深入解析JVM内部结构及GC机制的实战应用

简介: 深入解析JVM内部结构及GC机制的实战应用

一、JVM内部结构概述

JVM(jdk1.8)的内部结构主要包括以下几个部分:

  1. 类加载子系统(Class Loader Subsystem)
  2. 运行时数据区(Runtime Data Area)
  3. 执行引擎(Execution Engine)
  4. 本地方法接口(Native Interface)

1. 类加载子系统

负责加载和初始化Java类。它包括三个部分:加载器(ClassLoader)、校验器(Verifier)和解析器(Resolver)。

// 加载类
Class<?> clazz = Class.forName("com.example.MyClass");
// 创建实例
Object instance = clazz.newInstance();
 

2. 运行时数据区

运行时数据区是JVM内存的核心部分,用于存储程序执行时所需的数据。包含以下几个区域:

  • 方法区(Method Area):存储类信息、常量、静态变量、即时编译后的代码等。
  • 堆(Heap):用于存储对象实例,是GC的主要管理区域。
  • 栈(Stack):线程私有,存储局部变量、操作数栈、帧数据等。
  • 程序计数器(Program Counter Register):记录当前线程执行的字节码指令地址。
  • 本地方法栈(Native Method Stack):用于执行本地(Native)方法。
// 堆上分配对象
MyClass obj = new MyClass();
// 方法区中存储类的字节码、常量池等信息
 

3. 执行引擎

执行引擎负责解释或编译字节码,并执行相应的机器指令。JVM执行引擎包含解释器(Interpreter)和即时编译器(JIT Compiler)。

// 解释器逐行解释执行字节码指令
int sum = 0;
for (int i = 1; i <= 10; i++) {
    sum += i;
}
System.out.println("Sum: " + sum);
 

4. 本地方法接口

本地方法接口(JNI,Java Native Interface)允许Java代码调用本地(C/C++)代码,实现与底层操作系统或其他编程语言的交互。

// 调用本地方法
System.loadLibrary("mylib");
nativeMethod();
 

二、JVM垃圾回收机制(GC)详解

JVM的垃圾回收机制是保障内存管理和系统性能的重要环节。主要的垃圾回收器包括:

  • Serial GC
  • Parallel GC
  • CMS GC
  • G1 GC

1. Serial GC

Serial GC是单线程的垃圾回收器,适用于单核CPU或内存较小的应用。其特点是简单高效,但在回收过程中会暂停所有应用线程(STW,Stop-The-World)。

2. Parallel GC

Parallel GC是多线程的垃圾回收器,能够利用多核CPU并行回收垃圾。适用于追求高吞吐量的应用,但仍然会发生STW。

3. CMS GC

CMS(Concurrent Mark-Sweep)GC是一种低延迟垃圾回收器,主要分为以下几个阶段:

  • 初始标记
  • 并发标记
  • 重新标记
  • 并发清除

CMS GC在大多数回收阶段可以与应用线程并发执行,减少了STW的时间。但其缺点是会产生内存碎片,并且在老年代无法回收时可能触发Full GC。

4. G1 GC

G1(Garbage First)GC是一种面向服务端应用的垃圾回收器,结合了CMS和Parallel GC的优点。G1 GC将堆内存划分为多个区域,并通过并发标记和回收算法,在指定的时间内优先回收垃圾较多的区域,确保低延迟和高吞吐量。

三、GC调优实战经验

1. 合理设置堆内存大小

通过监控应用的内存使用情况,合理设置堆内存的初始大小(-Xms)和最大大小(-Xmx),确保内存使用的稳定性和效率。

2. 选择合适的垃圾回收器

根据应用的特点和性能要求,选择合适的垃圾回收器。例如,对于低延迟要求的应用,可以选择CMS或G1 GC;对于高吞吐量要求的应用,可以选择Parallel GC。

3. 调整垃圾回收参数

根据实际情况,调整垃圾回收的相关参数,如:

1. 新生代和老年代比例调整
  • 参数: -XX:NewRatio
  • 说明: 该参数用于设置新生代与老年代的比例,默认值为2,表示新生代占整个堆的1/3。
  • 调整建议:
  • 如果应用中对象的生命周期较短,可以适当增加新生代的比例,减少老年代的空间,例如将比例调整为3或4。
  • 如果应用中对象的生命周期较长,可以适当降低新生代的比例,增加老年代的空间,例如将比例调整为1或1.5。
2. 新生代大小调整
  • 参数: -Xmn
  • 说明: 该参数用于设置新生代的初始大小。
  • 调整建议:
  • 如果新生代频繁发生Minor GC,可以尝试增大新生代的大小,以减少Minor GC的频率。
  • 如果新生代的对象存活率较低,可以适当减小新生代的大小,以减少内存的浪费。
3. Survivor区比例调整
  • 参数: -XX:SurvivorRatio
  • 说明: 该参数用于设置Eden区与Survivor区的比例,默认值为8,表示Eden区与每个Survivor区的比例为8:1。
  • 调整建议:
  • 如果应用中对象的存活率较高,可以适当增加Survivor区的比例,以增加对象在Survivor区的存活时间。
  • 如果应用中对象的存活率较低,可以适当减小Survivor区的比例,以减少空间的浪费。
4. CMS回收触发阈值调整
  • 参数: -XX:CMSInitiatingOccupancyFraction
  • 说明: 该参数用于设置老年代的使用率达到多少时触发CMS回收,默认值为68%。
  • 调整建议:
  • 如果老年代的使用率经常达到触发阈值,可以适当降低CMS回收的触发阈值,以增加CMS回收的频率。
  • 如果应用中CMS回收频繁导致性能问题,可以适当提高CMS回收的触发阈值,以减少CMS回收的频率。
5. 最大GC暂停时间调整
  • 参数: -XX:MaxGCPauseMillis
  • 说明: 该参数用于设置GC暂停的最大时间,默认值为不限制。
  • 调整建议:
  • 如果应用对GC暂停时间要求严格,可以设置一个较小的值,以限制GC暂停时间,例如设置为200ms。
  • 如果应用对GC暂停时间要求较为宽松,可以不设置该参数,以充分利用系统资源进行GC。
6. 并发GC线程数调整
  • 参数: -XX:ConcGCThreads
  • 说明: 该参数用于设置并发GC的线程数,默认值根据JVM的版本和配置而定。
  • 调整建议:
  • 如果应用中并发GC的线程数不足,可以适当增加该参数的值,以提高并发GC的效率。
  • 如果应用中并发GC的线程数过多,可以适当减小该参数的值,以减少系统资源的消耗。
7. 并行GC线程数调整
  • 参数: -XX:ParallelGCThreads
  • 说明: 该参数用于设置并行GC的线程数,默认值为CPU核心数的一半。
  • 调整建议:
  • 如果应用中并行GC的线程数不足,可以适当增加该参数的值,以提高并行GC的效率。
  • 如果应用中并行GC的线程数过多,可以适当减小该参数的值,以减少系统资源的消耗。

4. 使用GC日志进行分析

启用GC日志(-XX:+PrintGCDetails -Xloggc

.log),并使用工具(如GCViewer、GCEasy)对GC日志进行分析,找出性能瓶颈和内存泄漏点。

5. 避免频繁的Full GC

通过优化代码、减少对象创建和回收频率,避免频繁触发Full GC,从而提升系统性能和响应时间。

6. 实战调优示例及适用场景

示例1:高吞吐量应用的Parallel GC调优

适用场景:电商网站、支付系统等需要高并发处理请求的应用。

调优参数:

-XX:+UseParallelGC
-XX:ParallelGCThreads=8
-XX:NewRatio=2
-XX:SurvivorRatio=8
-XX:MaxGCPauseMillis=200
-XX:GCTimeRatio=4

解释:

  • UseParallelGC:启用Parallel GC。
  • ParallelGCThreads:设置并行GC的线程数为8。
  • NewRatio:设置新生代与老年代的比例为1:2。
  • SurvivorRatio:设置Eden区与Survivor区的比例为8:1。
  • MaxGCPauseMillis:设置最大GC暂停时间为200ms。
示例2:低延迟应用的CMS GC调优

适用场景:实时交易系统、金融应用等对响应时间要求较高的应用。

调优参数:

-XX:+UseConcMarkSweepGC
-XX:CMSInitiatingOccupancyFraction=75
-XX:+UseCMSInitiatingOccupancyOnly
-XX:CMSParallelRemarkEnabled=true
-XX:ConcGCThreads=4
-XX:ParallelGCThreads=8
-XX:+CMSClassUnloadingEnabled
-XX:+CMSScavengeBeforeRemark

解释:

  • UseConcMarkSweepGC:启用CMS GC。
  • CMSInitiatingOccupancyFraction:设置当老年代使用达到75%时触发CMS回收。
  • UseCMSInitiatingOccupancyOnly:仅在老年代使用率达到设定阈值时触发CMS回收。
  • CMSParallelRemarkEnabled:启用并行重新标记,减少STW时间。
  • ConcGCThreads:设置并发GC线程数为4。
示例3:大内存应用的G1 GC调优

适用场景:大数据处理、数据分析等需要大内存支持的应用。

调优参数:

-XX:+UseG1GC
-XX:MaxGCPauseMillis=200
-XX:InitiatingHeapOccupancyPercent=45
-XX:G1ReservePercent=10
-XX:ParallelGCThreads=8
-XX:ConcGCThreads=4
-XX:G1HeapRegionSize=32m
-XX:G1NewSizePercent=30
-XX:G1MaxNewSizePercent=60

解释:

  • UseG1GC:启用G1 GC。
  • MaxGCPauseMillis:设置最大GC暂停时间为200ms。
  • InitiatingHeapOccupancyPercent:设置在堆使用率达到45%时启动并发标记周期。
  • G1ReservePercent:保留堆内存的10%作为空闲区域,避免GC期间的内存不足。
  • ParallelGCThreads:设置并行GC的线程数为8。
  • ConcGCThreads:设置并发GC线程数为4。
相关文章
|
7月前
|
Arthas 存储 算法
深入理解JVM,包含字节码文件,内存结构,垃圾回收,类的声明周期,类加载器
JVM全称是Java Virtual Machine-Java虚拟机JVM作用:本质上是一个运行在计算机上的程序,职责是运行Java字节码文件,编译为机器码交由计算机运行类的生命周期概述:类的生命周期描述了一个类加载,使用,卸载的整个过类的生命周期阶段:类的声明周期主要分为五个阶段:加载->连接->初始化->使用->卸载,其中连接中分为三个小阶段验证->准备->解析类加载器的定义:JVM提供类加载器给Java程序去获取类和接口字节码数据类加载器的作用:类加载器接受字节码文件。
698 55
|
5月前
|
存储 Java 编译器
深入理解Java虚拟机--类文件结构
本内容介绍了Java虚拟机与Class文件的关系及其内部结构。Class文件是一种与语言无关的二进制格式,包含JVM指令集、符号表等信息。无论使用何种语言,只要能生成符合规范的Class文件,即可在JVM上运行。文章详细解析了Class文件的组成,包括魔数、版本号、常量池、访问标志、类索引、字段表、方法表和属性表等,并说明其在Java编译与运行过程中的作用。
148 0
|
9月前
|
人工智能 API 开发者
HarmonyOS Next~鸿蒙应用框架开发实战:Ability Kit与Accessibility Kit深度解析
本书深入解析HarmonyOS应用框架开发,聚焦Ability Kit与Accessibility Kit两大核心组件。Ability Kit通过FA/PA双引擎架构实现跨设备协同,支持分布式能力开发;Accessibility Kit提供无障碍服务构建方案,优化用户体验。内容涵盖设计理念、实践案例、调试优化及未来演进方向,助力开发者打造高效、包容的分布式应用,体现HarmonyOS生态价值。
569 27
|
7月前
|
Java 关系型数据库 MySQL
JVM深入原理(六)(二):双亲委派机制
自定义类加载器打破双亲委派机制的方法:复写ClassLoader中的loadClass方法常见问题:要加载的类名如果是以java.开头,则会抛出安全性异常加载自定义的类都会有一个共同的父类Object,需要在代码中交由父类加载器去加载自定义类加载器不手动指定parent会默认指定应用类加载两个自定义类加载器加载同一个类会被认为是两个对象,只有相同的类加载器+想通的类限定名才会被认为是一个对象。
261 0
|
9月前
|
数据采集 JSON 数据可视化
JSON数据解析实战:从嵌套结构到结构化表格
在信息爆炸的时代,从杂乱数据中提取精准知识图谱是数据侦探的挑战。本文以Google Scholar为例,解析嵌套JSON数据,提取文献信息并转换为结构化表格,通过Graphviz制作技术关系图谱,揭示文献间的隐秘联系。代码涵盖代理IP、请求头设置、JSON解析及可视化,提供完整实战案例。
573 4
JSON数据解析实战:从嵌套结构到结构化表格
|
9月前
|
数据采集 机器学习/深度学习 存储
可穿戴设备如何重塑医疗健康:技术解析与应用实战
可穿戴设备如何重塑医疗健康:技术解析与应用实战
352 4
|
9月前
|
机器学习/深度学习 人工智能 Java
Java机器学习实战:基于DJL框架的手写数字识别全解析
在人工智能蓬勃发展的今天,Python凭借丰富的生态库(如TensorFlow、PyTorch)成为AI开发的首选语言。但Java作为企业级应用的基石,其在生产环境部署、性能优化和工程化方面的优势不容忽视。DJL(Deep Java Library)的出现完美填补了Java在深度学习领域的空白,它提供了一套统一的API,允许开发者无缝对接主流深度学习框架,将AI模型高效部署到Java生态中。本文将通过手写数字识别的完整流程,深入解析DJL框架的核心机制与应用实践。
554 3
|
11月前
|
机器学习/深度学习 自然语言处理 搜索推荐
自注意力机制全解析:从原理到计算细节,一文尽览!
自注意力机制(Self-Attention)最早可追溯至20世纪70年代的神经网络研究,但直到2017年Google Brain团队提出Transformer架构后才广泛应用于深度学习。它通过计算序列内部元素间的相关性,捕捉复杂依赖关系,并支持并行化训练,显著提升了处理长文本和序列数据的能力。相比传统的RNN、LSTM和GRU,自注意力机制在自然语言处理(NLP)、计算机视觉、语音识别及推荐系统等领域展现出卓越性能。其核心步骤包括生成查询(Q)、键(K)和值(V)向量,计算缩放点积注意力得分,应用Softmax归一化,以及加权求和生成输出。自注意力机制提高了模型的表达能力,带来了更精准的服务。
12556 46
|
11月前
|
运维 Shell 数据库
Python执行Shell命令并获取结果:深入解析与实战
通过以上内容,开发者可以在实际项目中灵活应用Python执行Shell命令,实现各种自动化任务,提高开发和运维效率。
331 20
|
12月前
|
自然语言处理 搜索推荐 数据安全/隐私保护
鸿蒙登录页面好看的样式设计-HarmonyOS应用开发实战与ArkTS代码解析【HarmonyOS 5.0(Next)】
鸿蒙登录页面设计展示了 HarmonyOS 5.0(Next)的未来美学理念,结合科技与艺术,为用户带来视觉盛宴。该页面使用 ArkTS 开发,支持个性化定制和无缝智能设备连接。代码解析涵盖了声明式 UI、状态管理、事件处理及路由导航等关键概念,帮助开发者快速上手 HarmonyOS 应用开发。通过这段代码,开发者可以了解如何构建交互式界面并实现跨设备协同工作,推动智能生态的发展。
728 10
鸿蒙登录页面好看的样式设计-HarmonyOS应用开发实战与ArkTS代码解析【HarmonyOS 5.0(Next)】

推荐镜像

更多
  • DNS