这篇文章将为大家详细讲解有关java垃圾收集器中内存分配和回收的一些细节是怎样的，文章内容质量较高，因此小编分享给大家做个参考，希望大家阅读完这篇文章后对相关知识有一定的了解。
创新互联-专业网站定制、快速模板网站建设、高性价比芦山网站开发、企业建站全套包干低至880元,成熟完善的模板库,直接使用。一站式芦山网站制作公司更省心,省钱,快速模板网站建设找我们，业务覆盖芦山地区。费用合理售后完善，十年实体公司更值得信赖。
重庆分公司
重庆分公司
System.gc()jvm提供了一个参数 DisableExplicitGC 来控制是否手工触发GC，如果需要禁用，可以使用以下配置：
-XX:+DisableExplicitGC
System.gc() 使用并发回收在默认情况下，即使 System.gc 生效，会使用传统的 Full GC 方式回收整个堆，而忽略参数中的 UseG1GC 和 UseConcMarkSweepGC，即CMS和G1是没有并发执行的。
示例代码
public class Demo01 {
public static void main(String[] args) {
System.gc();
}
}使用-XX:+PrintGCDetails -XX:+UseConcMarkSweepGC,日志如下：
[Full GC (System.gc()) [CMS: 0K->372K(174784K), 0.0246450 secs] 2798K->372K(253440K), [Metaspace: 2906K->2906K(1056768K)], 0.0247414 secs] [Times: user=0.02 sys=0.01, real=0.02 secs]
使用-XX:+PrintGCDetails -XX:+UseG1GC,日志如下：
[Full GC (System.gc()) 1517K->368K(8192K), 0.0089949 secs] [Eden: 2048.0K(12.0M)->0.0B(3072.0K) Survivors: 0.0B->0.0B Heap: 1517.6K(256.0M)->368.7K(8192.0K)], [Metaspace: 2906K->2906K(1056768K)] [Times: user=0.01 sys=0.00, real=0.01 secs]
显然，此时CMS和G1是没有并发执行的，因为在日志中没有任何并发相关的信息。可以使用以下参数来改变这种默认行为：
-XX:+ExplicitGCInvokesConcurrent
使用-XX:+PrintGCDetails -XX:+UseConcMarkSweepGC -XX:+ExplicitGCInvokesConcurrent,日志如下：
[GC (System.gc()) [ParNew: 2798K->398K(78656K), 0.0010206 secs] 2798K->398K(253440K), 0.0010476 secs] [Times: user=0.01 sys=0.00, real=0.00 secs] [GC (CMS Initial Mark) [1 CMS-initial-mark: 0K(174784K)] 1797K(253440K), 0.0001720 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] [CMS-concurrent-mark-start] [CMS-concurrent-mark: 0.000/0.000 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] [CMS-concurrent-preclean-start] [CMS-concurrent-preclean: 0.001/0.001 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] [GC (CMS Final Remark) [YG occupancy: 1797 K (78656 K)][Rescan (parallel) , 0.0007200 secs][weak refs processing, 0.0000066 secs][class unloading, 0.0001855 secs][scrub symbol table, 0.0003697 secs][scrub string table, 0.0001424 secs][1 CMS-remark: 0K(174784K)] 1797K(253440K), 0.0014769 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] [CMS-concurrent-sweep-start] [CMS-concurrent-sweep: 0.000/0.000 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] [CMS-concurrent-reset-start]
使用-XX:+PrintGCDetails -XX:+UseG1GC -XX:+ExplicitGCInvokesConcurrent,日志如下：
[GC pause (System.gc()) (young) (initial-mark), 0.0024614 secs] [Parallel Time: 1.5 ms, GC Workers: 8] [GC Worker Start (ms): Min: 100.6, Avg: 100.7, Max: 100.8, Diff: 0.2] [Ext Root Scanning (ms): Min: 0.0, Avg: 0.2, Max: 0.3, Diff: 0.3, Sum: 1.6] [Update RS (ms): Min: 0.0, Avg: 0.0, Max: 0.0, Diff: 0.0, Sum: 0.0] [Processed Buffers: Min: 0, Avg: 0.0, Max: 0, Diff: 0, Sum: 0] [Scan RS (ms): Min: 0.0, Avg: 0.0, Max: 0.0, Diff: 0.0, Sum: 0.0] [Code Root Scanning (ms): Min: 0.0, Avg: 0.0, Max: 0.0, Diff: 0.0, Sum: 0.0] [Object Copy (ms): Min: 0.4, Avg: 0.6, Max: 1.0, Diff: 0.6, Sum: 5.1] [Termination (ms): Min: 0.0, Avg: 0.4, Max: 0.5, Diff: 0.5, Sum: 3.0] [Termination Attempts: Min: 1, Avg: 3.1, Max: 8, Diff: 7, Sum: 25] [GC Worker Other (ms): Min: 0.0, Avg: 0.0, Max: 0.0, Diff: 0.0, Sum: 0.1] [GC Worker Total (ms): Min: 1.1, Avg: 1.2, Max: 1.4, Diff: 0.3, Sum: 9.8] [GC Worker End (ms): Min: 101.9, Avg: 101.9, Max: 102.0, Diff: 0.1] [Code Root Fixup: 0.0 ms] [Code Root Purge: 0.0 ms] [Clear CT: 0.1 ms] [Other: 0.8 ms] [Choose CSet: 0.0 ms] [Ref Proc: 0.6 ms] [Ref Enq: 0.0 ms] [Redirty Cards: 0.1 ms] [Humongous Register: 0.0 ms] [Humongous Reclaim: 0.0 ms] [Free CSet: 0.0 ms] [Eden: 2048.0K(24.0M)->0.0B(23.0M) Survivors: 0.0B->1024.0K Heap: 2009.1K(256.0M)->568.1K(256.0M)] [Times: user=0.01 sys=0.00, real=0.00 secs] [GC concurrent-root-region-scan-start] [GC concurrent-root-region-scan-end, 0.0003924 secs] [GC concurrent-mark-start] [GC concurrent-mark-end, 0.0002255 secs] [GC remark [Finalize Marking, 0.0001208 secs] [GC ref-proc, 0.0000284 secs] [Unloading, 0.0002767 secs], 0.0005331 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] [GC cleanup 1039K->1039K(256M), 0.0003741 secs] [Times: user=0.00 sys=0.00, real=0.00 secs]
使用ExplicitGCInvokesConcurrent参数后，System.gc() 这种显式GC才会使用并发的方式进行回收，否则无论是否启用了CMS或G1，都不会进行并发回收。
对于并行回收器（使用UseParallelOldGC或者UseParallelGC），在每一次FullGC之前都会伴随一次新生代GC，这和串行回收器相比，有很大的不同，示例如下：
public class Demo01 {
public static void main(String[] args) {
System.gc();
}
}使用-XX:+PrintGCDetails -XX:+UseSerialGC，gc日志如下：
[Full GC (System.gc()) [Tenured: 0K->367K(174784K), 0.0017465 secs] 2798K->367K(253440K), [Metaspace: 2903K->2903K(1056768K)], 0.0017770 secs] [Times: user=0.01 sys=0.00, real=0.00 secs]
可以看到，System.gc() 触发了一次Full GC.
使用-XX:+PrintGCDetails -XX:+UseParallelOldGC，gc日志如下：
[GC (System.gc()) [PSYoungGen: 2621K->528K(76288K)] 2621K->536K(251392K), 0.0008817 secs] [Times: user=0.00 sys=0.00, real=0.00 secs] [Full GC (System.gc()) [PSYoungGen: 528K->0K(76288K)] [ParOldGen: 8K->368K(175104K)] 536K->368K(251392K), [Metaspace: 2905K->2905K(1056768K)], 0.0036679 secs] [Times: user=0.01 sys=0.00, real=0.00 secs]
可以看到，触发FullGC前，进行了一次新生代GC。因此，这里的Sytem.gc()实际上触发了两次GC，这样做的目的是先将新生代进行一次回收，避免将所有回收工作同时交给一次Full GC进行，从而尽可能地缩短一次停顿时间。
如果不需要这个特性，可以使用参数-XX:-ScavengeBeforeFullGC去除发生在FullGC之前的那次新生代GC. 使用-XX:+PrintGCDetails -XX:+UseParallelOldGC -XX:-ScavengeBeforeFullGC运行，gc日志如下：
[Full GC (System.gc()) [PSYoungGen: 2621K->0K(76288K)] [ParOldGen: 0K->368K(175104K)] 2621K->368K(251392K), [Metaspace: 2906K->2906K(1056768K)], 0.0032836 secs] [Times: user=0.01 sys=0.00, real=0.00 secs]
可以看到，Full GC 前已经没有了新生代gc。
初创对象在eden区产生
老年对象进行老年代：虚拟机提供一个参数来控制新生代对象的最大年龄：MaxTenuringThreshold，这个值默认是15，即新生代对象最多经历15次GC，就可以晋升到老年代。实际情况中，对象的实际晋升年龄是根据survivor区的使用情况动态计算得来的，而 MaxTenuringThreshold 只是表示这个年龄的最大值。可以使用参数TargetSurvivorRatio设置survivor的目标使用率，默认为50，即如果survivor区在GC后使用率超过50%，那么就很可能会使用较小的age作为晋升年龄。
大对象进入老年代：如果对象很大，新生代无论是eden区还是survivor区都无法容纳这个对象，自然这个对象无法存放在新生代。jvm提供了参数PretenureSizeThreshold参数来设置对象直接晋升到老年代的阈值，单位是字节。只要对象大于该指定值，就会直接在老年代分配。这个参数只对串行回收器和ParNew有效，对于ParallelGC无效。默认下该值为0，也就是不指定最大的晋升大小，一切由运行情况决定。
大对象直接进入老年代的示例：
public class Demo04 {
public static final int _1K = 1024;
public static void main(String[] args) {
Map map = new HashMap<>();
for(int i = 0; i < 5 * _1K; i++) {
byte[] b = new byte[_1K];
map.put(i, b);
}
}
} 使用-Xmx32m -Xms32m -XX:+UseSerialGC -XX:+PrintGCDetails -XX:PretenureSizeThreshold=1000 -XX:-UseTLAB参数运行，结果如下：
Heap def new generation total 9792K, used 963K [0x00000007be000000, 0x00000007beaa0000, 0x00000007beaa0000) eden space 8704K, 11% used [0x00000007be000000, 0x00000007be0f0f88, 0x00000007be880000) from space 1088K, 0% used [0x00000007be880000, 0x00000007be880000, 0x00000007be990000) to space 1088K, 0% used [0x00000007be990000, 0x00000007be990000, 0x00000007beaa0000) tenured generation total 21888K, used 5953K [0x00000007beaa0000, 0x00000007c0000000, 0x00000007c0000000) the space 21888K, 27% used [0x00000007beaa0000, 0x00000007bf070408, 0x00000007bf070600, 0x00000007c0000000) Metaspace used 3054K, capacity 4496K, committed 4864K, reserved 1056768K class space used 333K, capacity 388K, committed 512K, reserved 1048576K
可以看到，无任何gc日志输出，最终使用的空间中，老年代使用了大约5m空间。
TLAB 全称是Thread Local Allocation Buffer，即线程本地分配缓存。从名字上看，TLAB是一个线程专用的内存分配区域。由于对象一般分配在堆上，而堆是全局共享的，在同一时间内，可能有多个线程在堆上申请空间。因此，每一次对象分配都必须进行同步，而在竞争激烈的场合分配的效率又会进一步下降。考虑到对象分配几乎是java最常用的操作，因此java虚拟机就使用了TLAB这种线程专属的区域来避免多线程冲突，提高对象分配的效率。TLAB本身占用了eden区空间，在TLAB启用的情况下，虚拟机会为每一个java线程分配一块TLAB区域。
默认情况下，TLAB的大小是会在运行时不断调整的，使系统的运行状态达到最优。如果想禁用自动调整TLAB的大小，可以使用-XX:ResizeTLAB禁用ResizeTLAB并使用-XX:TLABSize手工指定TLAB的大小。
示例：启用TLAB与关闭TLAB时的性能差异
public class Demo05 {
public static void alloc() {
byte[] b = new byte[2];
b[0] = 1;
}
public static void main(String[] args) {
long b = System.currentTimeMillis();
for(int i = 0; i < 1000_0000; i++) {
alloc();
}
long e = System.currentTimeMillis();
System.out.println(e - b);
}
}使用参数-XX:+UseTLAB -Xcomp -XX:-BackgroundCompilation -XX:-DoEscapeAnalysis -server运行，结果为71；
使用参数-XX:-UseTLAB -Xcomp -XX:-BackgroundCompilation -XX:-DoEscapeAnalysis -server运行，结果为135;
从结果来看，TLAB是否启用对于对象分配的影响还是很大的。
对象的分配流程：
如果开启了栈上分配，系统就会先进行栈上分配；
没有开启栈上分配或者不符合条件则会进行TLAB分配；
如果TLAB分配不成功，再尝试在堆上分配；
如果满足了直接进入老年代的条件，就在老年代分配；
否则就在eden区分配，当然，如有必要，可能会进行一次新生代GC.
finalize() 函数对垃圾回收的影响java中提供了一个类似于C++析构函数的机制——finalize()函数，该函数允许在子类中被重载，用于在对象被回收时进行资源释放。目前普遍的认识是尽量不要使用finalize()函数进行资源释放，原因主要有以下几点：
在finalize()函数时，可能会导致对象复活；
finalize()函数的执行时间是没有保障的，它完全由GC线程决定，在极端情况下，若不发生GC，finalize()将没有机会执行；
一个糟糕的finalize()函数会严重影响GC性能。
虽然不推荐使用finalize()函数，但是在某些场合，使用finalize()函数可以起到双保险的作用。比如，在MySQL的jdbc驱动中，com.mysql.jdbc.ConnectionImpl就实现了finalize()函数，实现代码如下：
protected void finalize() throws Throwable {
this.cleanup((Throwable)null);
super.finalize();
}也就是，当一个jdbc connection被回收时，需要进行连接的关闭，即这里的cleanup()方法。事实上，在回收前，开发人员如果正常调用了Connection.close()方法，连接就会被显式关闭，那样的话，在cleanup()方法中将什么也不做。而如果开发人员忘记显式关闭连接，而Connection对象又被回收了，则会隐式地进行连接的关闭，确保没有数据库连接泄露。此时，finalize()函数可能会被作为一种补偿措施，在正常方法出现意外时进行补偿，尽可能确保系统稳定。当然，由于其调用时间的不确定性，这不能单独作为可靠的资源回收手段。
关于java垃圾收集器中内存分配和回收的一些细节是怎样的就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。
