gc垃圾回收机制，
个人理解：
因为在使用java创建一个类或者对象后，难免会存在以后不使用的情况，为了减少其继续再占用内存，必须建立一套清理垃圾的机制，但是怎么判断什么样的才算是不使用的垃圾呢，这里面进行了判断并标记分类，然后根据不同的标记再进行不同的处理。不过世事无完美之说，其也是存在弊端的(开销通常很大，而且它的运行具有不确定性)，为了避免，我们还是在正常工作中，养成一个好的编程习惯。其都解释的比较详细！
一、java内存区域：
在java运行时的数据区里，由jvm(java虚拟机)管理的内存区域分为下图几个模块：
其中：
1，程序计数器(program counter register)：程序计数器是一个比较小的内存区域，用于指示当前线程所执行的字节码执行到了第几行，可以理解为是当前线程的行号指示器。字节码解释器在工作时，会通过改变这个计数器的值来取下一条语句指令。
每个程序计数器只用来记录一个线程的行号，所以它是线程私有(一个线程就有一个程序计数器)的。
如果程序执行的是一个java方法，则计数器记录的是正在执行的虚拟机字节码指令地址；如果正在执行的是一个本地(native，由c语言编写完成)方法，则计数器的值为undefined，由于程序计数器只是记录当前指令地址，所以不存在内存溢出的情况，因此，程序计数器也是所有jvm内存区域中唯一一个没有定义outofmemoryerror的区域。
2，虚拟机栈(jvm stack)：一个线程的每个方法在执行的同时，都会创建一个栈帧(statck frame)，栈帧中存储的有局部变量表、操作站、动态链接、方法出口等，当方法被调用时，栈帧在jvm栈中入栈，当方法执行完成时，栈帧出栈。
局部变量表中存储着方法的相关局部变量，包括各种基本数据类型，对象的引用，返回地址等。在局部变量表中，只有long和double类型会占用2个局部变量空间(slot，对于32位机器，一个slot就是32个bit)，其它都是1个slot。需要注意的是，局部变量表是在编译时就已经确定好的，方法运行所需要分配的空间在栈帧中是完全确定的，在方法的生命周期内都不会改变。
虚拟机栈中定义了两种异常，如果线程调用的栈深度大于虚拟机允许的最大深度，则抛出statckoverflowerror(栈溢出)；不过多数java虚拟机都允许动态扩展虚拟机栈的大小(有少部分是固定长度的)，所以线程可以一直申请栈，直到内存不足，此时，会抛出outofmemoryerror(内存溢出)。
每个线程对应着一个虚拟机栈，因此虚拟机栈也是线程私有的。
3，本地方法栈(native method statck)：本地方法栈在作用，运行机制，异常类型等方面都与虚拟机栈相同，唯一的区别是：虚拟机栈是执行java方法的，而本地方法栈是用来执行native方法的，在很多虚拟机中(如sun的jdk默认的hotspot虚拟机)，会将本地方法栈与虚拟机栈放在一起使用。
本地方法栈也是线程私有的。
4，堆区(heap)：堆区是理解java gc机制最重要的区域，没有之一。在jvm所管理的内存中，堆区是最大的一块，堆区也是java gc机制所管理的主要内存区域，堆区由所有线程共享，在虚拟机启动时创建。堆区的存在是为了存储对象实例，原则上讲，所有的对象都在堆区上分配内存(不过现代技术里，也不是这么绝对的，也有栈上直接分配的)。
一般的，根据java虚拟机规范规定，堆内存需要在逻辑上是连续的(在物理上不需要)，在实现时，可以是固定大小的，也可以是可扩展的，目前主流的虚拟机都是可扩展的。如果在执行垃圾回收之后，仍没有足够的内存分配，也不能再扩展，将会抛出outofmemoryerror:java heap space异常。
关于堆区的内容还有很多，将在下节“java内存分配机制”中详细介绍。
5，方法区(method area)：在java虚拟机规范中，将方法区作为堆的一个逻辑部分来对待，但事实上，方法区并不是堆(non-heap)；另外，不少人的博客中，将java gc的分代收集机制分为3个代：青年代，老年代，永久代，这些作者将方法区定义为“永久代”，这是因为，对于之前的hotspot java虚拟机的实现方式中，将分代收集的思想扩展到了方法区，并将方法区设计成了永久代。不过，除hotspot之外的多数虚拟机，并不将方法区当做永久代，hotspot本身，也计划取消永久代。本文中，由于笔者主要使用oracle jdk6.0，因此仍将使用永久代一词。
方法区是各个线程共享的区域，用于存储已经被虚拟机加载的类信息(即加载类时需要加载的信息，包括版本、field、方法、接口等信息)、final常量、静态变量、编译器即时编译的代码等。
方法区在物理上也不需要是连续的，可以选择固定大小或可扩展大小，并且方法区比堆还多了一个限制：可以选择是否执行垃圾收集。一般的，方法区上执行的垃圾收集是很少的，这也是方法区被称为永久代的原因之一(hotspot)，但这也不代表着在方法区上完全没有垃圾收集，其上的垃圾收集主要是针对常量池的内存回收和对已加载类的卸载。
在方法区上进行垃圾收集，条件苛刻而且相当困难，效果也不令人满意，所以一般不做太多考虑，可以留作以后进一步深入研究时使用。
在方法区上定义了outofmemoryerror:permgen space异常，在内存不足时抛出。
运行时常量池(runtime constant pool)是方法区的一部分，用于存储编译期就生成的字面常量、符号引用、翻译出来的直接引用(符号引用就是编码是用字符串表示某个变量、接口的位置，直接引用就是根据符号引用翻译出来的地址，将在类链接阶段完成翻译)；运行时常量池除了存储编译期常量外，也可以存储在运行时间产生的常量(比如string类的intern()方法，作用是string维护了一个常量池，如果调用的字符“abc”已经在常量池中，则返回池中的字符串地址，否则，新建一个常量加入池中，并返回地址)。
6，直接内存(direct memory)：直接内存并不是jvm管理的内存，可以这样理解，直接内存，就是jvm以外的机器内存，比如，你有4g的内存，jvm占用了1g，则其余的3g就是直接内存，jdk中有一种基于通道(channel)和缓冲区(buffer)的内存分配方式，将由c语言实现的native函数库分配在直接内存中，用存储在jvm堆中的directbytebuffer来引用。由于直接内存收到本机器内存的限制，所以也可能出现outofmemoryerror的异常。
java对象的访问方式
一般来说，一个java的引用访问涉及到3个内存区域：jvm栈，堆，方法区。
以最简单的本地变量引用：object obj = new object()为例：
①、object obj表示一个本地引用，存储在jvm栈的本地变量表中，表示一个reference类型数据；
②、new object()作为实例对象数据存储在堆中；
③、堆中还记录了object类的类型信息(接口、方法、field、对象类型等)的地址，这些地址所执行的数据存储在方法区中；
二、需要gc的原因：
应用程序对资源操作，通常简单分为以下几个步骤：
1、为对应的资源分配内存
2、初始化内存
3、使用资源
4、清理资源
5、释放内存
应用程序对资源(内存使用)管理的方式，常见的一般有如下几种：
1、手动管理：c,c
2、计数管理：com
3、自动管理：.net,java,php,go…
但是，手动管理和计数管理的复杂性很容易产生以下典型问题：
1.程序员忘记去释放内存
2.应用程序访问已经释放的内存
产生的后果很严重，常见的如内存泄露、数据内容乱码，而且大部分时候，程序的行为会变得怪异而不可预测，还有access violation等。
.net、java等给出的ag真人游戏的解决方案，就是通过自动垃圾回收机制gc进行内存管理。这样，问题1自然得到解决，问题2也没有存在的基础。
总结：无法自动化的内存管理方式极容易产生bug，影响系统稳定性，尤其是线上多服务器的集群环境，程序出现执行时bug必须定位到某台服务器然后dump内存再分析bug所在，极其打击开发人员编程积极性，而且源源不断的类似bug让人厌恶。
三、gc如何工作：
gc的工作流程主要分为如下几个步骤：
1、标记(mark)---gc的根节点也即gc root
2、计划(plan)
3、清理(sweep)
4、引用更新(relocate)
5、压缩(compact)
在java中，可以当做gc root的对象有以下几种：
1、虚拟机(jvm)栈中的引用的对象
2、方法区中的类静态属性引用的对象
3、方法区中的常量引用的对象(主要指声明为final的常量值)
4、本地方法栈中jni的引用的对象
四、什么时候发生gc;
1、当应用程序分配新的对象，gc的代的预算大小已经达到阈值，比如gc的第0代已满
2、代码主动显式调用system.gc.collect()
3、其他特殊情况，比如，windows报告内存不足、clr卸载appdomain、clr关闭，甚至某些极端情况下系统参数设置改变也可能导致gc回收
五、建议：
由于gc的代价很大，平时开发中注意一些良好的编程习惯有可能对gc有积极正面的影响，否则有可能产生不良效果。
1、尽量不要new很大的object，大对象(>=85000byte)直接归为g2代，gc回收算法从来不对大对象堆(loh)进行内存压缩整理，因为在堆中下移85000字节或更大的内存块会浪费太多cpu时间。
2、不要频繁的new生命周期很短object，这样频繁垃圾回收频繁压缩有可能会导致很多内存碎片，可以使用设计良好稳定运行的对象池(objectpool)技术来规避这种问题。
3、使用更好的编程技巧，比如更好的算法、更优的数据结构、更佳的解决策略等等。
相关文章暂无相关文章