JVM各個收集器介紹

JVM介紹

收集器

常見收集器如:Serial收集器、Serial Old收集器、ParNew收集器、Parallel Scavenge收集器、Parallel Old收集器、CMS收集器、G1收集器

Serial收集器

Serial收集器是最基本的,發展歷史最悠久的收集器。在JDK1.3之前是虛擬機新生代收集的唯一選擇。是一種單線程收集器,只會使用一個CPU或者一條收集線程去完成垃圾收集工作,在進行垃圾收集的時候需要暫停其他線程

  • 優點:簡單高效,很高的單線程收集效率
  • 缺點:收集過程需要暫停所有線程
  • 算法:復制算法
  • 使用范圍:新生代
  • 應用:client模式下的默認新生代收集器
Serial Old收集器

Serial Old收集器是Serial收集器的老年代版本,是一個單線程收集器,不同的采用標記-整理算法,運行過程和Serial收集器一樣。

ParNew

可以理解為Serial收集器的多線程版本

  • 優點:在多CPU時,比Serial效率高
  • 缺點:收集過程暫停所有應用程序線程,單CPU時比Serial效率差
  • 算法:復制算法
  • 使用范圍:新生代
  • 應用:運行在server模式下的虛擬機中首選的新生代收集器

Parallel Scavenge

Parallel Scavenge收集器是一個新生代收集器。使用復制算法,并行的多線程收集器。與ParNew不同的是更關注系統的吞吐量
吞吐量=運行用戶代碼的時間/(運行用戶代碼時間+垃圾收集時間)
如虛擬機總共運行了100分鐘,垃圾收集用了1分鐘吞吐量=(100-1)/100=99%
若吞吐量越大,意味著垃圾收集的時間越短,則用戶代碼可以充分利用CPU資源,盡快完成程序的運算任務。
-XX:MaxGCPauseMillis控制最大的垃圾收集停頓時間
-XX:GCRatio直接設置吞吐量的大小

Parallel Old

Parallel Old收集器是Parallel Scavenge收集器的老年代版本,使用多線程標記-整理算法進行垃圾回收,更加關注系統的吞吐量

CMS收集器

Concurrent Mark Sweep收集器是一種以獲取最短回收停頓時間為目標的收集器。CMS采用 標記-清理 的算法,標記出垃圾對象,清除垃圾對象。算法是基于老年代執行的,因為新生代產生無法接受該算法產生的碎片垃圾。可以配合新生代的Serial和ParNew收集器一起使用

  • 優點:并發收集,低停頓
  • 不足:無法處理浮動垃圾,并發收集會造成內存碎片過多; CPU資源非常敏感,在并發階段雖然不會導致用戶線程停頓,但是會因為占用了一部分CPU資源,如果在CPU資源不足的情況下應用會有明顯的卡頓。

采用的是標記-清除算法整個過程分為4步:

  • 初始標記階段:會讓線程全部停止,也就是 Stop the World 狀態
  • 并發標記階段:對所有的對象進行追蹤,這個階段最耗費時。但這個階段是和系統并發運行的,所以不會對系統運行造成影響
  • 重新標記階段:由于第二階段是并發執行的,一邊標記垃圾對象,一邊創建新對象,老對象會變成垃圾對象。 所以第三階段也會進入 Stop the World 狀態,并且重新標記,標記的是第二階段中變動過的少數對象,所以運行速度很快
  • 并發清理階段: 這個階段也是會耗費很多時間,但由于是并發運行的,所以對系統不會造成很大的影響。

G1收集器

G1收集器收集范圍是老年代和新生代。不需要結合其他收集器使用。
G1(Garbage-Frist) JDK8推薦使用的 比CMS的停頓時間短。優先回收垃圾價值高的區域,某種程度上解決空間碎片的問題。

  • 初始標記(Initial Marking):僅僅只是標記一下GC Roots能直接關聯到的對象,并且修改TAMS指針的值,讓下一階段用戶線程并發運行時,能正確地在可用的Region中分配新對象。這個階段需要停頓線程,但耗時很短,而且是借用進行Minor GC的時候同步完成的,所以G1收集器在這個階段實際并沒有額外的停頓。
  • 并發標記( Concurrent Marking):從GC Root開始對堆中對象進行可達性分析,遞歸掃描整個堆里的對象圖,找出要回收的對象,這階段耗時較長,但可與用戶程序并發執行。當對象圖掃
    描完成以后,并發時有引用變動的對象會產生漏標問題,G1中會使用SATB(snapshot-at-the-beginning)算法來解決,后面會詳細介紹。
  • 最終標記(Final Marking):對用戶線程做一個短暫的暫停,用于處理并發標記階段仍遺留下來的最后那少量的SATB記錄(漏標對象)。 多個線程同時標記
  • 篩選回收(Live Data Counting and Evacuation):負責更新Region的統計數據,對各個Region的回收價值和成本進行排序,根據用戶所期望的停頓時間來制定回收計劃,可以自由選擇任意多個Region構成回收集,然后把決定回收的那一部分Region的存活對象復制到空的Region中,再清理掉整個舊Region的全部空間。這里的操作涉及存活對象的移動,是必須暫停用戶線程,由多個收集器線程并行完成的。

什么情況下應該考慮使用G1

參考官方文檔:

  • 實時數據占用超過一半的堆空間
  • 對象分配或者晉升的速度變化大
  • 希望消除長時間的GC停頓(超過0.5-1秒)

G1設置參數

控制G1回收垃圾的時間
-XX:MaxGCPauseMillis=200 (默認200ms)

來源:
JVM垃圾收集器知識 (baidu.com)
CMS收集器和G1收集器的區別g1和cms的區別技術無產者的博客-CSDN博客

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 228,983評論 6 537
  • 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 98,772評論 3 422
  • 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 176,947評論 0 381
  • 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 63,201評論 1 315
  • 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 71,960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 55,350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 43,406評論 3 444
  • 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 42,549評論 0 289
  • 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 49,104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 40,914評論 3 356
  • 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 43,089評論 1 371
  • 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 38,647評論 5 362
  • 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 44,340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 34,753評論 0 28
  • 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 36,007評論 1 289
  • 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 51,834評論 3 395
  • 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 48,106評論 2 375

推薦閱讀更多精彩內容