JVM 系列:JVM 内存结构深度解析
你点赞了吗?你关注了吗?每天分享干货好文。
高并发解决方案与架构设计。
海量数据存储和性能优化。
通用框架/组件设计与封装。
如何设计合适的技术架构?
如何成功转型架构设计与技术管理?
在竞争激烈的大环境下,只有不断提升核心竞争力才能立于不败之地。
留言【我要晋级】,一对一指导,带你晋级。

一、JVM 内存结构总览
JVM 内存结构是 Java 程序运行的基石,定义了数据在虚拟机中的存储与访问规则。其核心分为 线程私有区域(线程隔离) 和 线程共享区域,具体划分如下图

线程私有区域(线程隔离) :程序计数器、虚拟机栈、本地方法栈
线程共享区域:堆、方法区
从类型上分,也可以大致分为:堆、栈。堆是存储单元,主要作用是存储数据的。栈是运行单元,主要作用是解决程序如何运行。一个为线程执行服务,一个为全局数据存储。
二、程序计数器(Program Counter Register)
程序计数器是线程私有的内存区域,用于存储当前线程执行的字节码指令地址。如果线程正在执行本地方法,程序计数器的值为空(Undefined)。
程序计数器是一块较小的内存空间,也是运行速度最快的存储区域。它可以看作是当前线程所执行的字节码的行号指示器。在虚拟机的概念模型里(仅是概念模型,各种虚拟机可能会通过一些更高效的方式去实现),字节码码解释器工作时就是通过改变这个计数器的值来选取下一条需要执行的字节码指令,分支、循环、跳转、异常处理、线程恢复等基础功能都需要依赖这个计数器来完成
说人话就是:用于存储当前线程执行的字节码指令地址。
由于 Java 虚拟机的多线程是通过线程轮流切换并分配处理器执行时间的方式来实现的,在任何一个确定的时刻,一个处理器(对于多核处理器来说就是一个内核)都只会执行一条线程中的指令。因此,为了线程切换后能恢复到正确的执行位置,每条线程都需要一个独立的程序计数器,各条线程之间计数器互不影响,独立存储,我们称这类的内存区域为“线程私有”的内存。
如果线程正在执行的是一个 Java 方法,这个计数器记录的是正在执行的虚拟机字节码指令的地址;如果正在执行本地方法(Native),这个计数器值则为空(Undefined)。
此内存区域是唯一一个在Java虚拟机规范中没有任何 OutOfMemoryError 情况的区域。
生命周期:程序计数器的生命周期与线程的生命周期一致。
三、虚拟机栈(VM Stack)
虚拟机栈是线程私有的内存区域,由多个栈帧(Stack Frame)构成,在当前线程中,每调用一个方法,都会有一个对应的栈帧进行入栈,用于存储方法调用的局部变量、操作数栈、动态链接、方法出口等信息。当方法结束时,对应的方法的栈帧就会进行出栈。每个线程在创建时都会分配一个栈。
虚拟机栈包含以下几个部分:
局部变量表:用于存储方法参数和局部变量。
操作数栈:用于存储方法执行过程中的操作数。
动态链接:指向运行时常量池中该方法的引用。
方法出口:记录方法返回的地址。
一些附加信息

生命周期:栈的生命周期与线程的生命周期一致。线程启动时创建栈,线程结束时销毁栈。
设置大小:Java 虚拟机规范允许 虚拟机栈的大小是动态的或者是固定的。可以通过参数-Xss来设置线程的最大栈空间,栈的大小直接决定了函数调用的最大可达深度。
当栈达到最大栈空间限制时,又要进行新的方法调用(入栈操作)时,就会抛出 StackOverflowError 异常。
当线程创建的时候,没有足够的空间穿件对应的虚拟机栈时,就会抛出 OutOfMemoryError 异常。
四、本地方法栈(Native Method Stack)
本地方法栈与栈类似,但它是为本地方法(Native Method)服务的。本地方法是用其他语言(如 C、C++)编写的方法。
生命周期:本地方法栈的生命周期与线程的生命周期一致。
常见问题也与虚拟机栈类似。
五、堆(Heap)
堆是 JVM 中最大的一块内存区域,是存储 Java 程序中绝大多数的对象实例。是所有线程共享堆内存。Java 虚拟机规范中,把堆进行了划分,主要分为:新生代、老年代、元空间(JDK 8 之前是永久代)。
生命周期:堆的生命周期与 JVM 的生命周期一致。JVM 启动时创建堆,JVM 关闭时销毁堆。
设置大小:堆的大小可以通过-Xmx(最大堆)、-Xms(初始堆)控制大小。
新生代(Young Generation)
新创建的对象一般首先分配在新生代中,除非对象过大直接进入老年代。新生代又分为 Eden 区和两个 Survivor 区(通常称为 S0 和 S1)。默认占比是 8 : 1 : 1。正常情况下两个 Survivor 区总有一个是空的。后面聊垃圾回收的时候,我们可以细聊。
当 Eden 区满了,会执行 Minor GC,将 Eden 区和当前使用的 Survivor 区的幸存对象移动到空的 Survivor 区中。每经历过一次 Minor GC,幸存的对象其年龄计数器 +1,达到阈值(默认15)后会晋升至老年代。
老年代(Old Generation)
老年代通过是内存满时执行垃圾回收,如果回收后依旧没有空出空间,新对象无位置存储,则会抛出 OutOfMemoryError 异常。
元空间(Metaspace)
存储类信息、常量池等。
元空间可以通过-XX:MetaspaceSize(初始大小)、-XX:MaxMetaspaceSize(最大限制)控制大小。
不论是 JDK 8 之前的永久代,还是 JDK 8 之后的元空间,其实都可以理解为虚拟机规范中方法区的具体实现。
虽然虚拟机规范把方法区描述为堆的一部分,但是它其实有一个别名 Non-Heap(非堆)。具体的我们详见方法区部分。
六、方法区(Method Area)
方法区是虚拟机规范中定义的一个概念,是所有线程共享的内存区域,主要用于存储类信息、常量、静态变量、即时编译器编译后的代码等数据。然后虚拟机规范中并没有规定如何去实现它,不同的虚拟机厂商有不同的实现。
永久代(PermGen)则是 Hotspot 虚拟机特有的一个概念,在 JDK 8 中,又被改为元空间。
其实永久代合元空间都可以理解为是方法区的具体实现。
生命周期:方法区的生命周期与 JVM 的生命周期一致。当 JVM 启动时,方法区被创建;当 JVM 关闭时,方法区被销毁。
方法区主要包含以下几个部分:
类信息:包括类的名称、访问修饰符、字段描述、方法描述等。
运行时常量池:用于存储编译期生成的各种字面量和符号引用。
静态变量:类级别的静态变量。
即时编译器编译后的代码:JIT(Just-In-Time)编译器将热点代码编译为本地机器代码后存储在此。
设置大小:JDK 8 之后,可以使用参数 -XX:MetaspaceSize 和 -XX:MaxMetaspaceSize 指定。
方法区的大小决定了JVM 可以加载多少个 Class,如果加载的 Class 过多,则会抛出 OutOfMemoryError异常。如果不指定大小的情况下,默认虚拟机会耗尽系统所有的可用内存。
-XX:MetaspaceSize :设置初始的元空间大小。64 位 JVM默认的 -XX:MetaspaceSize=2075MB,这是初始大小,当达到这个大小后,将会触发 Full GC(Stop the world),卸载无用的 Class(Class 对应的ClassLoader 不再存活),并重置元空间大小(不超过 -XX:MaxMetaspaceSize),重置的值取决于 Full GC 后释放了多少的元空间。
如果初始化-XX:MetaspaceSize过低,元空间的大小会发生多次调整,为了避免因为元空间初始大小过小导致的频繁 Full GC,建议将 -XX:MetaspaceSize 设置为一个相对较高的值。
架构设计之道在于在不同的场景采用合适的架构设计,架构设计没有完美,只有合适。
在代码的路上,我们一起砥砺前行。用代码改变世界!
如果有其它问题,欢迎评论区沟通。
感谢观看,如果觉得对您有用,还请动动您那发财的手指头,点赞、转发、在看、收藏。
高并发解决方案与架构设计。
海量数据存储和性能优化。
通用框架/组件设计与封装。
如何设计合适的技术架构?
如何成功转型架构设计与技术管理?
在竞争激烈的大环境下,只有不断提升核心竞争力才能立于不败之地。
留言【我要晋级】,一对一指导,带你晋级。
相关文章:
JVM 系列:JVM 内存结构深度解析
你点赞了吗?你关注了吗?每天分享干货好文。 高并发解决方案与架构设计。 海量数据存储和性能优化。 通用框架/组件设计与封装。 如何设计合适的技术架构? 如何成功转型架构设计与技术管理? 在竞争激烈的大环境下,…...
【回眸】Tessy集成测试软件使用指南(一)新手使用篇
前言 这个专栏的文章前4篇都在记录如何使用Tessy进行单元测试,集成测试需要有一定单元测试基础,且做集成测试之前,需要做好单元测试,否则将会大幅增加软件单元代码纠错的代价。集成测试所花费的时间通常远远超过单元测试。如果直…...
ROS 快速入门教程02
5. Node 节点 以智能手机为例,当我们使用智能手机的某个功能时,大多时候在使用手机的某个APP。同样当我们使用ROS的某个功能时,使用的是ROS的某一个或者某一些节点。 虽然每次我们只使用ROS的某一个或者某一些节点,但我们无法下…...
vue+django+LSTM微博舆情分析系统 | 深度学习 | 食品安全分析
文章结尾部分有CSDN官方提供的学长 联系方式名片 文章结尾部分有CSDN官方提供的学长 联系方式名片 关注B站,有好处! 编号: D031 LSTM 架构:vuedjangoLSTMMySQL 功能: 微博信息爬取、情感分析、基于负面消极内容舆情分析…...
HCIP实验二(OSPF网络配置与优化)
一.拓扑图与题目 1.R5为ISP,其上只能配置IP地址; R5与其他所有直连设备间均使用公有IP;环回地址为100.1.1.1/3 2.R4设备为企业出口路由器 3.整个0SPF环境IP基于172.16.0.0/16划分 4.所有设备均可访问R5的环回; 5.减少LSA的更新里,加快收敛࿰…...
【阿里云大模型高级工程师ACP习题集】2.3 优化提示词改善答疑机器人回答质量
练习题: 【单选题】在使用大模型进行意图识别时,通过设计特定提示词引导模型生成符合预期回答的方法,其本质是( )。 A. 修改模型本身参数 B. 依靠构造输入激发模型内部已有知识 C. 对模型进行微调 D. 改变模型的训练数据 【多选题】以下哪些属于提示词框架中的要素( )。…...
Python内置函数---bytes()
用于创建不可变的字节序列对象 1. 基本语法与参数 bytes(sourceb, encodingNone, errorsNone) - 参数: - source:可选参数,指定初始化数据来源,可以是以下类型: - 整数:创建指定长度的空字节序列ÿ…...
K8S的service详解
一。service的介绍 在K8S中,pod是访问应用程序的载体,我们可以通过pod的ip来访问应用程序,但是pod的ip地址不是固定的,这也意味着不方便直接采用pod的ip对服务进行访问,为了解决这个问题,K8S提供了service…...
数据结构初阶:二叉树(四)
概述:本篇博客主要介绍链式结构二叉树的实现。 目录 1.实现链式结构二叉树 1.1 二叉树的头文件(tree.h) 1.2 创建二叉树 1.3 前中后序遍历 1.3.1 遍历规则 1.3.1.1 前序遍历代码实现 1.3.1.2 中序遍历代码实现 1.3.1.3 后序遍历代…...
配置Intel Realsense D405驱动与ROS包
配置sdk使用 Ubuntu20.04LTS下安装Intel Realsense D435i驱动与ROS包_realsense的驱动包-CSDN博客 中的方法一 之后不通过apt安装包,使用官方的安装步骤直接clone https://github.com/IntelRealSense/realsense-ros/tree/ros1-legacy 从这一步开始 执行完 这一步…...
Python爬虫实战:基于 Python Scrapy 框架的百度指数数据爬取研究
一、引言 1.1 研究背景 在当今信息时代,市场调研和趋势分析对于企业和研究机构至关重要。百度指数能够精准反映关键词在百度搜索引擎上的热度变化情况,为市场需求洞察、消费者兴趣分析等提供了极具价值的数据支持。通过对百度指数数据的爬取和分析,企业可以及时调整营销策略…...
【Easylive】consumes = MediaType.MULTIPART_FORM_DATA_VALUE 与 @RequestPart
【Easylive】项目常见问题解答(自用&持续更新中…) 汇总版 consumes MediaType.MULTIPART_FORM_DATA_VALUE 的作用 1. 定义请求的数据格式 • 作用:告诉 Feign 和 HTTP 客户端,这个接口 接收的是 multipart/form-data 格式的…...
【最新版】沃德代驾源码全开源+前端uniapp
一.系统介绍 基于ThinkPHPUniapp开发的代驾软件。系统源码全开源,代驾软件的主要功能包括预约代驾、在线抢单、一键定位、在线支付、车主登记和代驾司机实名登记等。用户可以通过小程序预约代驾服务,系统会估算代驾价格并推送附近代驾司机供用户选择&…...
前端频繁调用后端接口问题思考
针对前端频繁调用后端接口的问题,以下是一套分步解决方案,结合Java后端技术栈: 1. 实时数据场景:WebSocket/SSE 适用场景:实时股票行情、即时聊天、监控仪表盘 // Spring WebSocket 配置示例 Configuration EnableW…...
Linux:权限相关问题
文章目录 shell命令以及运行的原理Linux权限执行权限更改目录权限缺省权限粘滞位 shell命令以及运行的原理 操作系统分为内核和外壳程序,xshell是外壳程序,外壳程序包括我们windows桌面上的图形化界面,本质都是翻译给核心处理,再显…...
AI数字人:元宇宙舞台上的闪耀新星(7/10)
摘要:AI数字人作为元宇宙核心角色,提升交互体验,推动内容生产变革,助力产业数字化转型。其应用场景涵盖虚拟社交、智能客服、教育、商业营销等,面临技术瓶颈与行业规范缺失等挑战,未来有望突破技术限制&…...
【Linux】冯诺依曼体系结构及操作系统架构图的具体剖析
目录 一、冯诺依曼体系结构 1、结构图 2、结构图介绍: 3、冯诺依曼体系的数据流动介绍 4、为什么在该体系结构中要存在内存? 二、操作系统架构图介绍 1、操作系统架构图 2、解析操作系统架构图 3、为什么要有操作系统? 前些天发现了一…...
算法训练营第一天|704.二分查找、27.移除元素、977.有序数组的平方
数组理论基础 1.数组是存放在连续内存空间上的相同类型数据的集合。 2.数组的元素是不能删除的,只能覆盖。 3.不同语言不一样,在C中,二维数组是连续分布的 704.二分查找 题目 思路与解法 第一想法: 简单的二分查找,…...
c++ 互斥锁
为练习c 线程同步,做了LeeCode 1114题. 按序打印: 给你一个类: public class Foo {public void first() { print("first"); }public void second() { print("second"); }public void third() { print("third"…...
3.1 Agent定义与分类:自主Agent、协作Agent与混合Agent的特点
随着人工智能技术的快速发展,智能代理(Agent)作为一种能够感知环境、自主决策并采取行动的计算实体,已成为人工智能领域的重要研究对象和应用工具。特别是在大模型(Large Models)的赋能下,Agent…...
什么是CAN的非破坏仲裁?
CAN总线的非破坏性仲裁是一种在多个设备同时发送数据时,通过标识符(ID)优先级来决定哪个设备可以优先发送数据的机制。其核心思想是:当多个设备同时发送数据时,ID值较小的数据具有更高的优先级,能够优先…...
Vite vs Webpack 优势对比
Vite vs Webpack 优势对比 核心优势图解 #mermaid-svg-jeTCEp1bu9QruHjL {font-family:"trebuchet ms",verdana,arial,sans-serif;font-size:16px;fill:#333;}#mermaid-svg-jeTCEp1bu9QruHjL .error-icon{fill:#552222;}#mermaid-svg-jeTCEp1bu9QruHjL .error-text{…...
中波红外相机的应用领域及介绍
科技日新月异,无人机技术在众多领域已显露其卓越性能。当中波红外相机与无人机携手合作,安防视频监控和精细巡检便迎来了颠覆性的变革。本文旨在深入剖析无人机搭载中波红外相机的技术优势、广阔应用前景及实际案例,以此彰显其不可估量的潜力…...
【C++】vector扩容缩容
vector扩容缩容 1 扩容 一般来说,主要是重新分配内存 2 缩容 resize 缩小后,vector 的容量(capacity())可能保持不变,需要显式调用 shrink_to_fit() 来释放内存。 验证代码: #include <vector>…...
240423 leetcode exercises
240423 leetcode exercises jarringslee 文章目录 240423 leetcode exercises[33. 搜索旋转排序数组](https://leetcode.cn/problems/search-in-rotated-sorted-array/)🔁先找旋转点 再分段二分🔁利用布尔变量进行一次二分 [LCR 009. 乘积小于 K 的子数…...
重装系统 之 Dell戴尔服务器 PowerEdge R750xs + window server2012r2 || 2016
因要求需要给新服务器装个 win server2012或者2016系统 XXX使用U盘制作PE系统U盘安装系统不行,适合普通win8,win10,win11U盘制作PE系统U盘安装win10系统教程U盘制作PE系统U盘安装win10系统教程https://mp.weixin.qq.com/s/t0W8aNJaHPAU8T78nh…...
7-1 三种语言的单词转换
编写程序实现:首先从键盘输入若干个中文与英文单词的偶对,以空行作结束标记;再输入若干个英文与丹麦文单词的偶对,以空行作结束标记。然后输入一个中文单词,输出对应的丹麦文单词;若不存在该单词࿰…...
深度学习--卷积神经网络调整学习率
文章目录 前言一、学习率1、什么学习率2、什么是调整学习率3、目的 二、调整方法1、有序调整1)有序调整StepLR(等间隔调整学习率)2)有序调整MultiStepLR(多间隔调整学习率)3)有序调整ExponentialLR (指数衰减调整学习率)4)有序调整…...
Apache中间件解析漏洞与安全加固
Apache作为全球使用最广泛的Web服务器,其灵活性和模块化设计使其成为开发者的首选。然而,其解析机制和配置不当可能导致严重的安全风险。本文将从漏洞原理、攻击案例和安全配置三个维度,结合真实场景,解析…...
TORL:解锁大模型推理新境界,强化学习与工具融合的创新变革
在大语言模型(LLMs)推理能力不断提升的当下,如何让模型更高效地解决复杂计算和推理任务成为关键。本文介绍的TORL(Tool-Integrated Reinforcement Learning)框架给出了全新方案。它通过强化学习让大模型自主运用计算工…...
