【Android 内存优化】Java 内存模型 ( Java 虚拟机内存模型 | 线程私有区 | 共享数据区 | 内存回收算法 | 引用计数 | 可达性分析 )

简介: 【Android 内存优化】Java 内存模型 ( Java 虚拟机内存模型 | 线程私有区 | 共享数据区 | 内存回收算法 | 引用计数 | 可达性分析 )

文章目录

一、 Java 虚拟机内存模型

二、 程序计数器 ( 线程私有区 )

三、 虚拟机栈 ( 线程私有区 )

四、 本地方法栈 ( 线程私有区 )

五、 方法区 ( 共享数据区 )

1. 方法区

2. 运行时常量池

六、 堆区 ( 共享数据区 )

七、 内存溢出类型

八、 引用计数算法回收内存

九、 可达性分析算法回收内存





一、 Java 虚拟机内存模型


Java 内存优化 , 首当其冲就是处理 Java 内存泄漏问题 , 这是 Java 程序最主要的内存问题 , 大量的内存泄漏会导致内存溢出 ;




Java 虚拟机内存机制 : Java 虚拟机中内存分为两部分 , 线程私有部分 , 共享数据区 ;



① 共享数据区 : 方法区 ( Method Area ) , 堆区 ( Heap Area ) ; 其中方法区中包含常量池 ;


② 线程私有数据区 : 程序计数器 ( PC ) , 虚拟机栈 ( VM Stack ) , 本地方法栈 ( Native Method Stack ) ;



这是 Java 虚拟机规范定义的内存分区 , 但是具体的厂家实现可能不完全一致 , 如 Sun JDK , Open JDK 等 ;


Android 中的 Java 虚拟机 跟上述 Java 规范有很大不同 ;






二、 程序计数器 ( 线程私有区 )


程序计数器 :



① 作用 : 该内存空间很小 , 主要用于指示执行的代码行 , 程序计数器指向的代码行 , 就是下一行将要执行的代码 ;


② 线程切换运行 : Java 多线程是抢占式执行的 , 经常出现线程 A AA 执行时 , 切换到线程 B BB , 如果线程 B BB 执行完毕回到线程 A AA , 这里就需要记住线程 A AA 之前执行到哪了 , 这就需要用到线程私有的数据区的程序计数器 ( PC ) ;


③ 执行 Java 代码 : 线程执行 Java 代码时 , 程序计数器记录的是虚拟机字节码地址 ;


④ 执行 Native C/C++ 代码 : 线程执行 native 代码时 , 程序计数器记录的 值是空值 null ;



程序计数器 区域没有定义 内存溢出 异常 , 这个区域很小 ;






三、 虚拟机栈 ( 线程私有区 )


1. 虚拟机栈 ( VM Stack ) : 其生命周期与线程相同 , 描述的是 Java 方法执行的内存模型 , 该区域就是栈区 , 与堆区相对应 ;



2. 虚拟机栈中保存的数据 :


局部变量表

操作栈

方法返回地址

动态链接

额外附加信息





四、 本地方法栈 ( 线程私有区 )


本地方法栈 ( Native Method Stack ) : 这是 Native 层 C/C++ 提供的栈内存空间 , 该内存的类型与虚拟机栈内存类型一样 , 只是语言不同 , 一个 Java 方法的额栈 , 一个是 C/C++ 方法的栈 ;



Hotspot VM 虚拟机中 , 虚拟机栈 与 本地方法栈是一块内存 , 二者合二为一 ;






五、 方法区 ( 共享数据区 )




1. 方法区


方法区 : 存储以下内容 ;


类信息 , 如 ClassLoader 加载的 Class

常量 , 存放在运行时常量池中 , 该常量池也是方法区的一部分 ;

静态变量 , static 变量

即时编译器( JIT compiler ) 编译后的代码


不同的虚拟机 , 实现不同 ;


该区域一般不进行 GC 垃圾回收 ;





2. 运行时常量池


运行时常量池 :


编译中的 Java 常量 ( public static final )

字符串常量 ( String )

final 修饰的常量 ;

符号引用 , 如 类或接口完整名称 ( 带包名 ) , 字段名 , 方法名 , 描述符 ;





六、 堆区 ( 共享数据区 )


Java 堆区 :



① 最大区域 : 该内存区是 Java 虚拟机管理的内存中最大的部分 , 是垃圾回收算法 GC 的主要操作区域 ;


② 内存溢出 : OOM ( OutOfMemory ) 内存溢出就是该区域内存被全部占用 , 无法为新的内存申请更多空间 ;






七、 内存溢出类型


内存溢出 :



① 栈内存溢出 : 在 Java 的栈区内存溢出 , 就是 StackOverflowException 栈溢出异常 , 在递归的时候 , 如果没有控制好 , 就会报该异常 ;


② 堆内存溢出 : 在 Java 堆内存中的溢出 , 就是 OutOfMemoryError 堆内存溢出 , 在加载大量数据到内存时 , 会出现该异常 ;






八、 引用计数算法回收内存


引用计数是早期的 GC 回收 Java 对象机制 , 有一定弊端 ;



1. 引用计数简介 : 使用对象的引用计数 , 确定 Java 对象是否存活 , 确定是否应该被回收 ;



2. 引用计数垃圾回收算法示例说明 :



① 创建对象 : 创建一个 O OO 类型对象 o oo , 此时引用计数为 0 , 如果不将其赋值给一个变量 , 那么很快就会被回收 ;


② 变量 A AA 赋值 : 创建一个 O OO 类型对象 o oo , 将对象 o oo 其 赋值 给变量 A AA , 此时该对象 A AA 引用计数为 1 11 ;


③ 变量 B BB 赋值 : 创建一个 O OO 类型对象 o oo , 将对象 o oo 其 赋值 给变量 B BB , 此时该对象 B BB 引用计数为 1 11 ;


④ B BB 引用 A AA : 变量 B BB 中有 O OO 类型成员变量 , 将 A AA 赋值 给该成员变量 , 此时对象 B BB 引用计数变成 2 22 ;


⑤ A AA 引用 B BB : 变量 A AA 中有 O OO 类型成员变量 , 将 B BB 赋值 给该成员变量 , 此时对象 A AA 引用计数变成 2 22 ;



此时即使把 A , B A , BA,B 两个变量都设置成 null , 每个变量的引用计数都减一 , 也无法将引用计数减为 0 00 , 该对象永远无法回收 ;



引用计数弊端 : 如果两个变量之间互相引用 , 引用计数永远不能变为 0 00 ;






九、 可达性分析算法回收内存


1. 可达性分析算法 : 以 GC Root 为分析的起点 , 查找对象的引用 , 如果找到一个对象 , 无法被 GC Root 直接或间接引用到 , 那么该对象就可以被回收了 ;



2. GC Root 对象 : GC Root 是一个对象 , 可以是如下对象 ;


虚拟机栈正在运行的引用

静态属性

常量

JNI 中的对象

GC Root 就是不会被回收的那些的变量 , Android 中就是 Application , 单例类 , 运行中的 Activity 等 ;



3. 第一次扫描回调 finalize 方法 : 对象经过可达性分析后 , 发现没有引用链可以达到 GC Root , 此时就会调用该对象的 finalize() 方法进行标记 , 开发者可以实现该方法 , 进行一些逻辑处理 :


① 释放资源 : 可以执行一些资源释放方法 , 一面出现内存泄漏 ;

② 引用自救 : 将对象赋值给指定变量 , 这样可以避免被 GC 回收内存 ;


4. 可达性分析中对对象的两次扫描 : 可达性分析时 , 需要对指定对象标记两次 , 第一次被标记时会调用该对象 finalize() 方法 , 相当于判了死缓 , 此时可以通过添加引用的方式自救 , 如果没有进行任何干预 , 第 2 22 次扫描到该对象还没有到 GCRoot 的引用链 , 此时不会调用 finalize() 方法 , 直接就被回收了 ;


目录
相关文章
|
7月前
|
机器学习/深度学习 算法 前端开发
别再用均值填充了!MICE算法教你正确处理缺失数据
MICE是一种基于迭代链式方程的缺失值插补方法,通过构建后验分布并生成多个完整数据集,有效量化不确定性。相比简单填补,MICE利用变量间复杂关系,提升插补准确性,适用于多变量关联、缺失率高的场景。本文结合PMM与线性回归,详解其机制并对比效果,验证其在统计推断中的优势。
1697 11
别再用均值填充了!MICE算法教你正确处理缺失数据
|
9月前
|
机器学习/深度学习 Dragonfly 人工智能
基于蜻蜓算法优化支持向量机(DA-SVM)的数据多特征分类预测研究(Matlab代码实现)
基于蜻蜓算法优化支持向量机(DA-SVM)的数据多特征分类预测研究(Matlab代码实现)
196 1
|
8月前
|
传感器 机器学习/深度学习 算法
【使用 DSP 滤波器加速速度和位移】使用信号处理算法过滤加速度数据并将其转换为速度和位移研究(Matlab代码实现)
【使用 DSP 滤波器加速速度和位移】使用信号处理算法过滤加速度数据并将其转换为速度和位移研究(Matlab代码实现)
502 1
|
8月前
|
机器学习/深度学习 算法 调度
14种智能算法优化BP神经网络(14种方法)实现数据预测分类研究(Matlab代码实现)
14种智能算法优化BP神经网络(14种方法)实现数据预测分类研究(Matlab代码实现)
587 0
|
7月前
|
存储 缓存 Java
我们来说一说 JVM 的内存模型
我是小假 期待与你的下一次相遇 ~
516 5
|
7月前
|
存储 缓存 算法
深入理解JVM《JVM内存区域详解 - 世界的基石》
Java代码从编译到执行需经javac编译为.class字节码,再由JVM加载运行。JVM内存分为线程私有(程序计数器、虚拟机栈、本地方法栈)和线程共享(堆、方法区)区域,其中堆是GC主战场,方法区在JDK 8+演变为使用本地内存的元空间,直接内存则用于提升NIO性能,但可能引发OOM。
|
8月前
|
存储 监控 算法
企业电脑监控系统中基于 Go 语言的跳表结构设备数据索引算法研究
本文介绍基于Go语言的跳表算法在企业电脑监控系统中的应用,通过多层索引结构将数据查询、插入、删除操作优化至O(log n),显著提升海量设备数据管理效率,解决传统链表查询延迟问题,实现高效设备状态定位与异常筛选。
204 3
|
7月前
|
机器学习/深度学习 人工智能 算法
【基于TTNRBO优化DBN回归预测】基于瞬态三角牛顿-拉夫逊优化算法(TTNRBO)优化深度信念网络(DBN)数据回归预测研究(Matlab代码实现)
【基于TTNRBO优化DBN回归预测】基于瞬态三角牛顿-拉夫逊优化算法(TTNRBO)优化深度信念网络(DBN)数据回归预测研究(Matlab代码实现)
296 0
|
8月前
|
算法 数据挖掘 定位技术
基于密度的聚类算法能够在含有噪声的数据集中识别出任意形状和大小的簇(Matlab代码实现)
基于密度的聚类算法能够在含有噪声的数据集中识别出任意形状和大小的簇(Matlab代码实现)
194 1
|
8月前
|
机器学习/深度学习 数据采集 运维
改进的遗传算法优化的BP神经网络用于电厂数据的异常检测和故障诊断
改进的遗传算法优化的BP神经网络用于电厂数据的异常检测和故障诊断