?”我有些...
    開封第一講書人閱讀 176,463評論 0 376
  • 文/不壞的土叔 我叫張陵,是天一觀的道長。 經常有香客問我,道長,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 63,009評論 1 312
  • 正文 為了忘掉前任,我火速辦了婚禮,結果婚禮上,老公的妹妹穿的比我還像新娘。我一直安慰自己,他們只是感情好,可當我...
    茶點故事閱讀 71,778評論 6 410
  • 文/花漫 我一把揭開白布。 她就那樣靜靜地躺著,像睡著了一般。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發上,一...
    開封第一講書人閱讀 55,218評論 1 324
  • 那天,我揣著相機與錄音,去河邊找鬼。 笑死,一個胖子當著我的面吹牛,可吹牛的內容都是我干的。 我是一名探鬼主播,決...
    沈念sama閱讀 43,281評論 3 441
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼!你這毒婦竟也來了?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 42,436評論 0 288
  • 序言:老撾萬榮一對情侶失蹤,失蹤者是張志新(化名)和其女友劉穎,沒想到半個月后,有當地人在樹林里發現了一具尸體,經...
    沈念sama閱讀 48,969評論 1 335
  • 正文 獨居荒郊野嶺守林人離奇死亡,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 40,795評論 3 354
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發現自己被綠了。 大學時的朋友給我發了我未婚夫和他白月光在一起吃飯的照片。...
    茶點故事閱讀 42,993評論 1 369
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖,靈堂內的尸體忽然破棺而出,到底是詐尸還是另有隱情,我是刑警寧澤,帶...
    沈念sama閱讀 38,537評論 5 359
  • 正文 年R本政府宣布,位于F島的核電站,受9級特大地震影響,放射性物質發生泄漏。R本人自食惡果不足惜,卻給世界環境...
    茶點故事閱讀 44,229評論 3 347
  • 文/蒙蒙 一、第九天 我趴在偏房一處隱蔽的房頂上張望。 院中可真熱鬧,春花似錦、人聲如沸。這莊子的主人今日做“春日...
    開封第一講書人閱讀 34,659評論 0 26
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至,卻和暖如春,著一層夾襖步出監牢的瞬間,已是汗流浹背。 一陣腳步聲響...
    開封第一講書人閱讀 35,917評論 1 286
  • 我被黑心中介騙來泰國打工, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人。 一個月前我還...
    沈念sama閱讀 51,687評論 3 392
  • 正文 我出身青樓,卻偏偏與公主長得像,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子,可洞房花燭夜當晚...
    茶點故事閱讀 47,990評論 2 374

推薦閱讀更多精彩內容