说一下jvm 有哪些垃圾回收算法？

jvm垃圾回收算法主要有标记-清除、复制和标记-整理三种，分别适用于不同内存区域。标记-清除易产生碎片，复制算法以空间换时间，适合新生代，标记-整理则解决碎片问题，适合老年代。jvm结合多种算法，基于对象生命周期差异实现分代回收，提升性能。现代gc器如g1、zgc、shenandoah通过区域化管理、并发处理和读屏障等技术，在大堆场景下实现低延迟与高吞吐的平衡。选择合适的gc器需根据应用类型、堆大小、对象分配速率和硬件资源综合考量，并通过日志分析与调优持续优化。

JVM的垃圾回收算法主要有三种基本类型：标记-清除（Mark-Sweep）、复制（Copying）和标记-整理（Mark-Compact）。它们各自有其优缺点，并且在实际的JVM实现中，往往会结合使用，以适应不同的内存区域和回收需求。

解决方案

要说JVM的垃圾回收，首先得明白它核心的那几个套路。在我看来，所有复杂的GC器，骨子里都离不开这三种基本算法的影子，只是它们被包装得更精巧，或者说，有了更高级的优化策略。

标记-清除（Mark-Sweep）算法 这是最基础的一种，理解起来也直观。它分两步走：

1. 标记（Mark）：从根对象（GC Roots）开始，遍历所有可达的对象，把它们标记出来。这些被标记的对象就是“活”的，不能被回收。
2. 清除（Sweep）：遍历整个堆，把所有没有被标记的对象（也就是不可达的“死”对象）清除掉。 这种算法有个明显的优点，它不需要移动对象，所以效率相对高，而且不会占用额外的空间。但缺点也挺突出：它会产生大量的内存碎片。想想看，一块大内存被回收后，可能会留下很多小块的“坑”，如果后续需要分配一个大对象，即使总内存是够的，也可能因为没有连续的足够空间而触发另一次GC，甚至导致OOM。这就像你的硬盘，删了很多文件，但碎片化严重，找个大文件都费劲。

复制（Copying）算法 这个算法的思路就完全不同了，它更像是一种“以空间换时间”的策略，特别适合那些生命周期短的对象。它将可用内存分成大小相等的两块，每次只使用其中一块。当这块内存用完了，就将还“活着”的对象复制到另一块空闲的内存上，然后把当前使用的这块内存全部清理掉。

1. 复制（Copy）：将当前已用空间中的存活对象，全部复制到另一块未使用的空间。
2. 清空（Empty）：将当前已用空间直接清空。 它的优点是显而易见的：不会产生内存碎片，而且复制过程中，只要移动堆顶指针就能分配内存，效率很高。但它的缺点也很明显：内存利用率只有50%，因为你总要留一块备用空间。这在寸土寸金的生产环境里，有时候是不能接受的。所以，它通常只用于新生代（Young Generation），因为新生代的对象大部分都是朝生夕死的，存活率很低，复制的成本相对可控。

标记-整理（Mark-Compact）算法 标记-整理是标记-清除的升级版，它在标记之后，并没有直接清除，而是多了一步“整理”。

1. 标记（Mark）：同样，从GC Roots开始，标记出所有存活的对象。
2. 整理（Compact）：将所有存活的对象都向一端移动，然后直接清理掉端边界以外的内存。 这种算法解决了标记-清除的内存碎片问题，而且内存利用率高，因为它不需要像复制算法那样预留空间。但它的缺点也很明显：对象移动的成本很高，尤其是在老年代这种对象数量多、存活率高的区域，每次GC都移动大量对象，会造成较长时间的STW（Stop-The-World），也就是应用暂停。这对于那些对响应时间要求高的应用来说，是致命的。

为什么JVM垃圾回收需要多种算法？它们如何协同优化性能？

你可能会问，既然有这么多算法，为什么不选一个最好的用到底？我的理解是，没有“最好”的算法，只有“最合适”的算法。JVM之所以需要多种垃圾回收算法，并让它们协同工作，核心原因在于对象的生命周期差异和性能目标的多样性。

设想一下，你有一个繁忙的办公室，有些文件（对象）刚用完就扔了，有些文件要长期保存。如果用同一种方式处理，效率肯定不高。JVM正是基于这种“分代假设”（Generational Hypothesis）来设计的：绝大多数对象都是朝生夕死的，而少数对象会长期存活。

因此，JVM把堆内存分成了不同的区域，最常见的就是新生代（Young Generation）和老年代（Old Generation）。

• 新生代：这里的对象生命周期短，GC频繁。为了追求高效率和避免碎片，通常会使用复制算法。因为存活对象少，复制成本低，而且能够快速回收大量空间。新生代通常还会细分为一个Eden区和两个Survivor区（From和To），这就是复制算法的具体实现。对象先在Eden区分配，GC时，存活对象被复制到其中一个Survivor区，下次GC再复制到另一个，经过几次GC仍存活的对象才会被晋升到老年代。
• 老年代：这里的对象生命周期长，GC不那么频繁，但每次GC涉及的对象数量多。如果用复制算法，成本太高，而且老年代的内存利用率要求更高。所以，老年代通常会选择标记-整理算法来解决碎片问题，或者使用标记-清除算法（如果对碎片不那么敏感，或者后续有整理的机制）来降低STW时间。当然，现代的GC器，比如CMS、G1，对老年代的回收做了大量优化，试图在吞吐量和延迟之间找到更好的平衡。

这种分代协同的策略，本质上是一种优化：用最适合的算法处理最合适的区域。新生代用复制，追求高吞吐量和低延迟；老年代用标记-整理或更复杂的算法，解决碎片和长期存活对象的回收问题。它们就像是流水线上的不同工位，各司其职，共同完成了垃圾回收这个大任务，以最小的代价维持了应用的持续运行。

现代JVM垃圾回收器：从CMS到ZGC，技术演进与核心特性解析

如果说前面讲的是GC算法的“基本功”，那么现代JVM的垃圾回收器就是这些基本功的集大成者，并且加入了大量创新，旨在解决传统GC器面临的痛点。我们追求的无非是两点：高吞吐量（单位时间内处理更多任务）和低延迟（响应时间快）。但这两者往往是鱼和熊掌，难以兼得。

• CMS（Concurrent Mark Sweep）收集器： CMS是HotSpot JVM中第一个真正意义上的并发收集器，它的目标是降低GC时的停顿时间（latency），特别适用于对响应时间敏感的Web应用。它主要用于老年代。 它的核心思想是：在标记和清除阶段，尽可能地让GC线程和应用线程并发执行，减少STW时间。它有几个关键步骤：初始标记（STW，但很快）、并发标记（与应用并发）、重新标记（STW，修正并发标记期间对象的变化）、并发清除（与应用并发）。 听起来很美，但CMS也有它的问题：

  1. 浮动垃圾（Floating Garbage）：在并发清除阶段，应用还在运行，可能会产生新的垃圾，这部分垃圾只能等到下次GC才能清理，这就是浮动垃圾。
  2. 内存碎片：CMS是基于标记-清除算法的，所以它会产生内存碎片。当碎片过多时，如果需要分配大对象，可能无法找到连续空间，导致提前触发Full GC，而Full GC是STW的。
  3. 对CPU资源敏感：并发执行意味着需要更多的CPU核心来支持GC线程。

• G1（Garbage-First）收集器： G1是Oracle在JDK 7中推出的，旨在取代CMS，成为下一代低延迟、高吞吐量的收集器。它的设计理念非常独特：它将整个Java堆划分为多个大小相等的独立区域（Region）。每个Region都可以独立地作为Eden、Survivor或者Old区。 G1的核心优势在于：

  1. 可预测的停顿时间：G1允许用户指定一个GC停顿的目标时间（例如，不超过200毫秒）。G1会根据这个目标，选择回收价值最高（垃圾最多）的Region进行回收，这就是“Garbage-First”的由来。
  2. 避免内存碎片：G1在回收Region时，采用的是复制和标记-整理算法的混合模式。它会把存活对象从一个或多个Region复制到新的Region中，这本身就带有整理的效果，因此碎片问题得到了很好的缓解。
  3. 分代和非分代并存：G1依然保留了分代的概念，但它的区域划分让它在处理大对象（Humongous Object）时更灵活，可以直接在老年代区域分配。

• ZGC和Shenandoah收集器： 这是JDK 11之后出现的，代表了JVM GC的最新发展方向，它们的目标是将GC停顿时间控制在极低的水平（通常是10毫秒以内，甚至更低），即便是在TB级别的堆内存下也能保持。它们的核心技术突破在于使用了着色指针（Colored Pointers）和读屏障（Read Barriers）。 简单来说，它们通过在指针中编码GC状态信息，并在每次对象访问时插入读屏障来检测并处理并发GC操作，从而实现了几乎完全并发的垃圾回收。这意味着GC的绝大部分工作可以与应用线程并发执行，STW时间极短，几乎可以忽略不计。

  • ZGC：由Oracle开发，目标是极低的延迟。它利用了多重映射（Multi-Mapping）技术，将虚拟内存区域映射到不同的物理内存区域，实现并发移动对象。
  • Shenandoah：由Red Hat开发，也追求极低延迟。它使用转发指针（Forwarding Pointers）来实现并发移动对象。 这些收集器对于超大规模堆内存、对延迟极其敏感的应用（如金融交易系统、实时大数据处理）来说，是革命性的。当然，它们也并非没有代价，例如对CPU和内存带宽的消耗可能会略高，并且在某些特定场景下可能需要更精细的调优。

选择合适的JVM垃圾回收器：针对不同应用场景的决策与调优考量

选择一个合适的垃圾回收器，就像是为你的汽车选择合适的轮胎，得看路况和驾驶习惯。没有万能的答案，只有最适合你应用场景的那个。

DoMore.ai

DoMore.ai 是一个个性化的 AI 工具目录

下载

在做决策时，我通常会考虑以下几个核心因素：

1. 应用类型和性能目标：

   • 吞吐量优先型（Throughput-oriented）：如果你跑的是批处理任务、大数据分析，或者不需要实时响应的后台服务，那么你可能更关心单位时间内能处理多少数据，而不是单次请求的响应时间。这种情况下，可以考虑使用ParallelGC（JDK 8默认）或G1。它们在保证较高吞吐量的同时，也能提供相对可接受的停顿。
   • 延迟优先型（Latency-sensitive）：如果你在做Web服务、API网关、实时交易系统、游戏服务器，或者任何对用户体验响应时间有严格要求的应用，那么GC停顿必须尽可能短。这时候，G1、CMS（虽然有些过时，但特定场景仍有人用）、以及最新的ZGC或Shenandoah就是你的首选。

2. 堆内存大小：

   • 小到中等堆（几百MB到几个GB）：对于这类堆，ParallelGC通常表现不错，因为它实现简单，吞吐量高。G1也可以胜任，并且能提供更好的停顿控制。
   • 大到超大堆（几十GB到TB级别）：当堆内存达到这个量级时，传统的Full GC停顿会变得无法接受。G1是很好的通用选择，因为它能有效地管理大堆。而如果对延迟有极致要求，ZGC和Shenandoah则是几乎唯一的选择，它们能够将GC停顿时间稳定在个位数毫秒，即便堆很大。

3. 对象分配和晋升速率：

   • 如果你的应用频繁创建大量临时对象（高分配速率），并且这些对象很快就死亡，那么新生代的GC会很频繁。这种情况下，确保新生代有足够的大小，并且复制算法能高效工作很重要。
   • 如果大量对象存活时间长，或者晋升到老年代的速度很快，那么老年代的GC压力就会增大。这时就需要关注老年代收集器的效率和停顿。

4. 硬件资源：

   • CPU核心数：并发GC器（如CMS、G1、ZGC、Shenandoah）需要更多的CPU核心来支持GC线程与应用线程的并发执行。如果CPU资源有限，可能需要权衡。

调优策略的一些考量点：

• JVM参数是关键：不要盲目调优，但了解常用的GC参数是必要的。
  • -Xms和-Xmx：设置堆的初始和最大大小。通常建议设为相同值，避免运行时堆的动态扩展和收缩带来的额外开销。
  • -XX:+UseG1GC：启用G1收集器。
  • -XX:MaxGCPauseMillis=200：为G1设置目标停顿时间。
  • -XX:NewRatio 或 -Xmn：调整新生代和老年代的比例或直接指定新生代大小。这对于控制新生代GC频率和对象晋升速度很有用。
  • -XX:+PrintGCDetails 和 -XX:+PrintGCDateStamps：开启详细GC日志，这是GC调优的基石。没有日志，一切都是盲猜。
• 监控和分析：使用JMX、VisualVM、Arthas、GCViewer等工具来监控GC行为、分析GC日志。通过观察GC频率、停顿时间、内存使用趋势，才能找到瓶颈所在。
• 从小步快跑：不要一次性调整太多参数。每次只改动一个或一组相关参数，然后观察效果。
• 压力测试：在生产环境部署前，务必进行充分的压力测试，模拟真实负载，观察GC行为是否符合预期。

总之，选择和调优JVM垃圾回收器是一个持续迭代的过程。它需要你理解应用本身的特性，结合GC算法的原理，通过参数调整和数据分析，最终找到一个最适合你系统的平衡点。这就像是打磨一件工具，越了解它，越能让它发挥出最大的效用。