Java垃圾回收机制和三色标记算法

一、对象内存回收

对于对象回收，需要先判断垃圾对象，然后收集垃圾。

收集垃圾采用垃圾收集算法和垃圾收集器。

判断垃圾对象，通常采用可达性分析算法。

引用计数法

每个对象设置一个引用计数器。每被引用一次，计数器就加1，取消引用，计数器就减1，任何时候计数器为0的对象就不可能在被使用了，可被回收。

实现简单、效率高，但不能解决循环引用的问题，A引用B、B引用A，但不被其他对象引用，计数器都为1，虽不会在被使用，但不会被回收。

可达性分析算法

从GC Root起搜索引用的对象，并进行标记，被标记的对象即为存活对象，其他未被标记的对象为垃圾对象。

GC Root对象：线程栈的本地对象、静态变量、本地方法栈的变量等。

二、垃圾收集算法

分代收集理论

当代虚拟机的垃圾收集都采用分代收集算法，根据对象存活周期的不同将内存分新生代、老年代，根据各个年代的特点使用合适的垃圾收集算法。

理论依据：99%的对象都是朝生夕死。

新生代：每次收集会回收大量对象，所以选择复制算法，复制少量的对象即可完成垃圾收集（其余对象直接清理掉）。

老年代：对象存活几率高，同时没有额外的空间进行分配担保，所以选择标记-清除算法或标记-整理算法（比复制算法慢10倍以上）。

1、标记-复制算法

将内存分为相同的两块，每次使用一块。垃圾回收时将存活的对象复制到另一块，并清理掉该块全部的内容。

**优点：**回收效率高，每次只需要复制极少一部分对象，清除对象的时候直接情况当前内存块的全部内容；

**缺点：**只能在两块内存空间中的一块上进行分配内存。

结合以上优缺点，在hotspot的实现中，设计了eden:s1:s2=8:1:1，即利用了回收效率高的优点，又一定程度上避免了内存使用率低的问题（仅有十分之1的内存块不能同时使用）。

3、标记-清除算法

算法分为标记和清除阶段

两种实现方式：

• 标记存活的对象，回收其他所有未被标记的对象（一般采用这种）；
• 标记出垃圾对象，标记完成后统一回收所有被标记的对象。

缺点：

• 空间碎片问题，标记清除后会产生大量不连续的碎片；
• 标记效率不高，如果需要标记的对象太多，效率会低。

4、标记-整理算法

算法分为标记和移动两个阶段，标记阶段同标记-清除算法，标记之后存活的对象移动到内存空间的一端，然后清理掉端边界以外的内存。

最终使对象连续存储，空闲空间在另一侧，不在有内存碎片。

三、垃圾收集器

• 垃圾收集算法是内存回收的方法论，垃圾收集器是内存回收的具体实现。
• 没有最好和通用的垃圾收集器，结合垃圾收集器的特点，根据应用场景选择合适的垃圾收集器。

1、Serial串行垃圾收集器

• 年轻代使用Serial，jvm开启参数：-XX:+UseSerialGC，采用复制算法

• 老年代使用Serial Old，jvm开启参数：-XX:+UseSerialOldGC，采用标记-整理算法

使用单线程执行垃圾收集工作，进行垃圾收集工作时暂停所有的工作线程。

**优点：**简单、没有线程交互的开销

**缺点：**比较多线程的垃圾收集器，回收效率自然就慢

由图可知：始终仅有一个GC线程，同时不会贺应用程序线程并行。

2、Parallel Scavenge收集器

Parallel垃圾收集器实际就是Serial收集器的多线程版本，相比Serial垃圾收集器使用了多线程进行垃圾收集，其余类似。

是JDK8默认的新生代贺老年代收集器。

默认的收集线程与CPU核数相同，可通过参数-XX:ParallelGCThreads指定收集线程数，但一般不建议修改。

• 年轻代使用Parallel，JVM开启参数：-XX:+UseParallelGC，采用复制算法；

• 老年代使用Parallel Old收集器，JVM开启参数：-XX:+UseParallelOldGC，采用标记-整理算法

优点：Parallel Scavenge收集器关注的是吞吐量（高效率利用CPU）；

​ 提供了很多参数供用户找到最合适的停顿时间或最大的吞吐量（可将内存管理优化由JVM自行完成）。

由图可知：Parallel收集器GC线程有多个，可并发进行垃圾收集，但不会应用程序线程并行运行。

3、ParNew收集器

用于新生代的垃圾收集器，采用复制算法，开启参数：-XX:+UseParNewGC；

跟Parallel收集器类似，区别主要是ParNew可配合CMS使用。

只有它能与CMS收集器配合工作。

4、CMS收集器

Concurrent Mark Sweep：并发 标记 清除

用于老年代的垃圾收集器，采用标记-清除算法，JVM开启参数：-XX:+UseConcMarkSweepGC

优点：CMS收集器关注获取最短回收停顿时间，注重用户体验。

​ 真正意义的并发收集器，第一次实现了垃圾收集线程与用户线程同时工作。

工作过程：

1. 初始标记：暂停工作线程，只标记由GC Root直接引用的对象，速度很快。
2. 并发标记：与工作线程并发运行，从GC Root直接引用的对象开始遍历整个对象图。
   • 耗时较长但不需要停顿用户工作线程；
   • 由于用户线程继续运行，可能会导致已标记的对象状态发生改变；
3. 重新标记：暂停工作线程，做重新标记，修正并发标记期间用户线程运行导致标记产生变动的一部分对象，主要处理漏标问题。用三色标记法的增量更新算法。
   • 漏标：说明没有把需要存活的对象标记为存活状态，如果执行清理，程序会崩溃；
   • 多标：本可以清理的对象标记为了存活**（浮动垃圾）**，不影响系统运行，最多占点空间，可在下一次垃圾收集过程中清理掉。
4. 并发清理：与工作线程并发运行，GC线程对未标记为存活的对象做清理。
   • 对于该过程新增的对象标记为黑色，本过程不做任何处理；
5. 并发重置：与工作线程并发运行，重置本次GC过程中标记的数据。
   

由图可知：

​ CMS一次垃圾收集由5个步骤，分别是：初始标记、并发标记、重新标记、并发清理、并发重置

​ 其中初始标记和重新标记将暂停工作线程，不与工作线程并发运行

优点：并发收集、停顿低，用户体验好；

缺点：

• 会与工作线程抢占CPU资源；

• 无法处理浮动垃圾，因为在并发标记和并发清理过程中可能会产生垃圾，只能等到下一次GC清理；

• 回收算法“标记-清理算法”会产生大量内存碎片

  • 可通过参数-XX:+UseCMSCompactAtFullCollection可以让jvm在执行完标记清除后再做整理

• 会出现"concurrent mode failure"，此时CMS会退化成serial old垃圾收集器。

  • 在并发标记和并发清理过程中，由于工作线程在同时运行，可能又导致内存不足触发full GC

CMS的相关核心参数

1. -XX:+UseConcMarkSweepGC：启用cms

2. -XX:ConcGCThreads：并发的GC线程数

3. -XX:+UseCMSCompactAtFullCollection：FullGC之后做压缩整理（减少碎片）

4. -XX:CMSFullGCsBeforeCompaction：多少次FullGC之后压缩一次，默认是0，代表每次FullGC后都会压缩一次

5. -XX:CMSInitiatingOccupancyFraction: 当老年代使用达到该比例时会触发FullGC（默认是92，这是百分比）：尽早执行垃圾收集，降低出现"concurrent mode failure"发生的可能。

6. -XX:+UseCMSInitiatingOccupancyOnly：只使用设定的回收阈值(-XX:CMSInitiatingOccupancyFraction设定的值)，如果不指定，JVM仅在第一次使用设定值，后续则会自动调整。

7. -XX:+CMSScavengeBeforeRemark：在CMS GC前启动一次minor gc，降低CMS GC标记阶段**(也会对年轻代一起做标记，如果在minor gc就干掉了很多对垃圾对象，标记阶段就会减少一些标记时间)**时的开销，一般CMS的GC耗时 80%都在标记阶段。

8. -XX:+CMSParallellnitialMarkEnabled：表示在初始标记的时候多线程执行，缩短STW。

9. -XX:+CMSParallelRemarkEnabled：在重新标记的时候多线程执行，缩短STW。

四、优化

很多优化无非就是让短期存活的对象尽量都留在survivor里，不要进入老年代，这样在minor gc的时候这些对象都会被回收，不会进到老年代从而导致full gc。

只要年轻代参数设置合理，老年代CMS的参数设置基本都可以用默认值。

五、垃圾收集底层算法实现-三色标记

在并发标记过程中，因为期间应用线程还在继续跑，对象的引用可能发生变化，会存在多标和漏标的情况。

**多标：**把本该是垃圾的对象标记为存活，产生浮动垃圾。

• 产生情况：在并发标记过程中，由于方法结束导致部分局部变量（GC Root）被销毁，这个GC Root之前又被标记为非垃圾对象，那么本轮GC不会回收这部分对象。
• 不会影响垃圾回收的正确性，只需要等到下一轮垃圾回收。
• 解决办法：当前不用解决，可由下一次进行收集。

**漏标：**把本该存活的对象没有标记为存活，导致本该存活的对象被删除，导致严重bug，必须解决。解决办法：主要引入了三色标记算法解决。

🔺三色标记算法：

三色标记算法把GC Roots可达性分析遍历对象过程中遇到的对象，按照

“是否访问过”标记为三种颜色：

• **黑色：**表示对象已经被垃圾收集器访问过，且这个对象的所有引用的对象都已经扫描。
  • 黑色的对象代表已经访问过，且是安全存活的。
  • 如果其他对象引用指向了黑色对象，无须重新扫描一遍。
  • 黑色的对象不会不经过灰色对象直接引用白色对象。
• **灰色：**表示对象已经被垃圾收集器访问过，但这个对象的所引用的对象至少还有一个未被扫描。
• **白色：**表示对象尚未被垃圾收集器访问过。
  • 在可达性分析刚开始阶段所有对象均为白色标记。
  • 若可达性分析结束对象仍为白色则表示对象不可达。

处理漏标的两种方案

增量更新**（Incremental Update）和原始快照（Snapshot At The Beginning，SATB）**

增量更新：当黑色对象新增加了指向白色对象的引用关系时，将新插入的引用记录下来。等并发扫描结束之后将记录的引用以黑色对象为根重新扫描一次**（重新标记）**。

• 因为黑色对象一旦插入了引用白色对象，就不能在是黑色了，该变成白色对象了，所以要记录并重新标记。
• 为了使在并发标记过程中新加入的白色对象也被扫描到，否则会被误认为是非存活对象而被删除。

原始快照：当**删除灰色对象指向的白色对象的引用**时，将删除的引用记录下来。在并发扫描结束之后以灰色对象为根，重新扫描一次，这样便能扫描到白色对象。

• 直接将白色对象标记为黑色。（该对象可能确实可以回收，而产生浮动垃圾）
• 如果指向该白色对象的来自灰色对象的引用全部被删除，则该白色对象就不能被扫描到，但如果新增了来自黑色对象的引用，则该白色对象不该被删除。
  • 因为没有判断是否新增了来自黑色对象的引用，所以直接标记为黑色对象，让其在下一次GC时扫描判断。

读写屏障

虚拟机对新增引用关系和删除引用关系的记录，都是通过写屏障实现的。

写屏障：就是在赋值操作前后加入一些处理，把引用记录下来。

读屏障：当读取成员变量时，记录读取到的对象。

在HotSpot虚拟机中，并发标记时处理漏标的方案：

• CMS：写屏障+增量更新
• G1：写屏障+SATB

其他功能：

1. 写屏障可用于记录跨代/区引用的变化；
2. 读屏障可用于支持移动对象的并发执行

思考：并发标记处理漏标的方案中，为什么G1用SATB，CMS用增量更新？
SATB相对增量更新效率更高。
原始快照在重新标记阶段直接把记录的白色对象标记为黑色，不需要再次深度扫描背删除对应对象；增量更新会记录的黑色对象为根重新扫描一次。
而，CMS的老年代区域为一块内存，G1的对象分布在不同的region中，G1重新深度扫描代价会高于CMS。
所以G1选择SATB不做深度扫描，只是简单标记，浮动垃圾对象交给下一次GC。

记忆集和卡表

在新生代的垃圾收集进行GC可达性分析时，需要知道对象有没有被老年代的对象引用。

为了保证垃圾收集的效率，不能把所有老年代的对象扫描一遍，为此引用了**记忆集（Remember Set）**的数据结构，记录非收集区对象指向收集区对象的引用，避免直接扫描老年代。

在垃圾收集的扫描标记过程中，只需要通过记忆集判断对象是否有被非收集区对象引用，如果有标记对象不可回收。

此外，不只是新生代和老年代之间有跨代引用的问题，所有部分收集的垃圾收集器，如G1，都会涉及跨区引用的问题。

🔺hotspot虚拟机使用**卡表（cardtable)**的方式实现记忆集：

卡表使用一个字节数组实现，CARD_TABLE[]，每个元素对应着其标识的内存区域一块特定大小的内存块，称为”卡页“。

一个卡页中可包含多个对象，只要有一个对象的字段存在跨代指针，其对应的卡表元素标识为1，表示该元素变脏，否则为0，GC时只要筛选本收集区的卡表中变脏的元素加入到GC ROOTs中。（不明白，卡页对应一批对象？一个为脏，全页为脏？）

Hotspot中使用写屏障维护卡表状态。