垃圾收集器及GC参数

小鱼儿 2022-07-10 20:36 202阅读 0赞

**【声明】**

欢迎转载，但请保留文章原始出处→\_→

生命壹号：[http://www.cnblogs.com/smyhvae/][http_www.cnblogs.com_smyhvae]

文章来源：http://www.cnblogs.com/smyhvae/p/4748313.html[  
][Link 1]

**本文主要内容：**

*  堆的回顾
 *  串行收集器
 *  并行收集器
 *  CMS收集器

**零、堆的回顾：**

新生代中的98%对象都是“朝生夕死”的，所以并不需要按照1:1的比例来划分内存空间，而是**将内存分为一块比较大的Eden空间和两块较小的Survivor空间**，每次使用Eden和其中一块Survivor。当回收时，将Eden和Survivor中还存活着的对象一次性地复制到另外一块Survivor空间上，最后清理掉Eden和刚才用过的Survivor空间。HotSpot虚拟机默认Eden和Survivor的大小比例是8:1，也就是说，每次新生代中可用内存空间为整个新生代容量的90%（80%+10%），只有10%的空间会被浪费。

当然，98%的对象可回收只是一般场景下的数据，我们没有办法保证每次回收都只有不多于10%的对象存活，当Survivor空间不够用时，需要依赖于老年代进行分配担保，所以大对象直接进入老年代。

堆的结构如下图所示：

[![93ae46da-b4f7-4c3b-851a-97dfb4d68da4][]][93ae46da-b4f7-4c3b-851a-97dfb4d68da4 1]

**垃圾收集器：**

如果说收集算法时内存回收的方法论，那么垃圾收集器就是内存回收的具体实现。

虽然我们在对各种收集器进行比较，但并非为了挑出一个最好的收集器。因为直到现在位置还没有最好的收集器出现，更加没有万能的收集器，所以**我们选择的只是对具体应用最合适的收集器**。

**一、串行收集器：Serial收集器**

*  最古老，最稳定
 *  简单而高效
 *  可能会产生较长的停顿
 *  \-XX:+UseSerialGC

**　　　　新生代、老年代都会使用串行回收**

新生代复制算法

老年代标记-整理

总结：**Serial收集器**对于**运行在Client模式下**的虚拟机来说是一个很好的选择。

这个收集器是一个单线程的收集器，但它的单线程的意义并不仅仅说明它只会使用一个CPU或一条收集线程去完成垃圾收集工作，更重要的是在它进行垃圾收集时，必须暂停其他所有的工作线程，直到它收集结束。收集器的运行过程如下图所示：

[![28d89f4c-be3f-4e47-90c5-6bac8399a968][]][28d89f4c-be3f-4e47-90c5-6bac8399a968 1]

**二、并行收集器：**

**1、ParNew收集器：**

*  ParNew收集器其实就是Serial收集器新生代的并行版本。
 *  多线程，需要多核支持。
 *  \-XX:+UseParNewGC

**　　　　新生代并行**

**　　　　老年代串行**

*  \-XX:ParallelGCThreads 限制线程数量

[![fa772027-b69f-426e-bb6b-901a0982ace5][]][fa772027-b69f-426e-bb6b-901a0982ace5 1]

**2、Parallel Scanvenge收集器：**

*  类似ParNew，但更加关注**吞吐量**
 *  \-XX:+UseParallelGC  使用Parallel Scanvenge收集器：**新生代并行，老年代串行**

**3、Parallel Old收集器：**

*  Parallel Old收集器是Parallel Scanvenge收集器的老年代版本
 *  \-XX:+UseParallelGC  使用Parallel Old收集器：**新生代并行，老年代并行**

如下图所示：

[![a1c893fd-461d-42f6-9a90-a8dc43a89526][]][a1c893fd-461d-42f6-9a90-a8dc43a89526 1]

**各种参数设置：**

*  \-XX:MaxGCPauseMills

最大停顿时间，单位毫秒

GC尽力保证回收时间不超过设定值

*  \-XX:GCTimeRatio

0-100的取值范围

垃圾收集时间占总时间的比

默认99，即最大允许1%时间做GC

注：这两个参数是矛盾的。因为**停顿时间和吞吐量不可能同时调优**。我们一方买希望停顿时间少，另外一方面希望吞吐量高，其实这是矛盾的。因为：在GC的时候，垃圾回收的工作总量是不变的，如果将停顿时间减少，那频率就会提高；既然频率提高了，说明就会频繁的进行GC，那吞吐量就会减少，性能就会降低。

**吞吐量：CPU用于用户代码的时间/CPU总消耗时间的比值**，即=运行用户代码的时间/(运行用户代码时间+垃圾收集时间)。比如，虚拟机总共运行了100分钟，其中垃圾收集花掉1分钟，那吞吐量就是99%。

注2：以上所有的收集器当中，当执行GC时，都会stop the world，但是下面的CMS收集器却不会这样。

**三、CMS收集器：**

CMS收集器（Concurrent Mark Sweep：**并发标记清除**）是一种**以获取最短回收停顿时间为目标**的收集器。适合应用在互联网站或者B/S系统的服务器上，这类应用尤其重视服务器的响应速度，希望系统停顿时间最短。

*  Concurrent Mark Sweep 并发标记清除，并发低停顿
 *  标记-清除算法
 *  并发阶段会降低吞吐量（因为停顿时间减少了，于是GC的频率会变高）
 *  **老年代收集器**（新生代使用ParNew）
 *  \-XX:+UseConcMarkSweepGC   打开这收集器

注：这里的并发指的是与用户线程一起执行。

**2、CMS收集器运行过程：（着重实现了标记的过程）**

（1）**初始标记**

根可以直接关联到的对象

速度快

（2）**并发标记**（和用户线程一起）

主要标记过程，标记全部对象

（3）**重新标记**

由于并发标记时，用户线程依然运行，因此在正式清理前，再做修正

（4）**并发清除**（和用户线程一起）

基于标记结果，直接清理对象

整个过程如下图所示：

[![8ba55616-9537-4a84-87eb-5c45afcc4939][]][8ba55616-9537-4a84-87eb-5c45afcc4939 1]

其中，初始标记和重新标记时，需要stop the world。

整个过程中耗时最长的是并发标记和并发清除，这两个过程都可以和用户线程一起工作。

打印GC日志举例如下：

[![453861ce-5fd8-4d87-b6e3-6799a589e69b][]][453861ce-5fd8-4d87-b6e3-6799a589e69b 1]

**3、CMS收集器特点：**

（1）尽可能降低停顿

（2）会影响系统整体吞吐量和性能

比如，在用户线程运行过程中，分一半CPU去做GC，系统性能在GC阶段，反应速度就下降一半

（3）清理不彻底

因为在清理阶段，用户线程还在运行，会产生新的垃圾，无法清理

（4）因为和用户线程一起运行，不能在空间快满时再清理

\-XX:CMSInitiatingOccupancyFraction设置触发GC的阈值

如果不幸内存预留空间不够，就会引起concurrent mode failure

我们来看一下concurrent mode failure的日志：

[![ae662550-f927-4299-a64b-2b1fba3e4c81][]][ae662550-f927-4299-a64b-2b1fba3e4c81 1]

碰到上图中的情况，我们需要使用串行收集器作为后备。

**4、既然标记清除算法会造成内存空间的碎片化，CMS收集器为什么使用标记清除算法而不是使用标记整理算法：**

答案：

CMS收集器更加关注停顿，它在做GC的时候是和用户线程一起工作的（并发执行），如果使用标记整理算法的话，那么在清理的时候就会去移动可用对象的内存空间，那么应用程序的线程就很有可能找不到应用对象在哪里。

为了解决碎片的问题，CMS收集器会有一些整理上的参数，接下来就来讲这个。

**5、整理时的各种参数：**

*  \-XX:+ UseCMSCompactAtFullCollection

Full GC后，进行一次整理。整理过程是独占的，会引起停顿时间变长

*  \-XX:+CMSFullGCsBeforeCompaction

设置进行几次Full GC后，进行一次碎片整理

*  \-XX:ParallelCMSThreads

设定CMS的线程数量

**四、GC参数的整理：**

\-XX:+UseSerialGC：在新生代和老年代使用串行收集器

\-XX:SurvivorRatio：设置eden区大小和survivior区大小的比例

\-XX:NewRatio:新生代和老年代的比

\-XX:+UseParNewGC：在新生代使用并行收集器

\-XX:+UseParallelGC ：新生代使用并行回收收集器

\-XX:+UseParallelOldGC：老年代使用并行回收收集器

\-XX:ParallelGCThreads：设置用于垃圾回收的线程数

\-XX:+UseConcMarkSweepGC：新生代使用并行收集器，老年代使用CMS+串行收集器

\-XX:ParallelCMSThreads：设定CMS的线程数量

\-XX:CMSInitiatingOccupancyFraction：设置CMS收集器在老年代空间被使用多少后触发

\-XX:+UseCMSCompactAtFullCollection：设置CMS收集器在完成垃圾收集后是否要进行一次内存碎片的整理

\-XX:CMSFullGCsBeforeCompaction：设定进行多少次CMS垃圾回收后，进行一次内存压缩

\-XX:+CMSClassUnloadingEnabled：允许对类元数据进行回收

\-XX:CMSInitiatingPermOccupancyFraction：当永久区占用率达到这一百分比时，启动CMS回收

\-XX:UseCMSInitiatingOccupancyOnly：表示只在到达阀值的时候，才进行CMS回收

**最后的总结：**

**为了减轻GC压力，我们需要注意些什么？**

*  软件如何设计架构（性能的根本在应用）
 *  GC参数属于微调（设置不合理会影响性能，产生大的延时）
 *  堆空间如何管理和分配
 *  代码如何写

参考链接：

[http://www.cnblogs.com/zuoxiaolong/p/jvm8.html][http_www.cnblogs.com_zuoxiaolong_p_jvm8.html]

[http_www.cnblogs.com_smyhvae]: http://www.cnblogs.com/smyhvae/
[Link 1]: http://www.cnblogs.com/smyhvae/p/4013535.html
[93ae46da-b4f7-4c3b-851a-97dfb4d68da4]: /images/20220711/6d8c860ddc6d47ceaacebb1a38fa87e9.png
[93ae46da-b4f7-4c3b-851a-97dfb4d68da4 1]: http://images0.cnblogs.com/blog/641601/201508/211644452694453.png
[28d89f4c-be3f-4e47-90c5-6bac8399a968]: /images/20220711/4292785a373547439b2a1823f3f1d8ef.png
[28d89f4c-be3f-4e47-90c5-6bac8399a968 1]: http://images0.cnblogs.com/blog/641601/201508/211644465359938.png
[fa772027-b69f-426e-bb6b-901a0982ace5]: /images/20220711/aa1b0492b016462dafb8b65829a67183.png
[fa772027-b69f-426e-bb6b-901a0982ace5 1]: http://images0.cnblogs.com/blog/641601/201508/211644484105011.png
[a1c893fd-461d-42f6-9a90-a8dc43a89526]: /images/20220711/5cb4bb29c0de4310bb18925129fcec71.png
[a1c893fd-461d-42f6-9a90-a8dc43a89526 1]: http://images0.cnblogs.com/blog/641601/201508/211644495039211.png
[8ba55616-9537-4a84-87eb-5c45afcc4939]: /images/20220711/a2e067ae7f62456eb5fcbea8aca38ad7.png
[8ba55616-9537-4a84-87eb-5c45afcc4939 1]: http://images0.cnblogs.com/blog/641601/201508/211644507857170.png
[453861ce-5fd8-4d87-b6e3-6799a589e69b]: /images/20220711/fc3e23b92acb40708fb12502d4930cec.png
[453861ce-5fd8-4d87-b6e3-6799a589e69b 1]: http://images0.cnblogs.com/blog/641601/201508/211644520191115.png
[ae662550-f927-4299-a64b-2b1fba3e4c81]: /images/20220711/97afb9d3a14449968968e00225c01a51.png
[ae662550-f927-4299-a64b-2b1fba3e4c81 1]: http://images0.cnblogs.com/blog/641601/201508/211644530196287.png
[http_www.cnblogs.com_zuoxiaolong_p_jvm8.html]: http://www.cnblogs.com/zuoxiaolong/p/jvm8.html