当前位置：首页 > article >正文

JVM垃圾回收器的原理和调优详解！

article 2025/1/30 16:40:20

全文目录：

- 开篇语
- 前言
- 摘要
- 概述
- 垃圾回收器分类及原理
- - 1. Serial 垃圾回收器
  - 2. Parallel 垃圾回收器
  - 3. CMS 垃圾回收器
  - 4. G1 垃圾回收器
- 源码解析
- - 示例代码
- 使用案例分享
- - 案例 1：Web 服务的 GC 调优
  - 案例 2：大数据任务的 GC 优化
- 应用场景案例
- 垃圾回收调优策略
- 优缺点分析
- - 优点
  - 缺点
- 核心类方法介绍
- 测试用例
- 小结
- 总结
- 文末

开篇语

哈喽，各位小伙伴们，你们好呀，我是喵手。运营社区：C站/掘金/腾讯云/阿里云/华为云/51CTO；欢迎大家常来逛逛

今天我要给大家分享一些自己日常学习到的一些知识点，并以文字的形式跟大家一起交流，互相学习，一个人虽可以走的更快，但一群人可以走的更远。

我是一名后端开发爱好者，工作日常接触到最多的就是Java语言啦，所以我都尽量抽业余时间把自己所学到所会的，通过文章的形式进行输出，希望以这种方式帮助到更多的初学者或者想入门的小伙伴们，同时也能对自己的技术进行沉淀，加以复盘，查缺补漏。

小伙伴们在批阅的过程中，如果觉得文章不错，欢迎点赞、收藏、关注哦。三连即是对作者我写作道路上最好的鼓励与支持！

前言

在上一期《JVM 对代码的几种优化手段》中，我们探讨了 JVM 如何通过即时编译（JIT）、逃逸分析、内联优化等技术来提升程序性能。这些优化手段为我们编写高效的 Java 程序提供了强大支持。然而，程序的运行不仅仅依赖于代码执行的效率，还涉及 内存管理 的有效性。

内存管理是 JVM 的核心功能之一，而 垃圾回收器（Garbage Collector, GC） 则是内存管理的关键角色。本期内容，我们将深入探讨 JVM 中垃圾回收器的工作原理，并学习如何通过调优策略提升 GC 的效率。对于 Java 开发者来说，理解垃圾回收器的运行机制以及调优技巧，是掌握 JVM 性能优化的必经之路。

摘要

本文将通过理论与实践相结合的方式，带你了解 JVM 垃圾回收器的原理、分类及调优策略。主要内容包括：

垃圾回收的基础理论：JVM 内存模型与 GC 的工作机制。
JVM 中常见垃圾回收器的特点与适用场景。
如何分析 GC 日志，并通过调优参数优化性能。
实战案例：如何调优 JVM 参数以提升应用性能。
垃圾回收的优缺点分析与开发中的常见问题。

通过本文的学习，你将掌握从理论到实战的完整 GC 优化技能，为你的 Java 应用程序提供坚实的性能保障。

概述

垃圾回收（Garbage Collection, GC） 是 Java 实现自动内存管理的重要组成部分。GC 的作用是回收不再被使用的对象占用的内存空间，以便分配给新的对象，同时避免内存泄漏或溢出问题。

JVM 中的垃圾回收主要针对以下区域进行管理：

堆（Heap）：存放对象实例，GC 的主要工作区域。
方法区（Metaspace）：存放类元数据，GC 也会在某些情况下回收这里的空间。

垃圾回收器通过以下几个步骤完成回收任务：

标记（Mark）：标记所有存活的对象。
清除（Sweep）：清除未被标记的对象。
整理（Compact）：对存活对象进行整理，减少内存碎片。

垃圾回收器的实现基于 JVM 提供的内存分代模型：

新生代：存放生命周期较短的对象，分为 Eden 和 Survivor 区。
老年代：存放生命周期较长的对象。
永久代/元空间：存放类元数据。

垃圾回收器分类及原理

JVM 提供了多种垃圾回收器，不同回收器适用于不同的应用场景。以下是几种常见垃圾回收器的特点和原理。

1. Serial 垃圾回收器

特点：单线程工作，简单高效。
适用场景：适用于单线程或小型应用。
工作原理：在 GC 过程中，暂停所有用户线程（Stop-The-World, STW），依次执行标记、清除和整理操作。

-XX:+UseSerialGC

2. Parallel 垃圾回收器

特点：多线程并行回收，注重吞吐量。
适用场景：适用于后台批处理或大数据场景。
工作原理：使用多个线程并行处理新生代和老年代的回收任务。

-XX:+UseParallelGC

3. CMS 垃圾回收器

特点：低延迟回收，适合对响应时间敏感的应用。
适用场景：Web 应用、在线交易系统。
工作原理：分为初始标记、并发标记、重新标记和并发清理四个阶段，减少 STW 时间。

-XX:+UseConcMarkSweepGC

4. G1 垃圾回收器

特点：区域化回收，兼顾吞吐量和低延迟。
适用场景：需要处理大堆内存的应用。
工作原理：将堆分为多个区域（Region），按优先级回收垃圾最多的区域。

-XX:+UseG1GC

源码解析

以下代码展示了 JVM 内存分代模型和垃圾回收的基本逻辑。

示例代码

public class GCDemo {
    public static void main(String[] args) {
        for (int i = 0; i < 1000; i++) {
            allocateMemory(); // 模拟内存分配
        }
    }

    private static void allocateMemory() {
        byte[] array = new byte[1024 * 1024]; // 分配 1MB 空间
        System.out.println("Allocated 1MB memory");
    }
}

运行时可以通过 JVM 参数查看垃圾回收过程：

java -Xmx50m -Xms50m -XX:+PrintGCDetails -XX:+UseG1GC GCDemo

运行结果（部分 GC 日志）：

[GC pause (G1 Evacuation Pause) 12M->8M(50M), 0.0051236 secs]
[GC pause (G1 Humongous Allocation) 16M->12M(50M), 0.0032345 secs]

使用案例分享

案例 1：Web 服务的 GC 调优

一个高并发的 Web 服务使用 CMS 垃圾回收器，GC 频繁触发且导致长时间停顿，影响了用户体验。通过以下参数调整，显著降低了停顿时间：

-XX:+UseConcMarkSweepGC
-XX:CMSInitiatingOccupancyFraction=70
-XX:+UseCMSInitiatingOccupancyOnly

调整后，GC 触发阈值提升到 70%，减少了频繁的回收，同时保证了低延迟。

案例 2：大数据任务的 GC 优化

一个处理海量数据的批处理任务，使用 Parallel 垃圾回收器，GC 停顿时间过长。通过以下参数优化，提高了吞吐量：

-XX:+UseParallelGC
-XX:ParallelGCThreads=8
-XX:MaxGCPauseMillis=200

优化后，GC 停顿时间降低至 200 毫秒以内，任务处理效率大幅提升。

应用场景案例

低延迟系统：如在线支付、电子商务系统，适合使用 CMS 或 G1 垃圾回收器。
高吞吐量系统：如批处理、大数据系统，适合使用 Parallel 垃圾回收器。
大内存应用：如实时分析平台，适合使用 G1 垃圾回收器。

垃圾回收调优策略

分析 GC 日志：通过 -XX:+PrintGCDetails 查看 GC 情况。
选择合适的回收器：根据应用场景选择合适的 GC。
设置合理的内存分配：
- -Xms 和 -Xmx 设置一致，避免频繁调整堆大小。
调优 GC 参数：根据需求调整线程数、暂停时间等参数。

优缺点分析

优点

自动内存管理，减少开发者负担。
多种垃圾回收器可选，适配不同场景。
分代模型提升了内存分配和回收效率。

缺点

GC 停顿可能导致性能问题。
调优复杂，需深入了解 JVM 运行原理。
部分场景可能出现无法解决的 Full GC 问题。

核心类方法介绍

java.lang.ref.Reference：用于处理软引用、弱引用和虚引用。
java.lang.Runtime：提供获取 JVM 内存信息的方法，如 totalMemory 和 freeMemory。
java.lang.management.MemoryMXBean：监控 JVM 的内存使用情况。

测试用例

import org.junit.Test;

public class GCTest {

    @Test
    public void testGCMemoryAllocation() {
        byte[] array = new byte[1024 * 1024]; // 分配 1MB 空间
        assert array.length == 1024 * 1024;
    }

    @Test
    public void testGCBehavior() {
        for (int i = 0; i < 1000; i++) {
            byte[] array = new byte[1024 * 1024]; // 模拟内存分配
        }
        System.gc(); // 手动触发 GC
    }
}