JVM垃圾回收的相关算法

大厂面试题

什么是垃圾？

垃圾是指在运行程序中没有任何指针指向的对象，这个对象就是需要被回收的垃圾。

一、标记阶段：引用计数算法和可达性分析算法

对象存活判断

在堆里存放着几乎所有的Java对象实例，在GC执行垃圾回收之前，首先需要区分出内存中哪些是存活对象，哪些是已经死亡的对象，只有被标记为已经死亡的对象，GC才会在进行垃圾回收时释放掉其所占用的内存空间，因此这个过程我们可以成为垃圾标记阶段。

JVM中如何标记一个死亡对象呢？简单来说，当一个对象不再被热呢存活对象继续引用时，就可以宣判为已经死亡。

判断对象存活一般有两种方式：引用计数算法和可达性分析算法。

引用计数算法

概念

这一算法比较简单，对每个对象保存一个整型的引用计数器属性，用于记录对象被引用的情况。

就是对于创建的每一个对象都有一个与之关联的计数器，这个计数器记录着该对象被使用的次数，垃圾收集器在进行垃圾回收时，对扫描到的每一个对象判断一下计数器是否等于0，若等于0，就会释放该对象占用的内存空间,同时将该对象引用的其他对象的计数器进行减一操作。

优点

实现简单，垃圾对象便于辨识；判定效率高，回收没有延迟性。

缺点

它需要单独的字段存储计数器，这样的做法增加了存储空间的开销。每次赋值都需要更新计数器，增加了时间开销。引用计数算法有一个严重问题：无法处理循环引用的情况，这是一条致命缺陷，导致在Java的垃圾回收器中没有使用这类算法。（如图所示）

如图是引用计数器的问题，实际JVM并没有使用它，因此也不会出现如上情况。

小结

       虽然Java没有用，但python用了引用计数算法。具体哪种算法最优是看场景的，业界有大规模实践中仅保留引用计数机制，以提高吞吐量的尝试。

      python如何解决的？有两种方法：手动解除和弱引用weakref

可达性分析算法(根搜索算法、追踪性垃圾收集)

所谓“GC Roots”根集合就是一组必须活跃的引用。

基本思路

以根对象集合（GC Roots）为起始点，按照从上至下的方法搜索被根对象集合所连接的目标对象是否可达。使用可达性分析算法后，内存中的存活对象都会被根对象集合直接或间接连接着，搜索所走过的路径称为引用链。如果目标对象没有引用链相连，则是不可达的，就意味着该对象已经死亡，可以标记为垃圾对象。在可达性分析算法中，只有能够被根对象集合直接或者间接连接的对象才是存活对象。

 

GC Roots

在Java语言中，GC Roots包括以下几类元素：

虚拟机栈（栈帧中的本地变量表）中引用的对象。比如：各个线程被调用的方法中使用到的参数、局部变量等。方法区中类静态属性引用的对象。比如：Java类的引用类型静态变量方法区中常量引用的对象。比如：字符串常量池里的引用本地方法栈中JNI（即一般说的native方法）中引用的对象所有被同步锁synchronized持有的对象Java虚拟机内部的引用。基本数据类型对应的Class对象，一些常驻的异常对象，系统类加载器。反映Java虚拟机内部情况的JMXBean、JVMTI中注册的回调、本地代码缓存等。

     除了这些固定的GC Roots集合之外，根据用户所选用的垃圾收集器以及当前回收的内存区域不同，还可以有其他对象“临时性”地加入，共同构成完整GC Roots集合。比如：分代收集和局部回收（Partial GC ）

    小技巧：由于Root采用栈方式存放变量和指针，所以如果一个指针，它保存了堆内存里面的对象，但是自己又不存放在堆内存里面，那它就是一个Root。

注意

如果要使用可达性分析算法来判断内存是否可回收，那么分析工作必须在一个能保障一致性的快照中进行。这点不满足的话分析结果的准确性就无法保证。这点也是导致GC进行时必须“stop the world”的一个重要原因。即使是号称不会发生停顿的CMS收集器，美剧根节点时也是必须要停顿的。

二、对象的finalization机制

Java语言提供了对象终止（finalization）机制来允许开发人员提供对象被销毁之前的自定义处理逻辑。当垃圾回收器发下没有引用指向一个对象，即：垃圾回收此对象之前，总会先调用这个对象的finalize()方法。finalize()方法运行进行一些资源释放和清理的工作，比如关闭文件、套接字和数据库连接等。永远不要主动调用某个对象的finalize()方法，应该交给垃圾回收机制去调用。理由如下： 在finalize()时可能会导致对象复活。finalize()方法的执行时间是没有保障的，它完全由GC线程决定，极端情况下，若不发生GC，则finalize（）方法将没有执行机会。一个糟糕的finalize()会严重影响GC 的性能。 从功能上来说，finalize()方法与C++中的析构函数比较相似，但是Java采用的是基于垃圾回收器的自动内存管理机制，所以finalize()方法本质上不同于C++中的析构函数。由于finalize()方法的存在，虚拟机中的对象一般处于三种可能的状态。如果从所有的根节点都无法访问到某个对象，说明对象已经不再使用了。一般来说，此对象需要被回收。但事实上，也并非是“非死不可”的，这时候他们暂时处于“缓刑”的阶段。一个无法触及的对象有可能在某一个条件下“复活”自己，如果这样，那对它的回收就是不合理的，为此，定义虚拟机中的对象可能的三种状态如下（这三种状态是由于finalize()方法的存在进行的区分。只有在对象不可触及时才可以被回收）： 可触及的：从根节点开始，可以到达这个对象。可复活的：对象的所有引用都被释放，但是对象可能在finalize()中复活。不可触及的：对象的finalize()被调用，并且该对象没有复活，那么就会进入不可触及状态。不可触及的对象不可能被复活，因为finalize()只会被调用一次。

具体过程

基于上述情况可知，在可达性分析算法张，判定一个对象objA是否可回收，至少要经历两次标记过程：

如果对象objA到GC Root没有引用链，则进行第一次标记。进行筛选，判断此对象是否有必要执行finalize()方法

          ①如果对象objA没有重写finalize()方法，或者finalize()方法已经被虚拟机调用过，则虚拟机视为没有必要执行，objA被判               定 为不可触及的。

          ②如果对象objA重写了finalize()方法，且还未执行过，那么objA会被插入到F-Queue队列中，由一个虚拟机自动创建的、              低优先级的Finalizer线程触发其finalize()方法。

          ③finalize()方法是对象逃脱死亡的最后机会，稍后GC会对F-Queue队列中的对象进行第二次标记。如果objA在finalize()方             法中与引用链上的任何一个对象建立了联系，那么在第二次标记时，objA会被移出“即将回收”集合。之后，对象会再次出               现没有引用存在的情况。在这个情况下finalize()方法不会被再次调用，对象会直接变成不可触及的状态，也就是说，一个             对象的finalize()方法只会被调用一次。

三、MAT与JProfiler的GC Roots溯源

MAT和JProfiler都是JVM的内存分析工具，可以利用Java自带的jvisualvm导出某一时刻的内存快照，也就是dump文件，然后导入到MAT和JProfiler进行分析。

MAT

MAT是有两种安装方式的，这一点与其他eclipse插件略有不同。

一种安装方式是将MAT当做eclipse的插件进行安装：启动Eclipse --> Help --> Eclipse Marketplace，然后搜索Memory Analyzer，安装，重启eclipse即可。

另外一种安装方式是将MAT作为一个独立的软件进行安装：去官网http://www.eclipse.org/mat/downloads.php，根据操作系统版本下载最新的MAT。下载后解压就可以运行了。

JProfiler

JProfiler可以直接去官网进行下载：https://www.ej-technologies.com/products/jprofiler/overview.html

添加程序的运行参数+XX:+HeapDumpOnOutOfMemoryError可以在程序发生OOM时自动创建一个dump文件，将该文件用JProfiler打开即可进行分析

四、清除阶段：标记-清除算法、复制算法和标记-压缩算法

当成功区分出内存中存活对象和死亡对象后，GC接下来的任务就会执行垃圾回收，释放掉无用对象所占用的内存空间，以便有足够的可用内存空间为新对象分配内存。

目前在JVM中比较常见的三种垃圾收集算法时标记-清除算法（Mark-Sweep）、复制算法（Copying）、标记-压缩算法（Mark-Compact）。

标记-清除算法

标记-清除算法（Mark-Sweep）是一种非常基础和常见的垃圾收集算法。

执行过程

当堆中的有效内存空间被耗尽的时候，就会停止整个程序（stop the world），然后进行两项工作，第一项是标记，第二项是清除。

标记：Collector从引用根节点开始遍历，标记所有被引用的对象（注意：JVM可以选择标记被引用对象，也可以选择标记不可达对象，不过默认是标记被引用对象）。一般是在对象的Header中记录为可达对象。清除：Collector对堆内存从头到尾进行线性的遍历，如果发现某个对象在其Header中没有标记为可达对象，则将其回收。

缺点

效率不算高在进行GC的时候，需要停止整个应用程序，导致用户体验差这种方式清理出来的空闲内存是不连续的，产生内存碎片，需要维护一个空闲列表

注意：何为清除？

这里所谓的清除并不是真的置空，而是把需要清除的对象地址保存在空闲的地址列表里。下次有新对象需要加载时，判断垃圾的位置空间是否够，如果够，就存放。

复制算法

核心思想

复制算法的诞生是为了解决标记-清除算法在垃圾收集效率方面的缺陷，其核心思想是将活着的内存空间分为两块，每次只使用其中一块，在垃圾回收时将正在使用的的存活对象复制到未被使用的内存块中，之后清除正在使用的内存块中的所有对象，交换两个内存的角色，最后完成垃圾回收。堆区新生代的survivor0和survivor1区就是使用了复制算法。

优点：

没有标记和清除过程，实现简单，运行高效。复制过去以后保证空间的连续性，不会出现“碎片”问题。

缺点：

很明显，就是需要两倍的内存空间。对于G1这种分拆成为大量region（分区）的GC，复制而不是移动，意味着GC需要维护region之间对象引用关系，不管是内存占用或时间开销也不小。

特别的：

如果系统中的垃圾对象很多，复制算法需要复制的存活对象数量并不会太大，或者说非常低才行。

应用场景：

在新生代，对常规应用的垃圾回收，一次通常可以回收70%-90%的内存空间。回收性价比很高。所以现代的商业虚拟机都是用这种收集算法回收新生代。

标记-压缩（标记-整理、Mark-Compact）算法

执行过程：

第一阶段和标记-清除算法一样，从根节点开始标记所有被引用的对象第二阶段将所有的存活对象压缩到内存的一端，按顺序排放。之后，清理边界外所有的空间

 

标记-压缩算法的最终效果等同于标记-清除算法执行完成后再进行一次内存碎片整理，因此，也可以把它称为标记-清除-压缩（Mark-Sweep-Compact）算法。

二者的本质差别在于标记-清除算法是一种非移动式的回收算法，而标记-压缩是移动的。是否移动回收后的存活对象是一项优缺点并存的风险决策。

优点：

消除了标记-清除算法当中，内存区域分散的缺点，这样在我们需要给新对象分配内存时，可以使用指针碰撞法，也就是说，只需要持有一个内存的起始地址即可。消除了复制算法当中，内存减半的高额代价。

缺点：

从效率上来说，标记-整理算法要低于复制算法和标记-清除算法。移动对象的同时，如果对象被其他对象引用，则还需要调整引用的地址。移动过程中，需要全程暂停用户应用程序。即STW。

小结（对比）

效率上来说，复制算法是最优的，但是却浪费了太多内存，典型的以空间换时间。

而为了尽力兼顾上面三个指标，标记-整理算法相对来说更平滑一些，但是效率上不尽如人意，它比复制算法多了一个标记的阶段，比标记-清除算法多了一个整理内存的阶段。

难道就没有一种最优算法吗？

当然是没有的，没有最好的算法，只有最合适的算法。

既然这三种算法都各有缺陷，高人们自然不会容许这种情况发生。因此，高人们提出可以根据对象的不同特性，使用不同的算法处理，类似于萝卜白菜各有所爱的原理。于是奇迹发生了，高人们终于找到了GC算法中的神级算法-----分代搜集算法。

五、分代收集算法

分代收集算法，是基于这样一个事实：不同的对象的生命周期是不一样的。因为，不同生命周期的对象可以采取不同的收集方法，以便提高回收效率。一般是把Java堆分为新生代和老年代，这样就可以根据各个年代的特点使用不同的回收算法，以提高垃圾回收的效率。比如说，HTTP请求中的Session对象、线程、Socket连接，这类对象跟业务直接挂钩，因此生命周期比较长，但是像String对象这种因其不变类的特性，在系统中大量且生命周期短，甚至只用一次即可回收。

目前几乎所有的GC都是采用分代收集算法执行垃圾回收的。

六、增量收集算法

基本思想

如果一次性将所有的垃圾进行处理，需要造成系统长时间的停顿，那么就可以让垃圾收集线程和应用程序交替执行。每次，垃圾收集线程只收集一小片区域的内存空间，接着切换到应用程序线程。一次反复，知道垃圾收集完成。

总的来说，增量收集算法的基础仍是传统的标记-清除和复制算法。增量收集算法通过对线程间冲突的妥善处理，允许垃圾收集线程以分阶段的方式完成标记、清理或者复制工作。

缺点

使用这种方式，由于在垃圾回收过程中，间断性地执行了应用程序代码，所以能减少系统的停顿时间。但是，因为线程切换和上下文转换的消耗，会使得垃圾回收的总体成本上升，造成系统吞吐量下降。

七、分区算法

为了更好地控制GC产生的停顿时间，将一块大的内存区域分割成多个小块，根据目标的停顿时间，每次合理地回收若干个小区间，而不是整个堆空间，从而减少一次GC所产生的停顿。

分代算法将按照对象的生命周期长短划分为两个部分，分区算法将整个堆空间划分为连续的不同小区间。

每一个小区间都独立使用独立回收。这种算法的好处是可以控制一次回收多少个小区间。

写在最后

上述所有的算法都只是基本思路，实际GC实现过程要复杂地多，目前还在发展中的前沿GC都是复合算法，并且并行和并发兼备。