[Understanding Java Garbage Collection]理解Java垃圾收集(一)

Understanding Java Garbage Collection

理解Java垃圾收集

原文链接：http://www.cubrid.org/blog/dev-platform/understanding-java-garbage-collection/

了解Java中GC的工作机制有什么好处？除了满足软件工程师的求知欲之外，了解GC工作机制还能帮助你写出更好的Java程序。

这是我自己非常个人和主观的看法，但是我相信一个精通GC的人可以成为更好的Java开发者。如果你对GC流程感兴趣，这意味着你在开发特定大小应用程序方面有经验。如果你仔细思考过选择正确的GC算法，这意味着你完全了解你开发的应用程序的特点。当然，这不是成为好开发者的通用标准。但是，当我说理解GC是成为伟大Java开发者所必需的时候，没有人会反对。

这是“成为Java GC专家”系列文章的第一篇。这次我将涵盖GC的介绍，下次我会讨论分析GC的状态和NHN公司的GC优化示例。

这篇文章的目的是以一种轻松的方式把GC介绍给你。我希望这篇文章会有帮助。事实上，我的同事已经发表了一些关于Java Internals的文章，它们再推特上很受欢迎。你也可以参考一下。

回到GC上来，你在学习GC之前，应该知道一个术语。这个术语是”stop-the-world“。无论你选择哪种GC算法，stop-the-world都会出现。stop-the-world意思是，JVM要停止应用程序来运行GC。当stop-the-world出现时，除了GC线程，其他所有的线程都会停止它们的任务。这些中断的任务将在GC任务完成之后继续运行。GC优化经常意味着减少stop-the-world的时间。

分代垃圾收集

Java在程序代码中并不显示分配内存和回收内存。有些人会设置引用的对象为null，然后使用System.gc()方法来显示回收内存。设置对象为null不是一个大问题，但是调用System.gc()方法会严重影响系统的性能，最好不要这么做。（幸好我还没有见到过NHN的哪个开发者调用过这个方法）。

在Java中，既然开发者不显示分配或回收内存，垃圾收集器发现不需要的（垃圾）对象时就会回收它们。垃圾收集器基于下面两个假设创建。（称它们为前提假设或者先决条件而非假设更合适。）

大多数对象将不可达。

从老对象指向新生对象的引用很少。

这些假设叫做weak generational hypothesis。因此，为了确保假设强化，在HotSpot VM中物理的分为新生代和老年代。

新生代：大多数新创建的对象被分配到此。因为大多数对象将不可达，许多对象在新生代区被创建，然后消失。当对象从这个区域回收时，我们称“minor GC”发生了。

老年代：不可达的对象以及从新生代区存活下来的对象将被拷贝到此。这个区域比新生代区一般要大。因为更大，所以在这里比在新生代区更少发生GC。当对象从老年代消失时，我们称“major GC”（或者“full GC”）发生了。

我们通过图来看一下。



图1 GC区域和数据流

上图中的永久代叫做“方法区”，他存储着类和字符串常量。所以这里不是从老年代存活下来的对象保持持久的地方。这里也可能发生GC。GC发生的GC也叫major GC。

有人可能存在疑问：

如果一个老年代的对象需要引用一个新生代的对象会怎么样？

为了解决这个问题，在老年代区有一个叫做“card table”的东西，它是一个512字节的块。当一个老年代的对象引用新生代的对象时，就会被记录到此。当新生代执行GC时，只有这个搜索这个card table来确定是否回收，而不用检查老年代所有对象的引用。这个card table由write barrier管理。write barrier是提高minor GC性能的一种方式。尽管这会带来一定的开销，但是整个GC的时间减少了。



图2 Card Table结构

新生代的组成

为了理解GC，我们来看一下新生代，对象最先被创建在这里。新生代可以分为3个区域。

一个Eden区域

两个Survivor区域

总共有3块区域，其中两个是Survivor区域。每个区域的执行流程如下：

新创建的大部分对象都被分配在Eden区域。

Eden区域执行一次GC之后，存活的对象会被移动到Survivor区域的一个中。

Eden区域执行一次GC之后，对象被堆积到Survivor区域，无论其他存活对象是否已经存在。

一旦Survivor区域满了，存活的对象会被移动到另一个Survivor区域。然后，满的Survivor区域会变成没有数据的状态。

重复多次这些操作之后存活的对象会被移动到老年代区。

通过检查这些步骤，你可以看到，其中一个Survivor区域必须保持空的。如果两Survivor区域都有数据，或者使用率都是0，那么很遗憾你的系统一定出了什么问题。

数据通过minor GC转移到老年代的过程如下图所示：



图3 GC前后

注意在HotSpot VM中，使用了两种可以更快分配内存的技术。一个叫做“bump-the-pointer”，另一个叫做“TLABs (Thread-Local Allocation Buffers)”。

Bump-the-pointer技术跟踪最后分配到Eden区域的对象。这个对象存在Eden区域的顶部。如果之后又有对象被创建，它会检查对象的大小是否适合Eden区域。如果看起来合适，就会被放到Eden区域，然后对象放到顶部。因此，当新对象被创建时，只有最后添加的对象需要被检查，这就会有更快的内存分配。但是，如果考虑多线程环境，这就不一样了。为了在Eden区域为线程安全保存多个线程的对象，必须要加锁，从而导致因锁竞争而引起性能的下降。TLABs是HotSpot中解决这个问题的方法。它要求每个线程都有在Eden区域都有一块独享的空间。因为每个线程只能访问自己的TLAB，就算是bump-the-pointer技术也允许不加锁的内存分配。

以上是GC在新生代的简介。你不需要记住我刚提到的那两个技术。也不需要刻意去记住它们。但是要记住对象最开始在Eden区域创建，长时间存活的对象通过Survivor区域移动到老年代。