说明:
在本文中,
Garbage Collection翻译为 “垃圾收集”,garbage collector翻译为 “垃圾收集器”;一般认为, 垃圾回收 和 垃圾收集 是同义词。
Minor GC翻译为： 小型 GC; 而不是次要 GC
Major GC翻译为： 大型 GC; 而不是主要 GC原因在于, 大部分情况下, 发生在年轻代的
Minor GC次数会很多, 翻译为次要 GC明显不对。
Full GC翻译为： 完全 GC; 为了清晰起见, 一般直接译为 Full GC, 读者明白即可; 其中大型 GC 和完全 GC 差不多, 这些术语出自官方的各种分析工具和垃圾收集日志。并不是很统一。
1. 垃圾收集简介
顾名思义, 垃圾收集 (Garbage Collection) 的意思就是 —— 找到垃圾并进行清理。但现有的垃圾收集实现却恰恰相反: 垃圾收集器跟踪所有正在使用的对象, 并把其余部分当做垃圾。记住这一点以后, 我们再深入讲解内存自动回收的原理，探究 JVM 中垃圾收集的具体实现, 。
我们不抠细节, 先从基础开始, 介绍垃圾收集的一般特征、核心概念以及实现算法。
免责声明: 本文主要讲解 Oracle Hotspot 和 OpenJDK 的行为。对于其他 JVM, 如 jRockit 或者 IBM J9, 在某些方面可能会略有不同。
手动内存管理(Manual Memory Management)
当今的自动垃圾收集算法极为先进, 但我们先来看看什么是手动内存管理。在那个时候, 如果要存储共享数据, 必须显式地进行 内存分配 (allocate) 和内存释放 (free)。如果忘记释放, 则对应的那块内存不能再次使用。内存一直被占着, 却不再使用，这种情况就称为 内存泄漏(memory leak)。
以下是用 C 语言来手动管理内存的一个示例程序:
int send_request() { size_t n = read_size(); int *elements = malloc(n * sizeof(int)); if(read_elements(n, elements) < n) { // elements not freed! return -1; } // … free(elements) return 0; } C |
可以看到, 如果程序很长, 或者结构比较复杂, 很可能就会忘记释放内存。内存泄漏曾经是个非常普遍的问题, 而且只能通过修复代码来解决。因此, 业界迫切希望有一种更好的办法, 来自动回收不再使用的内存, 完全消除可能的人为错误。这种自动机制被称为 垃圾收集(Garbage Collection, 简称 GC)。
智能指针(Smart Pointers)
第一代自动垃圾收集算法, 使用的是 引用计数 (reference counting)。针对每个对象, 只需要记住被引用的次数, 当引用计数变为 0 时, 这个对象就可以被安全地回收(reclaimed) 了。一个著名的示例是 C++ 的共享指针(shared pointers):
int send_request() { size_t n = read_size(); shared_ptr<vector<int>> elements = make_shared<vector<int>>(); if(read_elements(n, elements) < n) { return -1; } return 0; } C |
shared_ptr 被用来跟踪引用的数量。作为参数传递时这个数字加 1, 在离开作用域时这个数字减 1。当引用计数变为 0 时, shared_ptr 自动删除底层的 vector。需要向读者指出的是，这种方式在实际编程中并不常见, 此处仅用于演示。
自动内存管理(Automated Memory Management)
上面的 C++ 代码中, 我们要显式地声明什么时候需要进行内存管理。但不能让所有的对象都具备这种特征呢? 那样就太方便了, 开发者不再耗费脑细胞, 去考虑要在何处进行内存清理。运行时环境会自动算出哪些内存不再使用，并将其释放。换句话说, 自动进行收集垃圾。第一款垃圾收集器是 1959 年为 Lisp 语言开发的, 此后 Lisp 的垃圾收集技术也一直处于业界领先水平。
引用计数(Reference Counting)
刚刚演示的 C++ 共享指针方式, 可以应用到所有对象。许多语言都采用这种方法, 包括 Perl、Python 和 PHP 等。下图很好地展示了这种方式:
01_01_Java-GC-counting-references1.png
图中绿色的云(GC ROOTS) 表示程序正在使用的对象。从技术上讲, 这些可能是当前正在执行的方法中的局部变量，或者是静态变量一类。在某些编程语言中, 可能叫法不太一样, 这里不必抠名词。
蓝色的圆圈表示可以引用到的对象, 里面的数字就是引用计数。然后, 灰色的圆圈是各个作用域都不再引用的对象。灰色的对象被认为是垃圾, 随时会被垃圾收集器清理。
看起来很棒, 是吧! 但这种方式有个大坑, 很容易被 循环引用(detached cycle) 给搞死。任何作用域中都没有引用指向这些对象，但由于循环引用, 导致引用计数一直大于零。如下图所示:
01_02_Java-GC-cyclical-dependencies.png
看到了吗? 红色的对象实际上属于垃圾。但由于引用计数的局限, 所以存在内存泄漏。
当然也有一些办法来应对这种情况, 例如 “弱引用”(‘weak’ references), 或者使用另外的算法来排查循环引用等。前面提到的 Perl、Python 和 PHP 等语言, 都使用了某些方式来解决循环引用问题, 但本文不对其进行讨论。下面介绍 JVM 中使用的垃圾收集方法。
标记 - 清除(Mark and Sweep)
首先, JVM 明确定义了什么是对象的可达性 (reachability)。我们前面所说的绿色云这种只能算是模糊的定义, JVM 中有一类很明确很具体的对象, 称为 垃圾收集根元素(Garbage Collection Roots)，包括:
- 局部变量(Local variables)
- 活动线程(Active threads)
- 静态域(Static fields)
- JNI 引用(JNI references)
- 其他对象(稍后介绍 …)
JVM 使用 标记 - 清除算法 (Mark and Sweep algorithm), 来跟踪所有的可达对象(即存活对象), 确保所有不可达对象(non-reachable objects) 占用的内存都能被重用。其中包含两步:
- Marking(标记): 遍历所有的可达对象, 并在本地内存 (native) 中分门别类记下。
- Sweeping(清除): 这一步保证了, 不可达对象所占用的内存, 在之后进行内存分配时可以重用。
JVM 中包含了多种 GC 算法, 如 Parallel Scavenge(并行清除), Parallel Mark+Copy(并行标记 + 复制) 以及 CMS, 他们在实现上略有不同, 但理论上都采用了以上两个步骤。
标记清除算法最重要的优势, 就是不再因为循环引用而导致内存泄露:
01_03_Java-GC-mark-and-sweep.png
而不好的地方在于, 垃圾收集过程中, 需要暂停应用程序的所有线程。假如不暂停, 则对象间的引用关系会一直不停地发生变化, 那样就没法进行统计了。这种情况叫做 STW 停顿(Stop The World pause, 全线暂停), 让应用程序暂时停止，让 JVM 进行内存清理工作。有很多原因会触发 STW 停顿, 其中垃圾收集是最主要的因素。
在本手册中, 我们将介绍 JVM 中垃圾收集的实现原理，以及如何高效地利用 GC。
