垃圾收集算法与收集器

在 JVM 中，垃圾收集（Garbage Collection, GC）算法的核心目标是自动回收无用对象的内存，同时尽量减少对应用性能的影响。以下是 JVM 中主要垃圾收集算法的原理、流程及实际应用场景的详细介绍：

---

一、标记-清除算法（Mark-Sweep）

原理

• 标记阶段：从 GC Roots（如栈引用、静态变量）出发，遍历对象图，标记所有存活对象。
• 清除阶段：扫描堆内存，回收未被标记的对象所占用的内存（直接释放，不整理内存）。

工作流程

1. 暂停所有应用线程（STW，Stop-The-World），启动标记。
2. 标记完成后，清除未标记的垃圾对象。
3. 恢复应用线程。

优点

• 实现简单，内存回收效率较高。

缺点

• 内存碎片化：清除后会产生不连续的内存空间，可能无法分配大对象，最终触发 Full GC。
• 两次 STW：标记和清除阶段均需暂停应用线程。

应用场景

• CMS 收集器的老年代回收（仅清除阶段，标记阶段并发执行）。

---

二、标记-整理算法（Mark-Compact）

原理

• 标记阶段：与标记-清除相同，标记所有存活对象。
• 整理阶段：将所有存活对象向内存一端移动，清理边界外的内存（消除碎片）。

工作流程

1. STW 标记存活对象。
2. 将存活对象移动到内存一端，保持连续。
3. 清除边界外的内存。
4. 恢复应用线程。

优点

• 无内存碎片：整理后内存连续，适合长期运行的应用。
• 空间利用率高：减少大对象分配失败的概率。

缺点

• 两次 STW 且时间长：移动对象需要额外时间，尤其是堆较大时。
• 内存移动开销：对象复制可能影响吞吐量。

应用场景

• Serial Old、Parallel Old 收集器的老年代回收。
• G1 的混合回收阶段（复制存活对象到新 Region）。

---

三、复制算法（Copying）

原理

• 将堆内存分为两块（From 和 To 空间），每次只使用其中一块。
• 存活对象复制：将 From 空间的存活对象复制到 To 空间，并保持紧凑排列。
• 清空 From 空间：复制完成后，直接清空 From 空间。

工作流程

1. STW 标记 From 空间的存活对象。
2. 将存活对象按顺序复制到 To 空间。
3. 交换 From 和 To 空间的角色。
4. 恢复应用线程。

优点

• 无碎片：对象在 To 空间连续排列。
• 高效回收：只需遍历存活对象，适合存活率低的场景。

缺点

• 内存浪费：需预留一半内存作为复制空间，实际可用内存仅 50%。
• 存活率高时效率低：若多数对象存活，复制成本高。

应用场景

• 年轻代回收（如 Serial、ParNew、Parallel Scavenge 收集器）。
• G1 的年轻代 Region 回收。

---

四、分代收集算法（Generational Collection）

核心思想

基于对象的生命周期特性，将堆划分为不同区域（年轻代、老年代），对不同代采用不同算法：

1. 年轻代：对象存活率低，使用复制算法。
2. 老年代：对象存活率高，使用标记-清除或标记-整理算法。

分代依据

• 弱分代假说（Weak Generational Hypothesis）：绝大多数对象朝生夕死。
• 强分代假说（Strong Generational Hypothesis）：多次存活的对象倾向于继续存活。

工作流程

1. 年轻代 Minor GC：频繁触发，使用复制算法回收 Eden 和 Survivor 区。
2. 老年代 Major GC/Full GC：触发频率低，使用标记-清除或标记-整理算法。

应用场景

• 所有现代 JVM 收集器的默认策略（如 CMS、G1、ZGC 等）。

---

五、增量收集算法（Incremental Collecting）

原理

• 将垃圾回收过程分为多个小步骤，与应用线程交替执行。
• 每次仅回收部分垃圾，减少单次 STW 时间。

优点

• 降低延迟：每次暂停时间短，适合实时性要求高的场景。

缺点

• 总体吞吐量下降：频繁切换线程导致额外开销。
• 实现复杂：需处理应用线程与回收线程的交互。

应用场景

• CMS 的并发标记阶段（并发执行，但需最终 STW 修正）。
• Shenandoah 收集器（并发复制对象）。

---

六、分区收集算法（Region-Based）

原理

• 将堆划分为多个独立区域（Region），优先回收垃圾比例高的区域（Garbage-First 原则）。
• 结合分代思想，动态分配区域角色（Eden、Survivor、Old）。

优点

• 可预测停顿：通过控制每次回收的区域数量，满足 MaxGCPauseMillis 目标。
• 高效管理大堆：避免全堆扫描，减少 STW 时间。

应用场景

• G1 收集器：分 Region 管理，混合回收年轻代和老年代。
• ZGC/Shenandoah：基于类似思想，扩展为全堆并发回收。

---

七、算法对比与选型

算法	优点	缺点	适用场景
标记-清除	实现简单，无移动开销	内存碎片，两次 STW	老年代（CMS）
标记-整理	无碎片，空间利用率高	STW 时间长，移动开销大	老年代（Serial Old）
复制	无碎片，回收效率高	内存浪费，存活率高时低效	年轻代（所有分代收集器）
分代收集	结合对象生命周期优化	需维护分代结构	所有现代收集器
增量收集	低延迟	吞吐量下降	实时系统（Shenandoah）
分区收集	可预测停顿，大堆友好	元数据管理复杂	G1、ZGC、Shenandoah

---

总结

JVM 的垃圾收集算法是内存管理的核心，不同算法在吞吐量、延迟和内存开销之间权衡。实际应用中，分代收集与分区算法（如 G1）成为主流，而 ZGC/Shenandoah 进一步通过并发和压缩技术突破停顿时间限制。选择算法需结合应用场景（如堆大小、延迟要求）及 JVM 版本特性。

---

以下以CMS和G1垃圾收集器的原理与工作流程举例：

CMS（Concurrent Mark-Sweep）收集器

设计目标

• 低延迟：通过并发标记和清除减少停顿时间（STW），适用于对响应时间敏感的应用（如Web服务）。
• 老年代专用：仅管理老年代，需与年轻代收集器（如ParNew）配合使用。

---

核心原理

1. 标记-清除算法
   • 通过标记存活对象，直接清除未标记的垃圾对象，不进行内存整理，可能导致内存碎片。
2. 并发执行
   • 大部分垃圾回收阶段与应用线程并发执行，减少STW时间。

---

工作流程（4个阶段）

1. 初始标记（Initial Mark）

   • STW：短暂暂停，标记从GC Roots直接可达的对象（如栈引用、静态变量）。
   • 依赖年轻代回收：通常与年轻代的Minor GC同步触发，避免全堆扫描。

2. 并发标记（Concurrent Mark）

   • 并发执行：遍历老年代对象图，标记所有存活对象（与应用线程并行）。
   • 可能漏标：并发阶段应用线程可能修改对象引用，需后续修正。

3. 重新标记（Remark）

   • STW：修正并发标记期间因应用线程运行导致的标记变化（使用增量更新或原始快照算法）。
   • 时间较长：需处理所有变更，是CMS中最耗时的STW阶段。

4. 并发清除（Concurrent Sweep）

   • 并发执行：清除未标记的垃圾对象，回收内存空间。
   • 不整理内存：清除后产生内存碎片，需定期Full GC（使用Serial Old）进行压缩。

---

关键问题

• 内存碎片：长期运行后可能触发Full GC，导致长时间停顿。
• 浮动垃圾：并发阶段新产生的垃圾需等到下次回收。
• CPU竞争：并发阶段占用CPU资源，可能影响应用吞吐量。

---

G1（Garbage-First）收集器

设计目标

• 平衡吞吐量与延迟：通过分Region和可预测停顿，适应大堆内存（4GB+）场景。
• 全堆管理：统一管理年轻代和老年代，动态分配Region角色。

---

核心原理

1. 分Region模型

   • 堆被划分为多个大小固定（1MB~32MB）的Region，每个Region可以是Eden、Survivor或Old类型。（堆/2048）
   • Humongous区域：存储大于Region 50%的大对象。

2. 标记-整理算法

   • 通过复制存活对象到新Region，避免内存碎片。

3. 停顿预测模型

   • 根据用户设定的MaxGCPauseMillis，优先回收垃圾比例高的Region（Garbage-First原则）。

---

工作流程（3种操作模式）

G1的回收过程分为三种操作：年轻代回收（Young GC）、并发标记周期（Concurrent Marking Cycle） 和 混合回收（Mixed GC）。

---

1. 年轻代回收（Young GC）

• STW：暂停所有应用线程，复制Eden和Survivor区的存活对象到新Survivor或Old Region。
• 触发条件：Eden区占满时触发。

---

2. 并发标记周期（Concurrent Marking Cycle）

1. 初始标记（Initial Mark）

   • STW：标记GC Roots直接可达的对象（与Young GC同步触发，复用Young GC的暂停）。

2. 根区域扫描（Root Region Scan）

   • 扫描Survivor区（作为GC Roots的一部分），确保并发标记的正确性。

3. 并发标记（Concurrent Mark）

   • 并发执行：遍历堆中所有存活对象，标记存活状态。

4. 最终标记（Final Mark）

   • STW：处理SATB（Snapshot-At-The-Beginning）队列中的引用变更，确保标记准确性。

5. 清除阶段（Cleanup）

   • 部分STW：统计各Region的垃圾比例，识别高价值回收区域。
   • 不回收内存：仅选择待回收的Region，为混合回收做准备。

---

3. 混合回收（Mixed GC）

• STW：同时回收年轻代和部分老年代Region（根据垃圾比例选择）。
• 多次执行：可能分多次回收，直到满足MaxGCPauseMillis目标。

---

关键优势

• 内存整理：通过复制算法避免碎片。
• 可预测停顿：动态调整回收的Region数量以满足停顿目标。
• 大堆优化：分Region设计适合管理超大堆内存。

---

CMS与G1对比

特性	CMS	G1
堆结构	传统分代（年轻代+老年代）	分Region，逻辑分代
算法	标记-清除（碎片需Full GC整理）	标记-整理（复制算法，无碎片）
停顿控制	不可预测	通过MaxGCPauseMillis预测
适用场景	中小堆，低延迟优先	大堆（4GB+），平衡吞吐量和延迟
内存开销	低	较高（Region元数据）
Full GC触发	内存不足/碎片时触发Serial Old	尽量避免，依赖并发周期
JDK支持	已废弃（JDK 14移除）	JDK 9+默认

---

总结

• CMS：通过并发标记-清除减少停顿，适合中小堆且延迟敏感的场景，但面临碎片和Full GC风险。
• G1：分Region模型和可预测停顿设计，适合大堆内存，平衡吞吐量与延迟，是JDK 9+的默认选择。