【Java面试】二十一、JVM篇（中）：垃圾回收相关

news2024/11/24 5:02:19

文章目录

  • 1、类加载器
    • 1.1 什么是类加载器
    • 1.2 什么是双亲委派机制
  • 2、类装载的执行过程（类的生命周期）
  • 3、对象什么时候可以被垃圾回收器处理
  • 4、JVM垃圾回收算法
    • 4.1 标记清除算法
    • 4.2 标记整理算法
    • 4.3 复制算法
  • 5、分代收集算法
    • 5.1 MinorGC、Mixed GC、Full GC的区别是什么
  • 6、JVM有哪些垃圾回收器
    • 6.1 G1垃圾回收器
  • 7、强软弱虚引用的区别

1、类加载器

1.1 什么是类加载器

JVM处理class字节码文件成为二进制文件，类加载的作用则是将class字节码文件加载到JVM中。有四种类加载器：

  • 启动类加载器：加载JDK下的jre/lib下的类，这个加载器由C++实现
  • 扩展类加载器：加载JDK下的jre/lib/ext下的类，如果把开发者自己写的class放这个目录，也会被扩展类加载器加载
  • 应用类加载器：加载开发者自己写的class
  • 自定义类加载器：自己去继承ClassLoader，自己实现
    在这里插入图片描述

1.2 什么是双亲委派机制

加载某一个类时，先委托上一级的加载器（父加载器）去进行加载，如果上一级加载器也有上级，则继续向上委托，若没被上级加载，则向下开始逐个找，直到加载成功，到最下面的加载器也没找到这个类，则抛异常ClassNotFountException。总之：

  • 自底向上查找是否已经被父加载器加载过，有则直接返回
  • 若没被加载，再自顶向下进行加载

在这里插入图片描述

该机制的作用：

  • 保证类加载的安全性：避免用户自定义一个java.lang.String恶意替换JDK的核心类库里的String类
  • 避免重复加载：避免同一个类被多次加载，提高效率

在这里插入图片描述

2、类装载的执行过程（类的生命周期）

  • 加载：查找和导入class 文件
  • 验证：保证加载类的准确性
  • 准备：为类变量分配内存并设置类变量初始值
  • 解析：把类中的符号引用转换为直接引用
  • 初始化：对类的静态变量，静态代码块执行初始化操作
  • 使用：new对象
  • 卸载：删掉方法区的InstanceKlass和堆的Class对象

在这里插入图片描述

加载：
  • 加载磁盘上的class字节码文件、动态代理生成的类
  • 通过全类名，获取类的二进制数据流
  • 解析类的二进制数据流，在方法区中，生成一个InstanceKlass对象（c++），保存了类的所有信息
  • 堆区生成一个和上面InstanceKlass对象类似的java.lang.Class对象，给Java代码操作

在这里插入图片描述

连接--验证：

验证文件格式（魔数）、class文件里的主版本号是否适配当前JVM、符号引用里是否有其他类的private变量

在这里插入图片描述

连接--准备：

为静态变量分配内存并设置初始值：

  • static变量，分配空间在准备阶段完成(设置默认值)，赋值在初始化阶段完成，如下面的b变量
  • static + final 修饰基本类型，以及字符串常量，值已确定，赋值在准备阶段完成，如下面的c、d变量
  • static + final 修饰引用类型，赋值也在初始化阶段完成，如下面的obj变量

在这里插入图片描述

连接--解析：

将符号引用转为直接引用，比如方法中调用了其他方法，直接引用即使用内存地址直接指向方法。如#25转为内存地址。

初始化：

初始化阶段对类的静态变量初始化、静态代码块执行。

  • 如果初始化一个类的时候，其父类尚未初始化，则优先初始化其父类
  • 如果同时包含多个静态变量和静态代码块，则按照自上而下的顺序依次执行
使用：
  • new关键字创建对象
  • 调用静态类成员信息，比如：静态字段、静态方法

【类的生命周期】

3、对象什么时候可以被垃圾回收器处理

如果一个对象没有任何引用指向它了，那这个对象就被定义为垃圾，可能被垃圾回收器回收。确定是否有引用指向它，有两种方式：

  • 引用计数法：维护个计数，被引用一次就+1，循环依赖时会有内存泄漏，一般不用
  • 可达性分析：普通对象A，经一个引用链可以到达GC Root对象，则A不可被回收，JVM持有GCRoot的List列表

在这里插入图片描述
A、B、C、D不可回收，X、Y可回收

4、JVM垃圾回收算法

标记清除算法、复制算法、标记整理算法、分代算法

4.1 标记清除算法

先根据可达性分析算法，标记垃圾对象，再对标记了可回收的对象进行GC

在这里插入图片描述

优点是标记和清除速度较快，缺点是回收后出现内存碎片化，不连贯，存个大对象或者数组（内存地址连续），就不行

4.2 标记整理算法

在这里插入图片描述

和标记清除算法相比，多了一步对象内存位置移动的步骤，解决了碎片化，但效率也低了一点

4.3 复制算法

内存一分为二，Form和To两块，先在From存对象，进行回收时，将存活的对象copy到To空间，再清掉From剩下的可回收对象，然后From和To角色互换，To成了新的From，清理后的From成了To

在这里插入图片描述

优点是无碎片化问题，效率较高，但空间利用率低，一半一半的存

5、分代收集算法

【GC算法详细】
JDK8时，堆被分成两份，默认新生代 ： 老年代 = 1：2

在这里插入图片描述

对占堆三分之一的新生代，又分为三块：

  • 伊甸园区Eden，新生的对象都分配到这里
  • 两块幸存者区survivor（分成from和to）
  • Eden区：from区：to区= 8：1：1

分代回收的步骤：

  • 新创建的对象，都会先分配到 eden 区
  • 当伊甸园内存不足，标记伊甸园与 from(现阶段没有对象)的存活对象
  • 将存活对象采用复制算法复制到 to 中，复制完毕后，伊甸园和from 内存都得到释放

在这里插入图片描述

  • 经过一段时间后伊甸园的内存又出现不足，标记 eden 区域 to 区存活的对象，将存活的对象复制到 from 区

在这里插入图片描述

  • 继续伊甸园区 + S0 + S1之间玩复制算法，直到有对象经过了15次GC（GC年龄默认15），晋升到老年代，不再from和to之间频繁的复制

在这里插入图片描述

  • 对象过大或者幸存者区空间不足，可能出现对象提前晋升到老年代

5.1 MinorGC、Mixed GC、Full GC的区别是什么

STW，stop the world，暂停所有用户线程，等待垃圾回收完成再处理用户请求，STW要尽量短

  • MinorGC（Young GC）：发生在新生代的垃圾回收，暂停时间短(STW)，这也是分代的最明显的一个好处了
  • Mixed GC： 新生代 +老年代部分区域的垃圾回收，G1 收集器特有
  • Full GC：新生代 + 老年代完整垃圾回收，暂停时间长(STW)，应尽力避免

6、JVM有哪些垃圾回收器

  • 串行垃圾收集器：Serial GC、Serial Old ，只有一个线程处理垃圾回收，期间用户线程阻塞（STW）

在这里插入图片描述

  • GC并行垃圾收集器：Parallel Old GC、ParNewGC，多个线程处理垃圾回收，期间用户线程阻塞（STW）

在这里插入图片描述

  • CMS（并发）垃圾收集器：CMS GC，作用在老年代

在这里插入图片描述

  • G1垃圾收集器：作用在新生代和老年代

6.1 G1垃圾回收器

  • 应用于新生代和老年代，在JDK9之后默认使用G1

  • 堆被划分成多个区域Region，每个区域都可以充当eden，survivor，old，humongous，其中 humongous 专为大对象准备

  • 采用复制算法

  • 响应时间与吞吐量兼顾

  • 分成三个阶段：新生代回收、并发标记、混合回收MixedGC。多次Young GC回收后，当堆的使用率达到阈值，触发混合回收MixedGC，用复制算法回收一轮所有年轻代、部分老年代、大对象区

  • 因为清理是复制算法，如果清理时发现没有空Region去存放转移的对象（没地儿复制了），则转为单线程执行标记-整理算法进行Full GC，此时会导致用户线程的暂停

【GC回收器】

7、强软弱虚引用的区别

  • 强引用：默认，只要有 GCRoots能找到它，就不会被回收，哪怕OOM
  • 软引用：需要配合 SoftReference 使用，当垃圾多次回收，内存依然不够的时候会回收软引用对象
    弱引用：需要配合 WeakReference 使用，只要进行了垃圾回收，就会把弱引用对象回收
    虚引用：和其他几种引用不一样，它不影响对象的回收规则，形同虚设。必须配合引用队列使用，被引用对象回收时，会将虚引用入队，由 Reference Handler 线程调用虚引用相关方法。虚引用的一个应用场景是直接内存的释放问题。

【详细】

强引用：

在这里插入图片描述

软引用：

在这里插入图片描述
弱引用：

在这里插入图片描述

虚引用：

在这里插入图片描述

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/1841320.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

初阶 《数组》 1. 一维数组的创建和初始化

初阶 《数组》 1. 一维数组的创建和初始化

1. 一维数组的创建和初始化 1.1 数组的创建 数组是一组相同类型元素的集合 数组的创建方式： type_t arr_name [const_n]; //type_t 是指数组的元素类型 //const_n 是一个常量表达式，用来指定数组的大小数组创建的实例： //代码1 int ar…
阅读更多...
计算机图形学入门16：曲线

计算机图形学入门16：曲线

1.曲线 曲线（Curves）在图形学中应用非常广泛，比如：相机的拍摄路径、物体的移动路径、动画曲线、矢量字体等。如下图所示，是使用曲线到矢量字体的应用，通过移动一些控制点来改变字体。 2.贝塞尔曲线 2.1 贝…
阅读更多...
qt事件和连接TCP协议

qt事件和连接TCP协议

QT网络聊天室服务器实现 #include "widget.h" #include "ui_widget.h"Widget::Widget(QWidget *parent): QWidget(parent), ui(new Ui::Widget),server(new QTcpServer(this))//给服务器指针实例化一个空间 {ui->setupUi(this); }Widget::~Widget() {d…
阅读更多...
Git进阶使用（图文详解）

Git进阶使用（图文详解）

文章目录 Git概述Git基础指令Git进阶使用一、Git分支1.主干分支2.其他分支2.1创建分支2.2查看分支1. 查看本地分支2. 查看远程分支3. 查看本地和远程分支4. 显示分支的详细信息5. 查看已合并和未合并的分支 2.3切换分支1. 切换到已有的本地分支2. 创建并切换到新分支3. 切换到远…
阅读更多...
MyPostMan：按照项目管理接口，基于迭代生成接口文档、执行接口自动化联合测试

MyPostMan：按照项目管理接口，基于迭代生成接口文档、执行接口自动化联合测试

MyPostMan 是一款类似 PostMan 的接口请求软件，不同于 PostMan 的是，它按照 项目（微服务）、目录来管理我们的接口，基于迭代来管理我们的接口文档，按照迭代编写自动化测试用例，在不同环境中均可运…
阅读更多...
ASP.NET MVC企业级程序设计（增删，页面水平排列，字符串拼接，非空，添加框内默认提示）

ASP.NET MVC企业级程序设计（增删，页面水平排列，字符串拼接，非空，添加框内默认提示）

目录 题目： 实现过程 控制器代码 DAL BLL Index Deile 题目： 实现过程 控制器代码 using System; using System.Collections.Generic; using System.Linq; using System.Web; using System.Web.Mvc; using MvcApplication1.Models;namespac…
阅读更多...
oracle中执行select ... for update需要什么权限？

oracle中执行select ... for update需要什么权限？

oracle中执行select … for update需要什么权限？ 问题 在oracle中，一个用户执行select … for update需要什么权限？ 分析测试 用户1： test_0614 用户2：test 目标表：test.t_0614 执行语句：se…
阅读更多...
机器学习课程复习

机器学习课程复习

参考书目：《统计学习方法》 选择题 5道 3分/道 填空题 5道 3分/道 简答题 3道 计算题 1道 算法设计题 1道 隐马尔可夫不考计算题 很有可能考计算题的知识点：KNN、决策树、支持向量机、聚类算法 小概率会考计算题的知识点：线性回归（最小二乘法，代公式算参…
阅读更多...
代码随想录——全排列（Leetcode LCR083）

代码随想录——全排列（Leetcode LCR083）

题目链接 回溯 class Solution {List<List<Integer>> res new ArrayList<List<Integer>>();List<Integer> list new ArrayList<Integer>();boolean[] used;public List<List<Integer>> permute(int[] nums) {used new bo…
阅读更多...
密码学及其应用——为什么选择接近的质数因子对RSA加密算法不安全？

密码学及其应用——为什么选择接近的质数因子对RSA加密算法不安全？

RSA加密算法是一种广泛使用的非对称加密算法&#xff0c;它的安全性依赖于大整数分解的难度。具体来说&#xff0c;RSA算法生成的公钥包含一个大整数N&#xff0c;这是两个大质数p和q的乘积。然而&#xff0c;如果这两个质数p和q太接近&#xff0c;则可以相对容易地对N进行因式…
阅读更多...
【Python机器学习实战】 | Lasso回归和弹性网回归详细分析研究

【Python机器学习实战】 | Lasso回归和弹性网回归详细分析研究

&#x1f3a9; 欢迎来到技术探索的奇幻世界&#x1f468;‍&#x1f4bb; &#x1f4dc; 个人主页&#xff1a;一伦明悦-CSDN博客 ✍&#x1f3fb; 作者简介&#xff1a; C软件开发、Python机器学习爱好者 &#x1f5e3;️ 互动与支持&#xff1a;&#x1f4ac;评论 &…
阅读更多...
【STM32】矩阵计算器

【STM32】矩阵计算器

【STM32】矩阵计算器 资料链接请在文章末尾获取~ 1.说明 使用元器件&#xff1a;stm32f103c8t6最小系统板x1&#xff0c;0.96寸OLED显示屏四角x1&#xff0c;4x4矩阵按键x1; 参考&#xff1a;正点原子有关4脚OLED驱动float型数据的驱动文件&#xff0c;CSDN有关矩阵横向扫描…
阅读更多...
网络安全：入侵检测系统的原理与应用

网络安全：入侵检测系统的原理与应用

文章目录 网络安全&#xff1a;入侵检测系统的原理与应用引言入侵检测系统简介IDS的工作原理IDS的重要性结语 网络安全&#xff1a;入侵检测系统的原理与应用 引言 在我们的网络安全系列文章中&#xff0c;我们已经涵盖了从SQL注入到端点保护的多个主题。本篇文章将探讨入侵检…
阅读更多...
八大排序————C语言版实现

八大排序————C语言版实现

Hello&#xff0c;各位未来的高级程序员们&#xff0c;大家好&#xff0c;今天我就来为大家讲解一下有关排序的内容&#xff0c;我们常见的排序就是我们接下来要讲的这八个排序&#xff0c;我们平常所说的排序有十大排序&#xff0c;我们这里的八大排序是我们生活中最为常见的八…
阅读更多...
【机器学习】：线性回归模型学习路线

【机器学习】：线性回归模型学习路线

Hi~&#xff01;这里是奋斗的小羊&#xff0c;很荣幸您能阅读我的文章&#xff0c;诚请评论指点&#xff0c;欢迎欢迎 ~~ &#x1f4a5;&#x1f4a5;个人主页&#xff1a;奋斗的小羊 &#x1f4a5;&#x1f4a5;所属专栏&#xff1a;C语言 &#x1f680;本系列文章为个人学习…
阅读更多...
探究布局模型：从LayoutLM到LayoutLMv2与LayoutXLM

探究布局模型：从LayoutLM到LayoutLMv2与LayoutXLM

LAYOUT LM 联合建模文档的layout信息和text信息&#xff0c; 预训练 文档理解模型。 模型架构 使用BERT作为backbone&#xff0c; 加入2-D绝对位置信息&#xff0c;图像信息 &#xff0c;分别捕获token在文档中的相对位置以及字体、文字方向、颜色等视觉信息。 2D位置嵌入 …
阅读更多...
DOPE-FITC在细胞定位、动态追踪等方面的应用-星戈瑞

DOPE-FITC在细胞定位、动态追踪等方面的应用-星戈瑞

DOPE-FITC作为一种荧光标记磷脂&#xff0c;在细胞生物学研究中发挥着科研作用。其荧光特性和与细胞膜的亲和性&#xff0c;使其成为细胞定位、动态追踪等方面的工具。 细胞定位 DOPE-FITC能够有效地标记细胞膜&#xff0c;使得细胞膜在荧光显微镜下呈现出明亮的绿色荧光。这种…
阅读更多...
NLP入门——复杂函数建模与链式求导

NLP入门——复杂函数建模与链式求导

复杂函数建模 前面我们研究的梯度下降法分类&#xff0c;是简单的对每类中每个子词的分数进行求和&#xff0c;统计分数最大的类别并不断调整分数来提高准确率。 我们可以修改函数模型&#xff0c;用更加复杂的函数代替sum()&#xff0c;来达到更好的学习效果。 def compute_…
阅读更多...
LLM大语言模型应用方案之RAG检索增强生成的实现步骤。

LLM大语言模型应用方案之RAG检索增强生成的实现步骤。

0.我理解的RAG 什么是RAG&#xff1f; RAG的全称是“检索增强生成模型”&#xff08;Retrieval-Augmented Generation&#xff09;。这是一种特别聪明的大语言模型。 RAG是怎么工作的呢&#xff1f; 1.检索&#xff1a;当你问RAG一个问题时&#xff0c;它会先去“图书…
阅读更多...
Dockerfile封装制作pytorch（tensorflow）深度学习框架 + jupyterlab服务 + ssh服务镜像

Dockerfile封装制作pytorch（tensorflow）深度学习框架 + jupyterlab服务 + ssh服务镜像

一&#xff1a;docker-hub官网寻找需求镜像 1.我们在https://hub.docker.com/官网找到要封装的pytorch基础镜像&#xff0c;这里我们以pytorch1.13.1版本为例 2.我们找到的这个devel版本的镜像&#xff08;我们需要cuda的编译工具&#xff09; pytorch版本是1.13.1&#xff0c;…
阅读更多...
推荐文章
最新文章

Copyright @ 2022~2023