# 垃圾回收

# 什么是 GC, 为什么需要 GC

• 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
• 如果不及时对内存中的垃圾进行清理，那么，这些垃圾对象所占用的内存空间会一直保留到应用程序结束，被保留的空间无法被其他对象所使用，甚至可能会导致内存溢出
• 对于高级语言来说，一个基本认知是如果不进行垃圾回收，内存迟早会被消耗完，因为不断地分配内存空间而不进行回收，就好像不停地生产生活垃圾而从来不打扫一样
• 除了释放没用的对象，垃圾回收也可以清除内存里的记录碎片。碎片整理将所占用的堆内存移到堆的一端，以便 JVM 将整理出的内存分配给新的对象
• 随着应用程序所应付的业务越来越庞大，复杂，用户越来越多，没有 GC 就不能保证应用程序的正常运行。而经常造成 STW 的 GC 又跟不上实际的需求，所以才会不断地尝试对 GC 进行优化

# 早期的垃圾回收

• 在早期的 C/C++ 时代，垃圾回收基本上是手工进行的。开发人员可以用 new 关键字进行内存申请，并使用 delete 关键字进行内存释放
• 这种方式可以灵活控制内存释放的时间，但是会给开发人员带来频繁申请和释放内存的管理负担。倘若有一处测 i 村区间由于程序编码的问题忘记被回收，那么就会产生内存泄漏，垃圾对象永远无法被清除，随着系统运行时间的不断增长，垃圾对象所处消耗的内存可能持续上升，直到出现内存溢出并造成应用程序崩溃

# 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
• 当垃圾回收器发现没有引用指向一个对象，即：对一个对象进行垃圾回收之前，总会先调用这个对象的 finalized () 方法
• finalized () 方法允许在子类中被重写，用于在对象被回收时进行资源释放。通常在这个方法中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 finalized () 方法，应该交给垃圾回收机制调用。理由包括三点
  • 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，这时候它们暂时处于 “缓刑” 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，那么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 :
  • 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，但是对象有可能在 finalize () 中复活
  • 不可触及的：对象的 finalize () 被调用，并且没有复活，那么就不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
• 以上三种状态中，是由 finalize () 方法的存在，进行的区分，只有对象在不可触及时才可以被回收

具体过程

• 判断一个对象 objA 是否可回收，至少要经历两次标记过程 :

  1. 如果对象 objA 到 GC Roots 没有引用链，则进行第一次标记

  2. 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，且还未被执行过，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 () 方法执行

     ③ finalize () 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，那么第二次标记时，objA 会被移出 “即将回收” 集合。之后，对象会再一次出现没有引用的情况。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

# 垃圾回收相关算法概述

• 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，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 才会在执行垃圾回收时，释放掉其所占用的内存空间。因此这个过程我们可以称为垃圾标记阶段
• 当一个对象不再被任何的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: 引用计数法和可达性分析法

# 垃圾标记阶段算法

# 引用计数法的原理以及优缺点

• 引用计数算法 (Reference Counting) 比较简单，对每个对象保存一个整型的计数器属性，用于记录对象被引用的情况

• 对于一个对象 A, 只要有任何一个对象引用了 A, 则 A 的计数器就加 1; 当引用失效时，引用计数器就减 1. 只要对象 A 的引用计数器为 0, 即表示对象 A 不可能再被使用，可进行垃圾回收

• 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，伴随着加法和减法操作，这增加了时间开销

  • 引用计数器有一个严重的问题，即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该类算法

# 引用计数法小结

• 引用计数算法，是很多语言的资源回收选择，例如 Python, 同时支持引用计数和垃圾回收机制
• 具体哪种最优是要看场景的，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
• Java 并没有选择引用计数，是因为其存在一个基本难题，也就是很难处理循环引用关系
• Python 如何解决循环引用？
  • 手动解除：在合适的时机，解除引用关系
  • 使用弱引用 weakref, weakref 是 Python 提供的标准库，旨在解决循环引用

# 可达性分析算法

• 相对于引用计数法而言，可达性分析算法不仅同样具备简单和执行高效等特点，更重要的是该算法可以有效地解决在引用计数算法中循环引用的问题，防止内存泄漏的发生
• 相较于引用计数算法，这里的可达性分析就是 Java, C# 选择的，这种类型的垃圾手机通常也叫做追踪性垃圾手机 (Tracing Garbage Collection)
• 所谓 “GC Roots” 根集合就是一组必须活跃的引用
• 基本思路
  • 可达性分析算法是以根对象集合 (GC Roots) 为起始点，按照从上到下的方式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 (Reference Chain)
  • 如果目标对象没有任何引用相连，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，只有能够根据对象集合直接或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

• 虚拟机栈中引用的对象
  • 比如：各个线程中被调用的方法中使用到的参数，局部变量等
• 本地方法栈内 JNI (通常说的本地方法) 引用的对象
• 方法区中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 (String Table) 里的引用
• 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 (如 : NullPointerException, OutOfMemoryError), 系统类加载器
• 反应 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 集合以外，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)

  • 如果只针对 Java 堆中的某一块区域进行垃圾回收 (比如：典型的只针对新生代), 必须考虑到内存区域是虚拟机自己的实现细节，更不是孤立封闭的，这个区域的对象完全有可能被其他区域的对象所引用，这时候就需要一并将关联的区域对象也加入 GC Roots 集合中去考虑，才能保证可达性分析的准确性

  • 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

• 如果要使用可达性分析算法来判断内存是否可被回收，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 (几乎) 不会发生停顿的 CMS 收集器中，枚举根节点时也是必须要停顿的

# 垃圾清除相关算法概述

当成功区分出内存中存活对象和死亡对象后，GC 接下来的任务就是执行垃圾回收，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对新对象分配内存

目前在 JVM 中比较常见的三种垃圾收集算法是：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 (Mark-Sweep)

当堆中的有效内存空间 (available memory) 被耗尽的时候，就会停止整个程序 (也被称为 Stop The World), 然后进行两项工作，第一项是标记，第二项则是清除 \

• 标记: Collector 从引用根节点开始遍历，标记所有被引用的对象。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

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，判断垃圾的位址空间是否足够，如果够，就存放

# 赋值算法 (Copying)

将活着的内存空间分为块，每次只使用其中的一块，在垃圾回收时将正在使用的内存中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

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 :

• 此算法的缺点也是很明显的，就是需要两倍的内存空间
• 对于 G1 这种分拆为大量 region 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，不管是内存占用或者时间开销也不小

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

# 标记–压缩算法 (Mark-Compact)

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，按顺序摆放

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–压缩算法

优点 :

• 消除了标记–清除算法当中，内存区域分散的缺点，我们需要给新对象分配内存时，JVM 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
• 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，需要全程暂停用户程序。即 STW

# 小结

标记–清除算法和标记–压缩算法的本质差异在于前者是一种非移动式的回收算法，后者是移动式的。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

可以看到，标记的存活对象将会被整理，按照内存地址一次排列，而未被标记的内存会被清理掉。如此一来，当我们需要给新对象分配内存时，JVM 只需要持有一个内存的其实地址即可，这笔维护一个空闲列表显然少了许多开销

# 分代收集算法

钱买你所有这些算法中，并没有一种算法可以完全替代其他算法，它们都具有自己独特的优势和特点。分代收集算法应运而生

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。因此，不同生命周期的对象可以采取不同的收集方式，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垃圾回收算法，以提高垃圾回收的效率

在 Java 程序运行的过程中，会产生大量的对象，其中有些对象是与业务信息相关，比如 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。但是还会有一些对象，主要是程序运行过程中生成的临时变量，这些对象生命周期会比较短，比如 : String 对象，由于其不变类的特性，系统会产生大量的这些对象，有些对象甚至只用一次就被回收

目前几乎所有的 GC 都是采用分代收集 (Generational Collecting) 算法执行垃圾回收的

在 HotSpot 中，基于分代的概念，GC 所使用的内存回收算法必须结合年轻代和老年代各自的特点

• 年轻代 (Young Gen)

  年轻代特点：区域相对老年代较小，对象生命周期短，存活率低，回收频繁

  这种情况复制算法的回收整理，速度是最快的。复制算法的效率只和当前存活对象的大小有关，因此很适用于这类年代的回收。而复制算法内存利用率不高的问题，通过 HotSpot 中的两个 Survivor 的设计得到缓解

• 老年代 (Tenured Gen)

  老年代特点：区域较大，对象生命周期长，存活率高，回收不及年轻代频繁

  这种情况下存在大量存活率高的对象，复制算法明显变得不合适。一般是由标记 — 清除或者标记–清除与标记–整理的混合实现

  • Mark 阶段的开销与存活对象的数量成正比
  • Sweep 阶段的开销与所管理区域的大小成正相关
  • Compact 阶段的开销与存活对象的数据成正比

以 HotSpot 中的 CMS 回收器为例，CMS 是基于 Mark-Sweep 实现的，对于对象的回收效率很高。而对于碎片问题，CMS 采用基于 Mark-Compact 算法的 Serial Old 回收器作为补偿措施：当内存回收不佳时 (碎片导致的 ConCurrent Mode Failure 时), 将采用 Serial Old 执行 full GC 以达到对老年代的内存整理

分代的思想被现有的虚拟机广泛使用。几乎所有的垃圾回收器都会区分新生代和老年代

# 增量收集算法

上述现有的算法，在垃圾回收的过程中，应用软件将处于一种 Stop The World 的状态。在 Stop The World 状态下，应用程序所有的程序都会挂起，暂停一切正常工作，等待垃圾回收的完成。如果垃圾回收时间过长，应用程序会被挂起很久，将严重影响用户体验或者系统的稳定性。为了解决这个问题，即对试试垃圾收集算法的研究直接导致了增量收集 (Incremental Collecting) 算法的诞生

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线程交替进行。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。依次反复，直到垃圾回收完成

总的来说，增量收集算法的基础仍是标记–清除算法和复制算法。增量收集算法通过对线程间冲突的妥善处理，运行垃圾收集线程以分阶段的方式完成标记，清理或复制工作

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

# 分区算法

一般来说，在相同条件下，堆空间越大，一次 GC 所需要的时间就越长，有关 GC 产生的停顿也就越长。为了更好的控制 GC 产生的停顿时间，将一块大的内存区域分成多个小块，根据目标的停顿时间，每次合理地回收若干小空间，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