JVM的四種GC算法分別是什么

本篇文章給大家分享的是有關(guān)JVM的四種GC算法分別是什么，小編覺得挺實(shí)用的，因此分享給大家學(xué)習(xí)，希望大家閱讀完這篇文章后可以有所收獲，話不多說，跟著小編一起來看看吧。

程序在運(yùn)行過程中，會產(chǎn)生大量的內(nèi)存垃圾（一些沒有引用指向的內(nèi)存對象都屬于內(nèi)存垃圾，因?yàn)檫@些對象已經(jīng)無法訪問，程序用不了它們了，對程序而言它們已經(jīng)死亡），為了確保程序運(yùn)行時的性能，java虛擬機(jī)在程序運(yùn)行的過程中不斷地進(jìn)行自動的垃圾回收（GC）。

黑馬程序員 理論與實(shí)踐結(jié)合，解密jvm：http://yun.itheima.com/course/584.html?1912zzp

關(guān)于 JVM 的 GC 算法主要有下面四種：1、引用計(jì)數(shù)算法（Reference counting）
每個對象在創(chuàng)建的時候，就給這個對象綁定一個計(jì)數(shù)器。每當(dāng)有一個引用指向該對象時，計(jì)數(shù)器加一；每當(dāng)有一個指向它的引用被刪除時，計(jì)數(shù)器減一。這樣，當(dāng)沒有引用指向該對象時，該對象死亡，計(jì)數(shù)器為0，這時就應(yīng)該對這個對象進(jìn)行垃圾回收操作。2、標(biāo)記–清除算法（Mark-Sweep）
為每個對象存儲一個標(biāo)記位，記錄對象的狀態(tài)（活著或是死亡）。
分為兩個階段，一個是標(biāo)記階段，這個階段內(nèi)，為每個對象更新標(biāo)記位，檢查對象是否死亡；第二個階段是清除階段，該階段對死亡的對象進(jìn)行清除，執(zhí)行 GC 操作。3、標(biāo)記–整理算法
標(biāo)記-整理法是標(biāo)記-清除法的一個改進(jìn)版。同樣，在標(biāo)記階段，該算法也將所有對象標(biāo)記為存活和死亡兩種狀態(tài)；不同的是，在第二個階段，該算法并沒有直接對死亡的對象進(jìn)行清理，而是將所有存活的對象整理一下，放到另一處空間，然后把剩下的所有對象全部清除。這樣就達(dá)到了標(biāo)記-整理的目的。4、復(fù)制算法
該算法將內(nèi)存平均分成兩部分，然后每次只使用其中的一部分，當(dāng)這部分內(nèi)存滿的時候，將內(nèi)存中所有存活的對象復(fù)制到另一個內(nèi)存中，然后將之前的內(nèi)存清空，只使用這部分內(nèi)存，循環(huán)下去。

這個算法與標(biāo)記-整理算法的區(qū)別在于，該算法不是在同一個區(qū)域復(fù)制，而是將所有存活的對象復(fù)制到另一個區(qū)域內(nèi)。5、JVM不同的版本垃圾回收機(jī)制不一樣，jdk1.7和1.8新版本和老版本區(qū)別
jdk1.7和1.8舊版本Parallel Old，（老年代）
jdk1.7和1.8新版本Parallel Scavenge，（新生代）

Parallel Old 收集器
Parallel Scavenge收集器的老年代版，使用多線程與標(biāo)記–整理算法。這個收集器在jdk1.6中才開始提供的，直到Parallel Old 收集器出現(xiàn)后，“吞吐量優(yōu)先”收集器終于有了比較名副其實(shí)的應(yīng)用組合，在注重吞吐量以及CPU資源敏感的場合，都可以優(yōu)先考慮Parallel Scavenge加 Parallel Old收集器

Parallel Scavenge收集器
Parallel Scavenge收集器是一個新生代的手機(jī)器，使用的是復(fù)制算法的收集器，而且也是多線程的收集器。。Parallel Scavenge收集器，目標(biāo)達(dá)到一個可控制的吞吐量，使用-XX:MaxGCPauseMillus參數(shù)控制垃圾停頓時間，使用-XX:GCTimeRatio參數(shù)控制吞吐量。Parallel Scavenge收集器設(shè)置-XX:UseAdaptiveSizePolicy參數(shù)，虛擬機(jī)會根據(jù)當(dāng)前系統(tǒng)的運(yùn)行情況收集性能監(jiān)控信息，動態(tài)調(diào)整這些參數(shù)以提供最合適的停頓時間或者最大吞吐量（GC自使用的調(diào)節(jié)策略）。
自適應(yīng)調(diào)節(jié)策略也是Parallel Scavenge收集器和ParNew收集器一個重要的區(qū)別。

以上就是JVM的四種GC算法分別是什么，小編相信有部分知識點(diǎn)可能是我們?nèi)粘９ぷ鲿姷交蛴玫降?。希望你能通過這篇文章學(xué)到更多知識。更多詳情敬請關(guān)注億速云行業(yè)資訊頻道。