JVM 性能调优 - 常用的垃圾回收器(6)

news2024/9/22 1:04:10

垃圾收集器

在 JVM（Java虚拟机）中，垃圾收集器（Garbage Collector）是负责自动管理内存的组件。它的主要任务是在程序运行过程中，自动回收不再使用的对象所占用的内存空间，以便为新的对象提供足够的内存。

JVM中的垃圾收集器使用不同的算法和策略来实现垃圾收集过程，以满足不同的性能和内存需求。以下是 JVM 中常见的垃圾收集器：

  1. Serial收集器：是最古老的垃圾收集器，使用单线程进行垃圾收集。它适用于小型应用程序或者客户端应用程序，具有简单、高效的特点。

  2. Parallel收集器：也称为吞吐量优先收集器，使用多线程进行垃圾收集。它适用于需要高吞吐量的应用程序，可以充分利用多核处理器的优势。

  3. CMS（Concurrent Mark Sweep）收集器：是一种并发收集器，它在垃圾收集过程中，尽可能减少应用程序的停顿时间。它适用于对响应时间有较高要求的应用程序。

  4. G1（Garbage-First）收集器：是一种面向服务器应用程序的垃圾收集器，它通过将堆内存划分为多个区域，并根据垃圾分布情况进行优化的方式，实现高效的垃圾收集。

除了以上列举的垃圾收集器，JVM还提供了其他一些垃圾收集器，如ZGC（Z Garbage Collector）和Shenandoah等，它们都具有不同的特点和适用场景。

然而，Java虚拟机规范（Java Virtual Machine Specification）并没有具体规定垃圾收集器的实现细节，它只定义了Java虚拟机的内存模型和垃圾收集的基本概念。具体的垃圾收集器的实现是由不同的JVM厂商根据规范进行开发和优化的。

Java虚拟机规范确实提供了一些关于垃圾收集器的建议和要求，例如：

  1. 垃圾收集器应该能够自动识别和回收不再使用的对象，以避免内存泄漏和内存溢出的问题。

  2. 垃圾收集器应该能够根据需要动态调整内存的分配和回收策略，以提高性能和效率。

  3. 垃圾收集器应该能够最小化应用程序的停顿时间，以提供更好的响应性能。

  4. 垃圾收集器应该能够处理不同类型的对象，包括普通对象、数组对象和本地对象等。

总之，虽然Java虚拟机规范没有具体规定垃圾收集器的实现细节，但它提供了一些关于垃圾收集器的建议和要求，以确保Java虚拟机能够提供高效、可靠的垃圾收集机制。具体的垃圾收集器的实现取决于不同的JVM厂商和版本。

七大经典垃圾收集器

  • 串行回收器：Serial、Serial Old。
  • 并行回收器：ParNew、Parallel Scavenge、Parallel Old。
  • 并发回收器：CMS、G1。

我们可以从下图中看到各大垃圾收集器的应用程序线程和垃圾回收线程的关系。

垃圾收集器和垃圾分代关系

  • 新生代收集器：Serial GC、ParNew GC、Parallel Scavenge GC。

  • 老年代收集器：CMS GC、Serial old、Parallel Old GC。

  • 整堆收集器：G1。

垃圾收集器和垃圾分代关系如下图所示：

垃圾回收算法
  • 引用计数（Java 中不使用）
  • 复制拷贝（新生代用）
  • 标记清除（用于老年代）
  • 标记整理（用于老年代）

垃圾收集器分类

按线程数分

可以分为串行回收和并行回收。

  • 串行回收器：同一时间段内只有一个 CPU 用于执行垃圾回收，应用程序线程将被暂停，直至收集。
  • 并行回收器：垃圾回收器的线程与应用程序线程可以交替运行，尽可能减少垃圾回收停顿的时间。
  • 串行和并行回收器的共同点：都会发生 Stop the world。
  • 串行回收器应用场景：客户端的 Client 模式下的 JVM 中。
按工作模式分

可以分为串行并发式回收和独占式回收。

  • 并发式垃圾收集器：回收线程和应用程序线程交替工作，减少应用程序的停顿时间。
  • 独占式垃圾收集器：只要进行垃圾回收，就停止应用程序中的所有用户线程，直到垃圾回收过程完全结束。
按碎片处理方式分

可以分为压缩式回收和非压缩式回收。

  • 压缩式回收：在回收完成后，对存活对象进行压缩整理，消除回收后的碎片。
  • 非压缩式回收：不进行压缩处理。
垃圾收集器的性能
  • 吞吐量：CPU 运行用户代码的时间和 CPU 总消耗时间的比值。
  • 暂停时间：应用程序线程暂停，GC 线程执行。

其实没有一个完美的垃圾收集器，也没有万能的垃圾收集器。每个收集器都有最合适场景，按需结合使用才能发挥最大的功效。

垃圾收集器总结

编写代码

package com.test;

public class TestJavaHeapSpace {
    public static void main(String[] args) {
        byte[] bytes1 = new byte[1 * 1024 * 1024];
        byte[] bytes2 = new byte[1 * 1024 * 1024];
        byte[] bytes3 = new byte[1 * 1024 * 1024];
    }
}

运行程序

$ java -Xms2M -Xmx2M -XX:+PrintCommandLineFlags -XX:+PrintGCDetails com.test.TestJavaHeapSpace

[GC (Allocation Failure) [PSYoungGen: 511K->488K(1024K)] 511K->504K(1536K), 0.0319948 secs] [Times: user=0.00 sys=0.00, real=0.04 secs] 
[GC (Allocation Failure) [PSYoungGen: 985K->504K(1024K)] 1001K->642K(1536K), 0.0007380 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] 
[GC (Allocation Failure) [PSYoungGen: 1009K->509K(1024K)] 1148K->736K(1536K), 0.0007602 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] 
[GC (Allocation Failure) [PSYoungGen: 1013K->509K(1024K)] 1240K->760K(1536K), 0.0005670 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] 
[GC (Allocation Failure) [PSYoungGen: 1014K->509K(1024K)] 1265K->776K(1536K), 0.0006131 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] 
[GC (Allocation Failure) [PSYoungGen: 1018K->509K(1024K)] 1285K->808K(1536K), 0.0005305 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] 
[GC (Allocation Failure) --[PSYoungGen: 1008K->1008K(1024K)] 1307K->1515K(1536K), 0.0336632 secs] [Times: user=0.00 sys=0.00, real=0.03 secs] 
[Full GC (Ergonomics) [PSYoungGen: 1008K->266K(1024K)] [ParOldGen: 506K->421K(512K)] 1515K->688K(1536K), [Metaspace: 2525K->2525K(1056768K)], 0.0057810 secs] [Times: user=0.00 sys=0.00, real=0.01 secs] 
[Full GC (Ergonomics) [PSYoungGen: 764K->196K(1024K)] [ParOldGen: 421K->389K(512K)] 1186K->586K(1536K), [Metaspace: 2526K->2526K(1056768K)], 0.0048920 secs] [Times: user=0.00 sys=0.00, real=0.01 secs] 
[Full GC (Ergonomics) [PSYoungGen: 698K->196K(1024K)] [ParOldGen: 389K->391K(512K)] 1088K->588K(1536K), [Metaspace: 2526K->2526K(1056768K)], 0.0051047 secs] [Times: user=0.05 sys=0.00, real=0.00 secs] 
[Full GC (Ergonomics) [PSYoungGen: 692K->196K(1024K)] [ParOldGen: 391K->392K(512K)] 1084K->589K(1536K), [Metaspace: 2526K->2526K(1056768K)], 0.0053302 secs] [Times: user=0.00 sys=0.00, real=0.01 secs] 
[Full GC (Ergonomics) [PSYoungGen: 702K->196K(1024K)] [ParOldGen: 392K->394K(512K)] 1094K->591K(1536K), [Metaspace: 2526K->2526K(1056768K)], 0.0050899 secs] [Times: user=0.00 sys=0.00, real=0.01 secs] 
[Full GC (Ergonomics) [PSYoungGen: 707K->196K(1024K)] [ParOldGen: 394K->395K(512K)] 1101K->592K(1536K), [Metaspace: 2526K->2526K(1056768K)], 0.0049420 secs] [Times: user=0.06 sys=0.00, real=0.00 secs] 
[Full GC (Ergonomics) [PSYoungGen: 707K->196K(1024K)] [ParOldGen: 395K->396K(512K)] 110

本文来自互联网用户投稿，该文观点仅代表作者本人，不代表本站立场。本站仅提供信息存储空间服务，不拥有所有权，不承担相关法律责任。如若转载，请注明出处：http://www.coloradmin.cn/o/1437145.html

如若内容造成侵权/违法违规/事实不符，请联系多彩编程网进行投诉反馈，一经查实，立即删除！

相关文章

生产问题-并发重复生成订单(幂等性)问题

生产问题-并发重复生成订单(幂等性)问题

情景回顾 某天运营同事发现管理后台生成了两条重复的订单，反馈到技术部门进行紧急排查。 伪代码分析 通过排查代码发现，发现核心代码有并发问题，根据事务传递性锁中的事务无法独立生效，所以锁释放时事务并没有提交，…
阅读更多...
Redis分布式锁的使用案例

Redis分布式锁的使用案例

一、引入依赖 <dependency> <groupId>redis.clients</groupId> <artifactId>jedis</artifactId> <version>3.5.0</version> </dependency> 二、工具类 package com.hl.redisdemo.util;import redis.clients.jedi…
阅读更多...
蓝桥杯Web应用开发-CSS3 新特性

蓝桥杯Web应用开发-CSS3 新特性

CSS3 新特性 专栏持续更新中 在前面我们已经学习了元素选择器、id 选择器和类选择器&#xff0c;我们可以通过标签名、id 名、类名给指定元素设置样式。 现在我们继续选择器之旅&#xff0c;学习 CSS3 中新增的三类选择器&#xff0c;分别是&#xff1a; • 属性选择器 • 子…
阅读更多...
Swin-UMamba：结合基于ImageNet的预训练和基于Mamba的UNet模型

Swin-UMamba：结合基于ImageNet的预训练和基于Mamba的UNet模型

摘要 https://arxiv.org/pdf/2402.03302v1.pdf 准确的医学图像分割需要整合从局部特征到全局依赖的多尺度信息。然而&#xff0c;现有方法在建模长距离全局信息方面面临挑战&#xff0c;其中卷积神经网络&#xff08;CNNs&#xff09;受限于其局部感受野&#xff0c;而视觉转换…
阅读更多...
python学习21

python学习21

前言&#xff1a;相信看到这篇文章的小伙伴都或多或少有一些编程基础&#xff0c;懂得一些linux的基本命令了吧&#xff0c;本篇文章将带领大家服务器如何部署一个使用django框架开发的一个网站进行云服务器端的部署。 文章使用到的的工具 Python&#xff1a;一种编程语言&…
阅读更多...
回归预测 | Matlab实现ABC-BP人工蜂群算法优化BP神经网络多变量回归预测

回归预测 | Matlab实现ABC-BP人工蜂群算法优化BP神经网络多变量回归预测

回归预测 | Matlab实现ABC-BP人工蜂群算法优化BP神经网络多变量回归预测 目录 回归预测 | Matlab实现ABC-BP人工蜂群算法优化BP神经网络多变量回归预测预测效果基本描述程序设计参考资料 预测效果 基本描述 1.Matlab实现ABC-BP人工蜂群算法优化BP神经网络多变量回归预测&#x…
阅读更多...
JavaScript中闭包的定义、原理及应用场景

JavaScript中闭包的定义、原理及应用场景

JavaScript是一门以函数为核心的编程语言&#xff0c;其独特的闭包特性是众多开发者所喜爱的特点之一。闭包是一种非常强大的概念&#xff0c;可以帮助我们实现许多复杂的功能和逻辑。本篇博客将为大家深入介绍JavaScript中闭包的定义、原理及应用场景&#xff0c;并通过示例代…
阅读更多...
jpeg交叉编译（rv1126）

jpeg交叉编译（rv1126）

1.下载 官网下载地址 Independent JPEG Group (ijg.org) 2.解压 1）新建文件夹，解压源码（文件夹 jpeg-9f） 2）新建install-rv1126文件夹 具体目录结构如下图所示。 3.配置 1）进入源码文件夹jpeg-9f 2） export CC=/usr/bin/arm-linux-gnueabihf-gcc ./configure CC=…
阅读更多...
Netty中使用编解码器框架

Netty中使用编解码器框架

目录 什么是编解码器&#xff1f; 解码器 将字节解码为消息 将一种消息类型解码为另一种 TooLongFrameException 编码器 将消息编码为字节 将消息编码为消息 编解码器类 通过http协议实现SSL/TLS和Web服务 什么是编解码器&#xff1f; 每个网络应用程序都必须定义如何…
阅读更多...
STM32Cubmax stm32f103zet6 SPI通讯

STM32Cubmax stm32f103zet6 SPI通讯

一、基本概念 SPI 是英语 Serial Peripheral interface 的缩写&#xff0c;顾名思义就是串行外围设备接口。是 Motorola 首先在其 MC68HCXX 系列处理器上定义的。 SPI 接口主要应用在 EEPROM&#xff0c; FLASH&#xff0c;实时时 钟&#xff0c; AD 转换器&#xff0c;还有数…
阅读更多...
Ubuntu下anaconda的常用操作

Ubuntu下anaconda的常用操作

Ubuntu下anaconda的安装及常用操作 安装Anaconda 下载Anaconda&#xff1a;在Anaconda官网下载适合你系统的Anaconda安装包&#xff08;通常是64位的Linux版本&#xff09;。 安装Anaconda 在终端中导航到你下载Anaconda安装包的目录&#xff0c;然后运行以下命令安装Anacon…
阅读更多...
Verilog刷题笔记19

Verilog刷题笔记19

题目&#xff1a; A common source of errors: How to avoid making latches When designing circuits, you must think first in terms of circuits: I want this logic gate I want a combinational blob of logic that has these inputs and produces these outputs I want…
阅读更多...
Avalonia学习（二十三）-大屏

Avalonia学习（二十三）-大屏

弄一个大屏显示的界面例子&#xff0c;但是代码有点多&#xff0c;还有用户控件。 目前还有一点问题在解决&#xff0c;先看一下界面效果。
阅读更多...
人工智能 | 深度学习的进展

人工智能 | 深度学习的进展

深度学习的进展 深度学习是人工智能领域的一个重要分支&#xff0c;它利用神经网络模拟人类大脑的学习过程&#xff0c;通过大量数据训练模型&#xff0c;使其能够自动提取特征、识别模式、进行分类和预测等任务。近年来&#xff0c;深度学习在多个领域取得了显著的进展&#…
阅读更多...
2024无参考图像的清晰度评价方法

2024无参考图像的清晰度评价方法

无参考图像质量评价算法 无参考图像质量评价是指参考图像不存在的情况下&#xff0c;直接计算失真图像的视觉质量。根据无参考图像质量评价模型在计算图像视觉质量时是否需要图像的主观分数来进行训练&#xff0c;无参考图像质量评价算法可分为基于监督学习的无参考图像质量评价…
阅读更多...
艺术创作和生活的关系

艺术创作和生活的关系

艺术出现在生产劳作中并体现出人们生活、工作、学习中&#xff0c;使人们在不受限制随意发挥缔造发明能力的体现&#xff0c;独立的精神活动领域在它逐渐演变进步的历程中越来越明显&#xff0c;也是一个人精神思想生活中很重要的一部分。艺术随着社会发展而发展。一件完美的艺…
阅读更多...
神经网络的权重是什么？

神经网络的权重是什么？

请参考这个视频https://www.bilibili.com/video/BV18P4y1j7uH/?spm_id_from333.788&vd_source1a3cc412e515de9bdf104d2101ecc26a左边是拟合的函数&#xff0c;右边是均方和误差&#xff0c;也就是把左边的拟合函数隐射到了右边&#xff0c;右边是真实值与预测值之间的均方…
阅读更多...
FPGA设计Verilog基础之Verilog全局变量和局部变量定义

FPGA设计Verilog基础之Verilog全局变量和局部变量定义

注意&#xff1a;后续技术分享&#xff0c;第一时间更新&#xff0c;以及更多更及时的技术资讯和学习技术资料&#xff0c;将在公众号CTO Plus发布&#xff0c;请关注公众号&#xff1a;CTO Plus 在Verilog中&#xff0c;变量可以分为全局变量和局部变量两种类型。全局变量在整…
阅读更多...
FLIP解读

FLIP解读

title: FLIP解读 mathjax: true toc: true date: 2024-02-06 17:22:20 categories: Machine Learning tags:CLIPMasked AutoencodersContrastive Learning FLIP由CLIP改进而来&#xff0c;其思想非常简单&#xff0c;通过在图片侧mask掉相当比例的patch&#xff08;无须重构pa…
阅读更多...
瑞萨RA6M3开发实践指南-UART实践

瑞萨RA6M3开发实践指南-UART实践

1.背景说明 本文是参考瑞萨RA6M3开发实践指南文章教程&#xff0c;基于瑞萨HMI-Board BSP :1.1.1 版本 RT-Thread 5.0.1 版本操作步骤进行记录&#xff0c;整理成的文档。 1.1 本章内容 使用RT-Thread Studio创建开发板的程序&#xff0c;编写UART的程序&#xff0c;实现串口…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023