Java体系结构——之运行时数据区——堆

港控/mmm° 2022-12-20 11:26 183阅读 0赞

### 文章目录 ###

*  JVM堆
 *   *  分代
     *   *  新生代
         *  老年代
         *  永久代
     *  堆内存常用参数
     *  垃圾收集器常用参数
     *  垃圾回收算法（Garbage Collection：GC）
     *   *  引用计数法
         *  标记清除法
         *  标记压缩法
         *  复制算法
         *  分代算法
     *  垃圾收集器
     *   *  新生代收集器
         *   *  Serial收集器
             *  ParNew 收集器
             *  Parallel Scavenge 收集器
         *  老年代收集器
         *   *  Serial Old收集器
             *  Parallel Old收集器
             *  CMS收集器
         *  G1收集器
     *  常见问题汇总

# JVM堆 #

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzgzOTMyMw_size_16_color_FFFFFF_t_70_pic_center]  
Java中最大的一块空间，存放对象实例和数组。也根据不同的版本号存放静态变量和字符串常量等。

## 分代 ##

分代概念：

> 新生成的对象首先存放到年轻代Eden区，当Eden区满了，触发Minor GC，存活下来的对象移动到Survivor 0区，Survivor 0区满后触发执行Minor GC，Survivor 0区存活对象移动到Survivor 1区，这样保证了一段时间内总有一个Survivor区为空。经过多次Minor GC任然存活的对象移动到老年代。老年代存储长期存活的对象，占满时会触发Major GC = FUll GC，GC期间会停止所有线程，等待GC完成。所以对响应要求高的应用应该尽量减少使用Major GC，避免响应超时。

> Minor GC：清理年轻代。  
> Mijor GC：清理老年代。  
> Full GC：清理整个堆空间，包括年轻代和永久代。

### 新生代 ###

介绍：

> 主要用存放新创建的对象。

默认比例是Eden：Survivor 0 ：Survivor 1 = 8：1：1

*  伊甸区（Eden Space）：较大
 *  幸存者区（Survivor）：较小

>  *  幸存者0区（Survivor 0 Space）
>  *  幸存者1区（Survivor 1 Space）

复制算法实例描述：

> 1、Eden+s0可分配新生对象；  
> 2、对Eden+s0进行垃圾收集，存活对象复制到s1。清理Eden+s0。一次新生代GC结束。  
> 3、Eden+s1可分配新生对象；  
> 4、对Eden+s1进行垃圾收集，存活对象复制到s0。清理Eden+s1。二次新生代GC结束。  
> 5、继续执行1234步骤。

特点：

>  *  使用复制清除算法，因为每次GC都要回收大部分对象。

### 老年代 ###

> 保存的是从新生代筛选出来的对象。

> 采用标记-整理算法(mark-compact)，因为老年代每次GC只会回收部分对象。

### 永久代 ###

> 常驻内存区域，用于存放JDK自身所携带的Class、interface的元数据，也就是说它存储的是运行环境必须的类信息，被装载进这个区域的数据是不会被垃圾回收掉的，关闭JVM才会释放此区域所占用的内存。

常见错误：

> java.lang.OutOfMemoryError：Java heap space：Java虚拟机的堆内存不够  
> 原因：  
> 1.Java虚拟机的堆内存设置不够，可以通过参数-Xms、-Xmx来调整  
> 2.代码中创建了大量大对象，并且长时间不能被垃圾收集器收集（存在被引用）

注意：

> JDK1.8版本废弃了永久代，替代的是元空间(MetaSpace），元空间与永久代类似，都是方法区的实现，他们最大的区别是：元空间不在JVM中，使用的是本地内存。
> 
>  *  MetaspaceSize ：初始化元空间大小，控制发生GC阈值。
>  *  MaxMetaspaceSize ： 限制元空间大小上限，防止异常占用过多物理内存。

## 堆内存常用参数 ##

<table> 
 <thead> 
  <tr> 
   <th>参数</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>-XX:InitialHeapSize（-Xms）</td> 
   <td>堆内存初始大小，单位m或g</td> 
  </tr> 
  <tr> 
   <td>-XX:MaxHeapSize（-Xmx）</td> 
   <td>堆内存最带允许大小，一般不要大于物理内存的80%</td> 
  </tr> 
  <tr> 
   <td>-XX:PermSize</td> 
   <td>非堆内存初始大小，一般应用设置初始化200m，最大1024m就够了</td> 
  </tr> 
  <tr> 
   <td>-XX:MaxPermSize</td> 
   <td>非堆内存最大允许大小</td> 
  </tr> 
  <tr> 
   <td>-XX:NewSize（-Xns）</td> 
   <td>年轻代内存初始大小</td> 
  </tr> 
  <tr> 
   <td>-XX:MaxNewSize（-Xmn）</td> 
   <td>年轻代内存最大允许大小</td> 
  </tr> 
  <tr> 
   <td>-XX:SurvivorRatio=8</td> 
   <td>年轻代中Eden区与Survivor区的容量比例值，默认为8</td> 
  </tr> 
  <tr> 
   <td>-Xss</td> 
   <td>堆栈内存大小</td> 
  </tr> 
  <tr> 
   <td>-XX:OldSize</td> 
   <td>老年代内存大小</td> 
  </tr> 
  <tr> 
   <td>-XX:NewRatio</td> 
   <td>年轻代和老年代在堆内存中的比例，默认值为4，表示4：1的比例，当设置了-XX:NewSize和-XX:MaxNewSize后失效。</td> 
  </tr> 
  <tr> 
   <td>-XX:PretenureSizeThreshold</td> 
   <td>产生新对象时，大于该值的对象被分配到老年代中。</td> 
  </tr> 
  <tr> 
   <td>-XX:MaxTenuringThreshold</td> 
   <td>在survivor区中经历该值次数后的对象进入老年代，默认值为15。</td> 
  </tr> 
 </tbody> 
</table>

## 垃圾收集器常用参数 ##

<table> 
 <thead> 
  <tr> 
   <th>参数</th> 
   <th>描述</th> 
  </tr> 
 </thead> 
 <tbody> 
  <tr> 
   <td>-XX:+UseSerialGC</td> 
   <td>串行收集器</td> 
  </tr> 
  <tr> 
   <td>-XX:UseParallelGC</td> 
   <td>并行收集器</td> 
  </tr> 
  <tr> 
   <td>-XX:UseParallelGCThreads=8</td> 
   <td>并行收集器线程数，同时有多个线程进行垃圾回收，一般与CPU数量相等。</td> 
  </tr> 
  <tr> 
   <td>-XX:UseParalleOldGC</td> 
   <td>指定老年代为并行收集器</td> 
  </tr> 
  <tr> 
   <td>-XX:UseConcMarkSweepGC</td> 
   <td>GMS收集器（并发收集器）</td> 
  </tr> 
  <tr> 
   <td>-XX:UseCMSCompactAtFullCollection</td> 
   <td>开启内存空间压缩和整理，防止过多内存碎片化</td> 
  </tr> 
  <tr> 
   <td>-XX:CMSFullGCsBeforeCompaction=0</td> 
   <td>表示多少次Full GC后开始压缩和整理，0表示每次Full GC后立即执行压缩和整理</td> 
  </tr> 
  <tr> 
   <td>-XX:CMSInitiatingOccupancyFraction=80%</td> 
   <td>表示老年代内存空间使用80%时开始执行CMS收集，防止过多得Full GC</td> 
  </tr> 
  <tr> 
   <td>-XX:+UseG1GC</td> 
   <td>G1收集器</td> 
  </tr> 
  <tr> 
   <td>-XX:MaxTenuringThreshold=0</td> 
   <td>在年轻代经过几次GC后还存活，就进入到老年代，0表示直接进入到老年代</td> 
  </tr> 
 </tbody> 
</table>

## 垃圾回收算法（Garbage Collection：GC） ##

### 引用计数法 ###

> 引用指向对象是该对象引用计数器+1，引用失败时-1，如果计数器为0，则说明该对象可以被回收。

优点：

>  *  及时回收无效内存，实时性高。
>  *  垃圾回收过程中无需挂起。
>  *  没有全局扫描，性能高。

缺点：

>  *  对象创建时需要更新引用计数器，耗费一部分时间。
>  *  浪费CPU资源，计数器统计需要实时进行。
>  *  无法解决循环引用问题，即使对象无效仍不会被回收。

### 标记清除法 ###

> 将垃圾回收分为两个阶段，分别是标记和清除。  
> 标记：从根节点开始标记引用的对象。  
> 清除：未被标记引用的对象就是垃圾对象，可以被清理。

### 标记压缩法 ###

> 在标记清除算法的基础之上，做了优化改进。从根节点开始，对 对象的引用进行标记，在清理阶段，并不是简单的清理未标记的对象，而是将存活的对象压缩到内存的一端，然后清理边界以外的垃圾，从而**解决了碎片化的问题**。

### 复制算法 ###

> 将原有的内存空间一分为二，每次只用其中的一块，在垃圾回收时，将正在使用的对象复制到里一个内存空间中，然后将该内存空间清空，交换两个内存的角色，完成垃圾的回收。  
> 如果内存中的垃圾对象较多，需要复制的对象就较少，这种情况下适合使用该方式并且效率比较高，反之，则不合适。  
> 在GC开始的时候，对象只会存在Eden和名为from的Servivor区，Servivor区的to是空的。进行GC的时候，Eden中所有存活的对象都会被复制到to区。而在from区中，仍存活的对象会根据它们的年龄来决定去向。年龄达到阈值（-XX:MaxTenuringThreshold设置的）的对象会被移到年老代中区，没有达到阈值的会被复制到to区。  
> 经过这次GC后，Eden区和From区已经被清空。这个时候，“From”和“To”会交换他们的角色，也就是新 的“To”就是上次GC前的“From”，新的“From”就是上次GC前的“To”。不管怎样，都会保证名为To的Survivor区 域是空的。  
> GC会一直重复这样的过程，直到“To”区被填满，“To”区被填满之后，会将所有对象移动到年老代中。

### 分代算法 ###

> 根据回收对象的特点进行选择，在jvm中，年轻代适合使用复制算法，老年代适合使用 标记清除或标记压缩算法。

## 垃圾收集器 ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzgzOTMyMw_size_16_color_FFFFFF_t_70_pic_center 1]

### 新生代收集器 ###

#### Serial收集器 ####

Serial（串行）收集器是最基本、发展历史最悠久的收集器，它是采用复制算法的新生代收集器，曾经（JDK 1.3.1之前）是虚拟机新生代收集的唯一选择。

它是一个单线程收集器，只会使用一个CPU或一条收集线程去完成垃圾收集工作，更重要的是它在进行垃圾收集时，必须暂停其他所有的工作线程，直至Serial收集器收集结束为止（“Stop The World”）。

这项工作是由虚拟机在后台自动发起和自动完成的，在用户不可见的情况下把用户正常工作的线程全部停掉，这对很多应用来说是难以接收的。图解 Java 垃圾回收机制，这篇推荐看下。

下图展示了Serial 收集器（老年代采用Serial Old收集器）的运行过程：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzgzOTMyMw_size_16_color_FFFFFF_t_70_pic_center 2]  
为了消除或减少工作线程因内存回收而导致的停顿，HotSpot虚拟机开发团队在JDK 1.3之后的Java发展历程中研发出了各种其他的优秀收集器，这些将在稍后介绍。但是这些收集器的诞生并不意味着Serial收集器已经“老而无用”，实际上到现在为止，它依然是HotSpot虚拟机运行在Client模式下的默认的新生代收集器。

它也有着优于其他收集器的地方：简单而高效（与其他收集器的单线程相比），对于限定单个CPU的环境来说，Serial收集器由于没有线程交互的开销，专心做垃圾收集自然可以获得更高的单线程收集效率。

在用户的桌面应用场景中，分配给虚拟机管理的内存一般不会很大，收集几十兆甚至一两百兆的新生代（仅仅是新生代使用的内存，桌面应用基本不会再大了），停顿时间完全可以控制在几十毫秒最多一百毫秒以内，只要不频繁发生，这点停顿时间可以接收。

所以，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。

#### ParNew 收集器 ####

ParNew收集器就是Serial收集器的多线程版本，它也是一个新生代收集器。除了使用多线程进行垃圾收集外，其余行为包括Serial收集器可用的所有控制参数、收集算法（复制算法）、Stop The World、对象分配规则、回收策略等与Serial收集器完全相同，两者共用了相当多的代码。

ParNew收集器的工作过程如下图（老年代采用Serial Old收集器）：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzgzOTMyMw_size_16_color_FFFFFF_t_70_pic_center 3]  
ParNew收集器除了使用多线程收集外，其他与Serial收集器相比并无太多创新之处，但它却是许多运行在Server模式下的虚拟机中首选的新生代收集器，其中有一个与性能无关的重要原因是，除了Serial收集器外，目前只有它能和CMS收集器（Concurrent Mark Sweep）配合工作，CMS收集器是JDK 1.5推出的一个具有划时代意义的收集器，具体内容将在稍后进行介绍。

ParNew 收集器在单CPU的环境中绝对不会有比Serial收集器有更好的效果，甚至由于存在线程交互的开销，该收集器在通过超线程技术实现的两个CPU的环境中都不能百分之百地保证可以超越。

在多CPU环境下，随着CPU的数量增加，它对于GC时系统资源的有效利用是很有好处的。它默认开启的收集线程数与CPU的数量相同，在CPU非常多的情况下可使用-XX:ParallerGCThreads参数设置。

#### Parallel Scavenge 收集器 ####

Parallel Scavenge收集器也是一个并行的多线程新生代收集器，它也使用复制算法。Parallel Scavenge收集器的特点是它的关注点与其他收集器不同，CMS等收集器的关注点是尽可能缩短垃圾收集时用户线程的停顿时间，而Parallel Scavenge收集器的目标是达到一个可控制的吞吐量（Throughput）。

停顿时间越短就越适合需要与用户交互的程序，良好的响应速度能提升用户体验。而高吞吐量则可以高效率地利用CPU时间，尽快完成程序的运算任务，主要适合在后台运算而不需要太多交互的任务。

Parallel Scavenge收集器除了会显而易见地提供可以精确控制吞吐量的参数，还提供了一个参数-XX:+UseAdaptiveSizePolicy，这是一个开关参数，打开参数后，就不需要手工指定新生代的大小（-Xmn）、Eden和Survivor区的比例（-XX:SurvivorRatio）、晋升老年代对象年龄（-XX:PretenureSizeThreshold）等细节参数了。

虚拟机会根据当前系统的运行情况收集性能监控信息，动态调整这些参数以提供最合适的停顿时间或者最大的吞吐量，这种方式称为GC自适应的调节策略（GC Ergonomics）。自适应调节策略也是Parallel Scavenge收集器与ParNew收集器的一个重要区别。

另外值得注意的一点是，Parallel Scavenge收集器无法与CMS收集器配合使用，所以在JDK 1.6推出Parallel Old之前，如果新生代选择Parallel Scavenge收集器，老年代只有Serial Old收集器能与之配合使用。

### 老年代收集器 ###

#### Serial Old收集器 ####

Serial Old 是 Serial收集器的老年代版本，它同样是一个单线程收集器，使用“标记-整理”（Mark-Compact）算法。

此收集器的主要意义也是在于给Client模式下的虚拟机使用。如果在Server模式下，它还有两大用途：

在JDK1.5 以及之前版本（Parallel Old诞生以前）中与Parallel Scavenge收集器搭配使用。

作为CMS收集器的后备预案，在并发收集发生Concurrent Mode Failure时使用。

它的工作流程与Serial收集器相同，这里再次给出Serial/Serial Old配合使用的工作流程图：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzgzOTMyMw_size_16_color_FFFFFF_t_70_pic_center 4]

#### Parallel Old收集器 ####

Parallel Old收集器是Parallel Scavenge收集器的老年代版本，使用多线程和“标记-整理”算法。前面已经提到过，这个收集器是在JDK 1.6中才开始提供的，在此之前，如果新生代选择了Parallel Scavenge收集器。

老年代除了Serial Old以外别无选择，所以在Parallel Old诞生以后，“吞吐量优先”收集器终于有了比较名副其实的应用组合，在注重吞吐量以及CPU资源敏感的场合，都可以优先考虑Parallel Scavenge加Parallel Old收集器。

Parallel Old收集器的工作流程与Parallel Scavenge相同，这里给出Parallel Scavenge/Parallel Old收集器配合使用的流程图：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzgzOTMyMw_size_16_color_FFFFFF_t_70_pic_center 5]

#### CMS收集器 ####

CMS（Concurrent Mark Sweep）收集器是一种以获取最短回收停顿时间为目标的收集器，它非常符合那些集中在互联网站或者B/S系统的服务端上的Java应用，这些应用都非常重视服务的响应速度。从名字上（“Mark Sweep”）就可以看出它是基于“标记-清除”算法实现的。

CMS收集器工作的整个流程分为以下4个步骤：

初始标记（CMS initial mark）：仅仅只是标记一下GC Roots能直接关联到的对象，速度很快，需要“Stop The World”。

并发标记（CMS concurrent mark）：进行GC Roots Tracing的过程，在整个过程中耗时最长。

重新标记（CMS remark）：为了修正并发标记期间因用户程序继续运作而导致标记产生变动的那一部分对象的标记记录，这个阶段的停顿时间一般会比初始标记阶段稍长一些，但远比并发标记的时间短。此阶段也需要“Stop The World”。

并发清除（CMS concurrent sweep）

由于整个过程中耗时最长的并发标记和并发清除过程收集器线程都可以与用户线程一起工作。

所以，从总体上来说，CMS收集器的内存回收过程是与用户线程一起并发执行的。通过下图可以比较清楚地看到CMS收集器的运作步骤中并发和需要停顿的时间：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzgzOTMyMw_size_16_color_FFFFFF_t_70_pic_center 6]  
优点

CMS是一款优秀的收集器，它的主要优点在名字上已经体现出来了：并发收集、低停顿，因此CMS收集器也被称为并发低停顿收集器（Concurrent Low Pause Collector）。

缺点

对CPU资源非常敏感 其实，面向并发设计的程序都对CPU资源比较敏感。在并发阶段，它虽然不会导致用户线程停顿，但会因为占用了一部分线程（或者说CPU资源）而导致应用程序变慢，总吞吐量会降低。

CMS默认启动的回收线程数是（CPU数量+3）/4，也就是当CPU在4个以上时，并发回收时垃圾收集线程不少于25%的CPU资源，并且随着CPU数量的增加而下降。但是当CPU不足4个时（比如2个），CMS对用户程序的影响就可能变得很大，如果本来CPU负载就比较大，还要分出一半的运算能力去执行收集器线程，就可能导致用户程序的执行速度忽然降低了50%，其实也让人无法接受。

无法处理浮动垃圾（Floating Garbage） 可能出现“Concurrent Mode Failure”失败而导致另一次Full GC的产生。

由于CMS并发清理阶段用户线程还在运行着，伴随程序运行自然就还会有新的垃圾不断产生。这一部分垃圾出现在标记过程之后，CMS无法再当次收集中处理掉它们，只好留待下一次GC时再清理掉。

这一部分垃圾就被称为“浮动垃圾”。也是由于在垃圾收集阶段用户线程还需要运行，那也就还需要预留有足够的内存空间给用户线程使用，因此CMS收集器不能像其他收集器那样等到老年代几乎完全被填满了再进行收集，需要预留一部分空间提供并发收集时的程序运作使用。

标记-清除算法导致的空间碎片 CMS是一款基于“标记-清除”算法实现的收集器，这意味着收集结束时会有大量空间碎片产生。

空间碎片过多时，将会给大对象分配带来很大麻烦，往往出现老年代空间剩余，但无法找到足够大连续空间来分配当前对象。

### G1收集器 ###

G1（Garbage-First）收集器是当今收集器技术发展最前沿的成果之一，它是一款面向服务端应用的垃圾收集器，HotSpot开发团队赋予它的使命是（在比较长期的）未来可以替换掉JDK 1.5中发布的CMS收集器。与其他GC收集器相比，G1具备如下特点：

并行与并发 G1 能充分利用多CPU、多核环境下的硬件优势，使用多个CPU来缩短“Stop The World”停顿时间，部分其他收集器原本需要停顿Java线程执行的GC动作，G1收集器仍然可以通过并发的方式让Java程序继续执行。

分代收集 与其他收集器一样，分代概念在G1中依然得以保留。虽然G1可以不需要其他收集器配合就能独立管理整个GC堆，但它能够采用不同方式去处理新创建的对象和已存活一段时间、熬过多次GC的旧对象来获取更好的收集效果。

空间整合 G1从整体来看是基于“标记-整理”算法实现的收集器，从局部（两个Region之间）上来看是基于“复制”算法实现的。这意味着G1运行期间不会产生内存空间碎片，收集后能提供规整的可用内存。此特性有利于程序长时间运行，分配大对象时不会因为无法找到连续内存空间而提前触发下一次GC。

可预测的停顿 这是G1相对CMS的一大优势，降低停顿时间是G1和CMS共同的关注点，但G1除了降低停顿外，还能建立可预测的停顿时间模型，能让使用者明确指定在一个长度为M毫秒的时间片段内，消耗在GC上的时间不得超过N毫秒，这几乎已经是实时Java（RTSJ）的垃圾收集器的特征了。

横跨整个堆内存  
在G1之前的其他收集器进行收集的范围都是整个新生代或者老生代，而G1不再是这样。对象都是在堆上分配的吗？推荐大家看下。关注微信公众号：Java技术栈，在后台回复：JVM，可以获取我整理的 N 篇最新 JVM 教程，都是干货。

G1在使用时，Java堆的内存布局与其他收集器有很大区别，它将整个Java堆划分为多个大小相等的独立区域（Region），虽然还保留新生代和老年代的概念，但新生代和老年代不再是物理隔离的了，而都是一部分Region（不需要连续）的集合。

建立可预测的时间模型

G1收集器之所以能建立可预测的停顿时间模型，是因为它可以有计划地避免在整个Java堆中进行全区域的垃圾收集。G1跟踪各个Region里面的垃圾堆积的价值大小（回收所获得的空间大小以及回收所需时间的经验值），在后台维护一个优先列表，每次根据允许的收集时间，优先回收价值最大的Region（这也就是Garbage-First名称的来由）。这种使用Region划分内存空间以及有优先级的区域回收方式，保证了G1收集器在有限的时间内可以获取尽可能高的收集效率。

避免全堆扫描——Remembered Set

G1把Java堆分为多个Region，就是“化整为零”。但是Region不可能是孤立的，一个对象分配在某个Region中，可以与整个Java堆任意的对象发生引用关系。在做可达性分析确定对象是否存活的时候，需要扫描整个Java堆才能保证准确性，这显然是对GC效率的极大伤害。

为了避免全堆扫描的发生，虚拟机为G1中每个Region维护了一个与之对应的Remembered Set。虚拟机发现程序在对Reference类型的数据进行写操作时，会产生一个Write Barrier暂时中断写操作。  
检查Reference引用的对象是否处于不同的Region之中（在分代的例子中就是检查是否老年代中的对象引用了新生代中的对象），如果是，便通过CardTable把相关引用信息记录到被引用对象所属的Region的Remembered Set之中。当进行内存回收时，在GC根节点的枚举范围中加入Remembered Set即可保证不对全堆扫描也不会有遗漏。

如果不计算维护Remembered Set的操作，G1收集器的运作大致可划分为以下几个步骤：

初始标记（Initial Marking） 仅仅只是标记一下GC Roots 能直接关联到的对象，并且修改TAMS（Nest Top Mark Start）的值，让下一阶段用户程序并发运行时，能在正确可以的Region中创建对象，此阶段需要停顿线程，但耗时很短。

并发标记（Concurrent Marking） 从GC Root 开始对堆中对象进行可达性分析，找到存活对象，此阶段耗时较长，但可与用户程序并发执行。

最终标记（Final Marking） 为了修正在并发标记期间因用户程序继续运作而导致标记产生变动的那一部分标记记录，虚拟机将这段时间对象变化记录在线程的Remembered Set Logs里面，最终标记阶段需要把Remembered Set Logs的数据合并到Remembered Set中，这阶段需要停顿线程，但是可并行执行。

筛选回收（Live Data Counting and Evacuation） 首先对各个Region中的回收价值和成本进行排序，根据用户所期望的GC 停顿是时间来制定回收计划。此阶段其实也可以做到与用户程序一起并发执行，但是因为只回收一部分Region，时间是用户可控制的，而且停顿用户线程将大幅度提高收集效率。

通过下图可以比较清楚地看到G1收集器的运作步骤中并发和需要停顿的阶段（Safepoint处）：  
![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzgzOTMyMw_size_16_color_FFFFFF_t_70_pic_center 7]

## 常见问题汇总 ##

*  为什么会出现堆内存溢出

> 在年轻代中经过GC后还存活的对象会被复制到老年代中，当老年代空间不足时，JVM会对老年代进行完全的垃圾回收（Full GC），如果GC后，还是无法存放从Survivor区复制过来的对象，就会出席那OOM（Out Of Memory）。

> OOM（Out Of Memory）异常常见的原因：
> 
>  *  老年代内存不足：Java.lang.OutOfMemoryError:Javaheapspace
>  *  永久代内存不足：java.lang.OutOfMemoryError:PermGenspace
>  *  代码bug，占用内存无法及时回收。

其实OOM在几个内存区中都有可能出现。

**可以通过添加个参数-XX:+HeapDumpOnOutMemoryError，让虚拟机在出现内存溢出异常时Dump出当前的内存堆转储快照以便事后分析。**

*  什么样的对象被称为GC Roots对象？

>  *  方法区里常量池中的引用对象。
>  *  方法区里静态属性引用对象。
>  *  栈里的引用对象。
>  *  存活的线程对象。

*  java里面都有哪些引用呢？

>  *  强引用  
>     当我们使用 Object o = new Object(); 创建一个对象的时候这里的o就是一个强引用，在垃圾回收的时候，被强引用引用的对象是不会被回收的。
>  *  软引用  
>     在java里面可以使用 SoftRefrence s = new SoftRefrence()来使用软引用，使用软引用引用的对象会在垃圾回收空间不够的时候被回收
>  *  弱引用  
>     weakRefrence w = new WeakRefrence（）；被弱引用引用的对象会在下一次垃圾回收的时候被回收。在ThreadLocal里面的Entry与ThreadLocal对象的引用就是使用的弱引用
>  *  虚引用  
>     虚引用又称为幽灵引用，PhatomRenfrence p = new PhatomRenfrence（）；  
>     虚引用是最弱的一中引用，被虚引用引用的对象会在被回收的时候收到一个通知

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzgzOTMyMw_size_16_color_FFFFFF_t_70_pic_center]: /images/20221120/a3d301cedeed430fbdd0d0d996cbe217.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzgzOTMyMw_size_16_color_FFFFFF_t_70_pic_center 1]: https://img-blog.csdnimg.cn/20201112205728733.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzgzOTMyMw==,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzgzOTMyMw_size_16_color_FFFFFF_t_70_pic_center 2]: https://img-blog.csdnimg.cn/20201112211828185.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzgzOTMyMw==,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzgzOTMyMw_size_16_color_FFFFFF_t_70_pic_center 3]: https://img-blog.csdnimg.cn/20201112211919201.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzgzOTMyMw==,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzgzOTMyMw_size_16_color_FFFFFF_t_70_pic_center 4]: https://img-blog.csdnimg.cn/20201112212039335.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzgzOTMyMw==,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzgzOTMyMw_size_16_color_FFFFFF_t_70_pic_center 5]: https://img-blog.csdnimg.cn/20201112212220512.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzgzOTMyMw==,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzgzOTMyMw_size_16_color_FFFFFF_t_70_pic_center 6]: https://img-blog.csdnimg.cn/20201112212258597.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzgzOTMyMw==,size_16,color_FFFFFF,t_70#pic_center
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzgzOTMyMw_size_16_color_FFFFFF_t_70_pic_center 7]: https://img-blog.csdnimg.cn/20201112212430273.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MzgzOTMyMw==,size_16,color_FFFFFF,t_70#pic_center