JVM10_堆空间之新生代老年代、内存分配过程、Minor GC(Young GC)、Major GC、Full GC、TLAB、逃逸分析

本文主要是介绍JVM10_堆空间之新生代老年代、内存分配过程、Minor GC(Young GC)、Major GC、Full GC、TLAB、逃逸分析,希望对大家解决编程问题提供一定的参考价值,需要的开发者们随着小编来一起学习吧!

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
要想设置新生代中的比例,必须显式指定SurvivorRatio, 只是关闭自适应分配策略不管用

对象内存分配过程

在这里插入图片描述
在这里插入图片描述

图解

在这里插入图片描述
自我总结过程:
首先new的对象会放在Eden区,当Eden区满了以后会触发YoungGC(Minor GC),此时会把没有被GC的对象放到S0或者S1区,假设此时就是放到了S0区。当对象被放到S区开始,就会为这些对象分配一个age年龄计数器(当到了一定年龄对象就会被放到老年区)
当Eden区再一次满了,又触发YGC,幸存的对象会被放到S1区,而之前S0区没有被YGC的对象也会放到S1区。
如此重复,当S区中对象到了一定年龄,就会被放到老年区

当Eden区满了会触发YGC,但是S0或者S1区满了不会触发YGC,Eden区满了以后执行YGC,此时S0或S1会被动一起跟着执行YGC
在这里插入图片描述

对象内存分配的特殊情况

在这里插入图片描述
新产生的对象,如果Eden区能放下就放,放不下就先进行YGC,对新生代进行垃圾回收(新生代中没有被回收的被放到to区),看回收后是否能放下,如果还是放不下就直接放到老年代。
老年代一般比新生代空间大,老年代如果放不下,那么就触发FullGC(或者Major GC)对老年代进行垃圾回收。
如果还是放不下,那么就报OOM
当然JVM默认是有动态扩容机制的,当老年代内存不够会扩容,也可以设置为固定大小,此时放不下就OOM

在进行YGC时,S区也被动进行GC,然后对象就会被放到to区,如果to区放不下,那么就会直接晋升老年代,而不会等到age到了阈值

Minor GC(Young GC)、Major GC、Full GC

主要注意区分major GC 和 FullGC
有时候直接就叫majorGC。要问清楚是问老年代的major GC,还是整堆的full GC
在这里插入图片描述
在这里插入图片描述
Minor GC触发的STW(Stop The World)时间很短,而另外两个GC引发的STW时间很长,所以JVM优化大部分是针对MajorGC和FullGC的
在这里插入图片描述
在这里插入图片描述
堆空间分代的意义的

内存分配策略

在这里插入图片描述
在这里插入图片描述
new出来的东西肯定是放到堆空间的

TLAB

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
所以说,堆空间并不是都是共享的,每个线程都可以有一块独立的空间TLAB

JVM参数总结

在这里插入图片描述

堆并不是对象分配的唯一位置

如果一个对象只在方法中使用,没有逃逸出方法,那么就可能被分配到栈上
在这里插入图片描述

逃逸分析

判断是否发生逃逸,就看new出来的对象是否在方法外被调用
基于逃逸分析,所以我们在定义变量的时候,能使用局部变量,就不要在方法外定义
这样就会优先进行栈上分配内存,栈上分配的内存方法结束后也就直接出栈了,不会存在GC,
逃逸分析后栈上分配的优势 : 1、不存在GC 2、运行速度更快
在这里插入图片描述
在这里插入图片描述

逃逸分析,代码优化

在这里插入图片描述
标量替换
把一个聚合量替换成标量的表示形式,既然成为标量了,那么就可以放在栈帧中的局部变量表中,不需要在堆上分配,减少了GC
在这里插入图片描述
在这里插入图片描述
逃逸分析并不是很成熟,
TaobaoVM中的GCIH技术(将经常用的对象直接放到了不进行垃圾回收的区域)已经很成熟,只是增加了硬件,所以可以实现
在这里插入图片描述
HotSpot JVM中,虽然有逃逸分析,但是并没有使用栈上分配。而只是使用了标量替换,把聚合量拆解成多个标量,而标量就可以在栈上

所以最终明确,我们使用的hotspot虚拟机,对象实例都是在堆中分配

这篇关于JVM10_堆空间之新生代老年代、内存分配过程、Minor GC(Young GC)、Major GC、Full GC、TLAB、逃逸分析的文章就介绍到这儿,希望我们推荐的文章对编程师们有所帮助!



http://www.chinasem.cn/article/888179

相关文章

浅析Spring Security认证过程

类图 为了方便理解Spring Security认证流程,特意画了如下的类图,包含相关的核心认证类 概述 核心验证器 AuthenticationManager 该对象提供了认证方法的入口,接收一个Authentiaton对象作为参数; public interface AuthenticationManager {Authentication authenticate(Authenti

NameNode内存生产配置

Hadoop2.x 系列,配置 NameNode 内存 NameNode 内存默认 2000m ,如果服务器内存 4G , NameNode 内存可以配置 3g 。在 hadoop-env.sh 文件中配置如下。 HADOOP_NAMENODE_OPTS=-Xmx3072m Hadoop3.x 系列,配置 Nam

作业提交过程之HDFSMapReduce

作业提交全过程详解 (1)作业提交 第1步:Client调用job.waitForCompletion方法,向整个集群提交MapReduce作业。 第2步:Client向RM申请一个作业id。 第3步:RM给Client返回该job资源的提交路径和作业id。 第4步:Client提交jar包、切片信息和配置文件到指定的资源提交路径。 第5步:Client提交完资源后,向RM申请运行MrAp

性能分析之MySQL索引实战案例

文章目录 一、前言二、准备三、MySQL索引优化四、MySQL 索引知识回顾五、总结 一、前言 在上一讲性能工具之 JProfiler 简单登录案例分析实战中已经发现SQL没有建立索引问题,本文将一起从代码层去分析为什么没有建立索引? 开源ERP项目地址:https://gitee.com/jishenghua/JSH_ERP 二、准备 打开IDEA找到登录请求资源路径位置

【机器学习】高斯过程的基本概念和应用领域以及在python中的实例

引言 高斯过程(Gaussian Process,简称GP)是一种概率模型,用于描述一组随机变量的联合概率分布,其中任何一个有限维度的子集都具有高斯分布 文章目录 引言一、高斯过程1.1 基本定义1.1.1 随机过程1.1.2 高斯分布 1.2 高斯过程的特性1.2.1 联合高斯性1.2.2 均值函数1.2.3 协方差函数(或核函数) 1.3 核函数1.4 高斯过程回归(Gauss

SWAP作物生长模型安装教程、数据制备、敏感性分析、气候变化影响、R模型敏感性分析与贝叶斯优化、Fortran源代码分析、气候数据降尺度与变化影响分析

查看原文>>>全流程SWAP农业模型数据制备、敏感性分析及气候变化影响实践技术应用 SWAP模型是由荷兰瓦赫宁根大学开发的先进农作物模型,它综合考虑了土壤-水分-大气以及植被间的相互作用;是一种描述作物生长过程的一种机理性作物生长模型。它不但运用Richard方程,使其能够精确的模拟土壤中水分的运动,而且耦合了WOFOST作物模型使作物的生长描述更为科学。 本文让更多的科研人员和农业工作者

MOLE 2.5 分析分子通道和孔隙

软件介绍 生物大分子通道和孔隙在生物学中发挥着重要作用,例如在分子识别和酶底物特异性方面。 我们介绍了一种名为 MOLE 2.5 的高级软件工具,该工具旨在分析分子通道和孔隙。 与其他可用软件工具的基准测试表明,MOLE 2.5 相比更快、更强大、功能更丰富。作为一项新功能,MOLE 2.5 可以估算已识别通道的物理化学性质。 软件下载 https://pan.quark.cn/s/57

【编程底层思考】垃圾收集机制,GC算法,垃圾收集器类型概述

Java的垃圾收集(Garbage Collection,GC)机制是Java语言的一大特色,它负责自动管理内存的回收,释放不再使用的对象所占用的内存。以下是对Java垃圾收集机制的详细介绍: 一、垃圾收集机制概述: 对象存活判断:垃圾收集器定期检查堆内存中的对象,判断哪些对象是“垃圾”,即不再被任何引用链直接或间接引用的对象。内存回收:将判断为垃圾的对象占用的内存进行回收,以便重新使用。

衡石分析平台使用手册-单机安装及启动

单机安装及启动​ 本文讲述如何在单机环境下进行 HENGSHI SENSE 安装的操作过程。 在安装前请确认网络环境,如果是隔离环境,无法连接互联网时,请先按照 离线环境安装依赖的指导进行依赖包的安装,然后按照本文的指导继续操作。如果网络环境可以连接互联网,请直接按照本文的指导进行安装。 准备工作​ 请参考安装环境文档准备安装环境。 配置用户与安装目录。 在操作前请检查您是否有 sud

线性因子模型 - 独立分量分析(ICA)篇

序言 线性因子模型是数据分析与机器学习中的一类重要模型,它们通过引入潜变量( latent variables \text{latent variables} latent variables)来更好地表征数据。其中,独立分量分析( ICA \text{ICA} ICA)作为线性因子模型的一种,以其独特的视角和广泛的应用领域而备受关注。 ICA \text{ICA} ICA旨在将观察到的复杂信号