面试中GC的常见问题

淡淡的烟草味﹌ 2023-07-10 11:27 28阅读 0赞

## Java内存区域（运行时数据区JMM） ##

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MDk5MDgxOA_size_16_color_FFFFFF_t_70]  
共享的：  
方法区：类的共有属性、静态属性。 (JDK1.7存放在持久代 JDK1.8存放在元空间，放在本地内存而不是JVM内存中，这样不受GC影响 )  
JVM堆：对象、数组、常量

隔离的：（双栈是隔离的）  
本地方法栈：Natitve 方法  
虚拟机栈（JVM方法栈）：局部变量区、操作数栈、动态连接（方法调用过程的动态连接）、方法返回地址（可以理解为一个类方法的运行区域）。  
程序计数寄存器（PC寄存器）： 用于记录正在执行的虚拟机字节序列的行指示器。

注：每一个线程都会生成PC寄存器和虚拟机栈。

## Java垃圾回收器： ##

可以在java虚拟机添加启动参数，从而达到选择合适的垃圾回收期  
通过jmap -heap 进程数的方式可以查看当前采用的垃圾回收器类型

新生代收集器：Serial、ParNew、Parallel Scavenge( 可控制的吞吐量)； （复制算法）  
老年代收集器：Serial Old、Parallel Old、CMS； （1、2 采用标记整理算法 3采用标记清除算法）  
整堆收集器：G1；（标记整理,分区）；

应用场景：  
注重吞吐量以及CPU资源敏感的场景 （1.7、1.8默认）：Parallel Scavenge+Parallel Old  
与用户交互较多的场景:ParNew+CMS

选择垃圾回收器考虑的因素  
1.应用程序的场景  
2.硬件的制约 ：  
3.吞吐量的需求

a.串行垃圾回收器 -XX:+UseSerialGC：单线程 “牵一发动全身”（配置比较低机器适用）  
b.并行垃圾回收器 -XX:+UseParallelGC：多线程 （64位服务器默认垃圾回收器）  
c.并发标记扫描垃圾回收器（CMS） -XX:+UseConcMarkSweepGC ：利用多线程对需要回收的对象进行标记并回收。是对并行垃圾回收器的优化， 它以CPU和系统资源为代价，换取GC的延迟  
d.CMS的优化 -XX:ParallelCMSThreads= ：并发标记垃圾回收器使用的线程数，通常是cpu个数  
e…G1垃圾回收器 -XX:+UseG1GC：对比较大的进行回收，可以先压缩再回收。

并行：指多条垃圾收集线程并行工作，但此时用户线程仍然处于等待状态；  
并发：指用户线程与垃圾收集线程同时执行（但不一定是并行的，可能会交替执行）；  
用户程序在继续运行，而垃圾收集程序线程运行于另一个CPU上；

Minor GC:是清理新生代  
MajorGC：是指清理老年代  
Full GC：清理新生代和老年代GC  
发生Full GC时，一般会发生至少一次的Minor GC，所以Full GC比Minor GC至少慢10倍。

注：  
a.触发 Full GC的条件：老年代满了、持久代满了、System.gc()都会引起Fullgc  
b.新年代满了，会放至到空闲的Survivor区，只有所有的Survivor区满了才会放到老年代。  
c.持久代是方法区，Class在被加载的时候被放入永久代。 如果你的应用程序会加载很多Class的话,就很可能出现PermGen space错误。  
d.Survivor区的作用是减少被送到老年代的对象，进而减少Full GC的发生，Survivor的预筛选保证，  
只有经历16次Minor GC还能在新生代中存活的对象，才会被送到老年代。

如何判断一个垃圾回收器的优劣  
1.发生gc的停顿时间  
2.产生空间碎片的大小（这里影响并发阶段的吞吐量）

## 垃圾回收的算法： ##

a.标记-清除算法：效率偏低  
b.复制算法：效率高，但是占用2倍内存 （预留一块内存 将还存活的对象放到该内存）  
c.标记-整理算法：效率偏低（是对标记-清除算法的改进，让存活的对象向一段移动）  
d.分代收集算法：把Java堆分为新生代和老年代，根据年代将特征选择上述算法。  
老年代通常使用：a、c  
新年代通常使用：b  
GC分为2个部分：  
GC：收集新年代的区域  
Full GC:收集 新年代和老年代的区域

既然有 GC 机制，为什么还会有内存泄露的情况：  
存在无用但可达的对象，比如Hibernate中的Session，如果不及时flush()或者close(）,可能引发内存泄露。  
System.gc()和Runtime.gc()会提示JVM要进行垃圾回收。但是，立即回收还是延迟回收是取决于JVM的。

## 介绍强引用、软引用、弱引用、虚引用： ##

a.强引用： A a=new A() 只要引用a存在，垃圾回收器不会回收。  
b.软引用：类似于缓存的方式，不影响垃圾回收，可以提升速度，节省内存。若对象被回收，  
get()为null,此时可以重新new SoftReference  
c.弱引用：用于监控对象是否被垃圾回收器回收 isEnQueued方法 WeakReference  
d.虚引用：每次垃圾回收的时候都会被回收。主要用于对象是否已经从内存中删除。 通过IsEnQueued方法 PhantomReference

静态类型： 编译时即知道每一个变量的类型，因此，若存在类型错误编译是无法通过的。  
动态类型： 编译时不知道每一个变量的类型，因此，若存在类型错误会在运行时发生错误。  
JAVA 强类型、静态类型检查 静态显式

## 类加载机制： ##

类加载器

*  根类加载器：用来加载java的核心类
 *  扩展类加载器：用来加载jre的扩展目录
 *  系统加载器：它负责在JVM启动时加载来自Java命令的-classpath选项、java.class.path系统属性，或者CLASSPATH换将变量所指定的JAR包和类路径

![在这里插入图片描述][20200302130944428.png]

用户类在加载时不会首先去加载自己，而是先去加载其父类加载器。

类加载器的任务就是.class文件加载到到JVM转换成 java.lang,class类  
类加载过程：装载、链接和初始化。

双亲委托模型（确保加载的唯一性）：当类收到加载请求时，它首先不会尝试加载这个类，  
而是把请求委托给父类加载器执行，每个类都是如此（如果还有父类继续上交），如果父  
类加载不了，子类加载才会进行加载。

JAVA类加载的行为：（不包含对象成员部分，这些部分需要依托与实例化）  
1.生成Java.lang.class对象  
2.加载static模块  
3.类方法（使用static修饰的方法）的解析

延伸 实例方法指的是普通的依托于对象存在的方法。  
实例方法中：  
1.可以调用本类的类方法（static） （静态的方法 不能调用非静态的）  
2.可以调用父类 非private实例方法 ，被重写的使用super进行调用  
3.实例方法 不能调用其他类的实例方法 （根据双亲委托模型 其他类不一定进行了类加载）  
4.实例方法可以调用 超类非private的类方法

## 内存泄露和内存溢出 ##

异常堆栈信息“java.lang.OutOfMemoryError:java heap space”

内存泄漏：指的是程序在动态分片一些临时对象，但是对象不会被GC正常回收。它始终占用内存。即对象可达但已无用（诸如缓存）  
内存溢出：指程序运行过程中无法申请到足够的内存而导致的一种错误。  
所以内存泄漏只是内存溢出的一个可能诱发原因。

内存泄漏的常见场景  
1.长生命周期的对象持有短生命周期对象的引用。（这是最常见的情况）  
2.修改hashset对象的参数值，且参数是计算hash值得字段（这个hash对象已经不可获取，但又没正常被gc）  
3.机器的连接数和关闭时间设置（可以联想平安系统在连接多个数据库连接时，包内存溢出问题）

内存溢出的常见场景  
1.堆内存溢出：当频繁生产新新对象时，内存占用量超出jvm分配的内存。  
2.方法区溢出：程序加载的类过多，或者使用反射等动态代理生成类的技术，就可能导致该区发生内存溢出。  
3.线程栈溢出：一般线程栈溢出，是由于递归太深或者方法调用层级过多导致的。

在生产环境如何去解决内存溢出的问题  
在jar的启动参数添加： -XX：+heapDumpOnOutofMemoryError  
可以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进行分析。

手段：通过内存映射分析工具（如Eclipse Memory Analyzer）  
核心：通过判断内存中的对象是否是必要来判断是不是内存泄漏（即这对象是否是可达有用的）

解决问题的思路  
内存泄漏：通过内存映射分析工具，查看泄漏对象到GC Roots的引用链。从而准确地定位出泄漏代码的位置。  
内存溢出：检查虚拟机的堆参数（-Xmx与-Xms）,与机器物理内存对比是否可以调大。同时从代码是否存在某些对象生命周期过长、持有状态时间过长的情况，尝试减少程序运行期的内存消耗。

![在这里插入图片描述][watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MDk5MDgxOA_size_16_color_FFFFFF_t_70_pic_center]

[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MDk5MDgxOA_size_16_color_FFFFFF_t_70]: https://img-blog.csdnimg.cn/20200706135636781.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MDk5MDgxOA==,size_16,color_FFFFFF,t_70
[20200302130944428.png]: https://img-blog.csdnimg.cn/20200302130944428.png
[watermark_type_ZmFuZ3poZW5naGVpdGk_shadow_10_text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MDk5MDgxOA_size_16_color_FFFFFF_t_70_pic_center]: https://img-blog.csdnimg.cn/20200812233316509.png?x-oss-process=image/watermark,type_ZmFuZ3poZW5naGVpdGk,shadow_10,text_aHR0cHM6Ly9ibG9nLmNzZG4ubmV0L3dlaXhpbl80MDk5MDgxOA==,size_16,color_FFFFFF,t_70#pic_center