JVM垃圾回收机制与分代收集算法详解

一、JVM基础与内存划分

1.1 什么是JVM

JVM，全称Java Virtual Machine，简而言之是用软件模拟出来的虚拟计算机。其核心价值在于：屏蔽底层操作系统的差异，让Java真正实现“一次编写，处处运行”。

1.2 JVM完整执行流程

从一份.java文件到最终被CPU执行，需要四个模块协同工作：

1. 类加载子系统 ClassLoader：负责读取.class字节码文件，并将其加载到内存中；
2. 运行时数据区 Runtime Data Area：程序运行期间的所有内存数据都存放在此区域；
3. 执行引擎 Execution Engine：解析或编译字节码，将其转化为操作系统可识别的指令；
4. 本地接口 Native Interface：用于调用C/C++本地库，完成底层操作。

完整流程如下：.java编译成.class字节码文件 → 类加载器将字节码加载到运行时数据区 → 执行引擎解析字节码 → 最终通过本地方法接口调用操作系统资源，由CPU执行。

1.3 内存区域划分

真实操作系统会对进程的地址空间进行功能区域划分，JVM的设计思路正是模仿真实机器和操作系统。JVM从操作系统申请一块内存供自己使用，然后将这部分内存按不同功能进一步细分——就好比把一栋大楼分成若干层，每层再细致划分功能区。

核心区域如下：

1. 程序计数器：记录当前线程执行的字节码行号，执行Java方法时存储指令地址。

注意：这里的程序寄存器指的是内存上的空间，与计算机组成原理中CPU上的程序寄存器并非同一概念。

• 它有一个独特特性：在JVM规范中，这是唯一不会发生OOM的内存区域；
• 线程私有：多线程切换时，靠程序计数器恢复执行位置。

2. 元数据区：保存当前类加载后的数据。

.java文件经过javac编译变成.class文件，要运行它，就必须将字节码文件加载到内存中，这个加载到的位置就是元数据区。元信息指的是类名称、访问权限、继承自哪些类或实现了哪些接口，以及方法名称、参数、返回值等。Java 8之前，元数据区也被称为“方法区”。

3. 栈：保存方法调用关系。

每次调用方法时，程序会进入方法内部执行；方法执行完毕后，返回调用位置继续执行。这里的栈与数据结构中的栈逻辑类似，都是后进先出（LIFO）。

栈与操作系统中的栈有什么关系？

• JVM进程本身是用C++编写的程序，内部存在一系列C++方法调用，维护这些C++方法的栈就是操作系统原生的栈；
• 这些C++方法调用构成了JVM虚拟机程序，通过它们解释执行.class文件中的字节码，这个过程又涉及Java方法调用，于是构造出了Java的栈。

栈区可能出现的两种异常：

• StackOverflow：栈空间通常只有几十MB，如果递归函数出口逻辑错误，导致大量方法调用而不返回，栈深度超出范围就会溢出；
• OOM：多线程下大量创建线程，导致虚拟机无法分配栈内存。

4. 堆：保存对象实例，是JVM中最大的空间区域。

举个例子：Test t = new Test()

• 如果t是局部变量，t保存在栈中，函数调用完毕即销毁；
• 如果t是成员变量，t保存在堆中；
• 如果t是静态成员变量，t保存在元数据区，随类加载创建；
• 而new Test()这个对象一定保存在堆上。

堆上的对象不再使用时就会被释放，这就是垃圾回收要处理的事情。

另外，元数据区和堆是整个Java进程共用的，而程序计数器和栈在一个进程中可能有多份——每个线程各有一份。

二、类加载机制

2.1 类完整生命周期

一个类的完整生命周期包括：加载 → 连接（验证、准备、解析） → 初始化 → 使用 → 卸载。其中前三个阶段合称为类加载过程。

加载 Loading

1. 根据类的全限定名（包名+类名，如java.lang.String）找到对应的.class文件；
2. 打开文件，读取文件内容到内存中。

验证 Verification：解析并校验.class文件的合规性，防止恶意字节码破坏虚拟机，同时把.class里的内容转换为符合虚拟机规范的结构化数据。

准备 Preparation：给类对象申请内存空间，此时的空间相当于“全0”状态。

解析 Resolution：初始化字符串常量。字符串常量本身包含在.class中，解析阶段需要把解析出的字符串常量放到内存中（元数据区的常量池）。

初始化 Initialization：针对类对象进行最后的初始化，为类对象的各个属性填充数据，包括静态成员变量。如果这个类有父类，也会触发父类的加载。

注意：一个进程中，一个类只加载一次。并不是Java程序一启动就加载所有类，类加载也是典型的懒汉模式（懒加载）。

触发类加载的时机：

1. 构造这个类的实例；
2. 调用类的静态属性或静态方法；
3. 使用某个类时，如果父类还没加载，也会触发父类的加载。

2.2 双亲委派模型

类加载器

JVM中有专门的模块负责类加载，默认提供了三种类加载器：

1. BootstrapClassLoader
2. ExtensionClassLoader
3. ApplicationClassLoader

ApplicationClassLoader中的parent引用指向ExtensionClassLoader，ExtensionClassLoader中的parent引用指向BootstrapClassLoader，而BootstrapClassLoader的parent指向null，构成了类似链表的关系。

这三个类加载器的主要任务都是找.class文件，但各自负责的目录不同：

• BootstrapClassLoader负责找Java标准库中的类；
• ExtensionClassLoader负责找Java扩展库中的类（可以理解为JVM厂商对Java库做的扩充）；
• ApplicationClassLoader负责找第三方库或当前项目中的类（比如通过Maven下载的依赖）。

双亲委派模型过程

1. 进行类加载时，通过全限定名找.class文件，从ApplicationClassLoader作为入口开始，把“加载类”的任务委托给它的父加载器ExtensionClassLoader；
2. ExtensionClassLoader也不会立即干活，继续把任务委托给它的父加载器BootstrapClassLoader；
3. BootstrapClassLoader的parent为null，只能自己干活——从标准库中查找匹配的.class文件。如果没找到，就把任务“还”给ExtensionClassLoader；
4. ExtensionClassLoader在扩展库中继续查找，找到就加载，没找到就继续“还”给ApplicationClassLoader；
5. ApplicationClassLoader负责查找第三方库或项目目录，找到就加载，没找到就抛出ClassNotFoundException异常。

开发者也可以自定义类加载器，参与到双亲委派模型中。

双亲委派模型的两大优势：

• 避免类重复加载；
• 安全防护：防止开发者自定义java.lang.Object来篡改核心API。

三、垃圾回收GC原理

GC只关注堆和方法区，虚拟机栈、本地方法栈、程序计数器的生命周期随线程自动释放，不需要回收。

3.1 GC工作流程

GC主要做两件事：

1. 找到垃圾（不再使用的对象）；
2. 释放垃圾（释放对应的内存）。

1. 找到垃圾

（1）引用计数算法

每个对象在创建时，会分配一小块内存空间保存一个整数，表示有多少个引用指向它。每次进行引用赋值时，都会触发引用计数的修改。在Java中，使用对象必须通过引用，当引用计数为0时，说明没有引用指向这个对象，可以判断为垃圾。

缺陷：

1. 内存消耗更多，尤其对象本身较小时，引用计数消耗的占比就更大；
2. 可能出现循环引用。

举个例子：

class Test{
    Test t = null;
}

class Main{
    public static void main(String[] args){
        Test a = new Test(); // 计数器+1
        Test b = new Test(); // 计数器+1

        a.t = b; // 计数器+1
        b.t = a; // 计数器+1
    }
}

此时两个对象实例各有两个引用指向。

如果把a和b都置为null：

程序计数器各减1，不为0，但两个对象都不能被调用了。PHP、Python都采用引用计数算法，但会搭配其他方案来解决循环引用问题。

（2）可达性分析

以代码中特定的对象作为遍历起点（称为GC Roots），进行遍历，判定某个对象是否还能被访问到。每遍历一个对象就标记为“可达”，剩余没有被标记的就认为是不可达，也就是接下来要回收的垃圾。

可作为GC Roots的对象：

1. 栈上的局部变量（引用类型）；
2. 常量池中引用指向的对象；
3. 静态成员（引用类型）。

2. 释放垃圾

垃圾清除有四种常见算法：

1. 标记-清除：直接把垃圾对象的内存释放掉。
   缺陷：会产生“内存碎片问题”，很难找到大块连续的内存空间。

2. 复制算法：把内存分为两部分，起始都保存在A区域；垃圾回收时，把不释放的数据复制到B区域，再把A区域整体释放。这样空闲内存就是连续的。
   缺陷：内存空间利用率低，直接砍半；如果不需要释放的数据很多，复制开销很大。

3. 标记-整理：类似于顺序表删除，把不需要释放的数据重新搬运整理。
   缺陷：内存搬运数据的操作开销也很大，只解决了空间成本问题。

4. 分代收集：综合前三种方案。“代”指的是对象的年龄，单位是GC的轮次。

   1. 每个对象初始年龄为0，每经过一轮GC的可达性分析，不是垃圾的对象年龄+1；
   2. 根据年龄，把对象分为新生代和老年代。统计发现，新生儿对象大概率很快死亡，而“老油条”对象大概率能活很长时间；
   3. 对象在新生代反复被GC筛选，年龄增长，最终进入老年代。

堆区域划分：

• 新生代 Young：新建对象存放的地方，98%的对象朝生夕死。新生代进一步划分：
  • Eden 伊甸园：占新生代80%，所有新对象诞生于此。从伊甸园到幸存区采用复制算法，因为绝大部分对象活不过一轮GC，复制对象少，开销可控；
  • S0/S1 Survivor幸存者：各占10%。幸存区的对象也要经历GC扫描，每轮GC消灭一大批对象，然后通过复制算法把存活的对象复制到另一个幸存区；如果一个对象经过多次复制都存活下来，就可以晋升到老年代了。
• 老年代 Old：存放长期存活的对象和大对象。GC频次比较低，采用标记-整理算法。

一个对象经历的典型区域顺序：伊甸园 → 幸存区 → 幸存区 → … → 幸存区 → 老年代。新生代统一采用复制算法，老年代采用标记整理。

特殊情况：如果某个对象非常大，复制成本很高，可以跳过新生代，直接进入老年代。

3.2 垃圾收集器

在JVM中，由垃圾收集器来实现上述分代回收策略。分代回收只是最基本的设计，落实到具体的收集器上，还有更进阶的策略。

总结

以上是核心知识的梳理，希望能帮助大家更好地理解JVM的底层机制。