干货 | 一文看懂JVM内存布局及GC原理
作者简介
杨俊明，携程云客服平台研发部软件技术专家。从事IT行业10余年，腾讯云+社区、阿里云栖社区、华为云社区认证专家。近年来主要研究分布式架构、微服务、java技术等方向。
“java的内存布局以及GC原理”是java开发人员绕不开的话题，也是面试中常见的高频问题之一。
java发展历史上出现过很多垃圾回收器，各有各的适应场景，很多网上的旧文章已经跟不上最新的变化。本文详细介绍了java的内存布局以及各种垃圾回收器的原理（包括最新的ZGC），希望阅读完后，大家对这方面的知识不再陌生，有所收获，同时也欢迎大家留言讨论。
一、JVM运行时内存布局
按java 8虚拟机规范的原始表达：(jvm)Run-Time Data Areas, 暂时翻译为“jvm运行时内存布局”。
从概念上大致分为6个（逻辑）区域，参考下图。注：Method Area中还有一个常量池区，图中未明确标出。
这6块区域按是否被线程共享，可以分为两大类：
一类是每个线程所独享的：
1）PC Register：也称为程序计数器， 记录每个线程当前执行的指令信。eg：当前执行到哪一条指令，下一条该取哪条指令。
2）JVM Stack：也称为虚拟机栈，记录每个栈帧（Frame）中的局部变量、方法返回地址等。注：这里出现了一个新名词“栈帧”，它的结构如下：
线程中每次有方法调用时，会创建Frame，方法调用结束时Frame销毁。
3）Native Method Stack：本地(原生)方法栈，顾名思义就是调用操作系统原生本地方法时，所需要的内存区域。
上述3类区域，生命周期与Thread相同，即：线程创建时，相应的区域分配内存，线程销毁时，释放相应内存。
另一类是所有线程共享的：
1）Heap：即鼎鼎大名的堆内存区，也是GC垃圾回收的主站场，用于存放类的实例对象及Arrays实例等。
2）Method Area：方法区，主要存放类结构、类成员定义，static静态成员等。
3）Runtime Constant Pool：运行时常量池，比如：字符串，int -128~127范围的值等，它是Method Area中的一部分。
Heap、Method Area 都是在虚拟机启动时创建，虚拟机退出时释放。
注：Method Area 区，虚拟机规范只是说必须要有，但是具体怎么实现（比如:是否需要垃圾回收? ），交给具体的JVM实现去决定，逻辑上讲，视为Heap区的一部分。所以，如果你看见类似下面的图，也不要觉得画错了。
上述6个区域，除了PC Register区不会抛出StackOverflowError或OutOfMemoryError ，其它5个区域，当请求分配的内存不足时，均会抛出OutOfMemoryError（即：OOM），其中thread独立的JVM Stack区及Native Method Stack区还会抛出StackOverflowError。
最后，还有一类不受JVM虚拟机管控的内存区，这里也提一下，即：堆外内存。
可以通过Unsafe和NIO包下的DirectByteBuffer来操作堆外内存。如上图，虽然堆外内存不受JVM管控，但是堆内存中会持有对它的引用，以便进行GC。
个人理解，程序运行时，内存中的信息大致分为两类，一是跟程序执行逻辑相关的指令数据，这类数据通常不大，而且生命周期短；一是跟对象实例相关的数据，这类数据可能会很大，而且可以被多个线程长时间内反复共用，比如字符串常量、缓存对象这类。
将这两类特点不同的数据分开管理，体现了软件设计上“模块隔离”的思想。好比我们通常会把后端service与前端website解耦类似，也更便于内存管理。
二、GC垃圾回收原理
2.1 如何判断对象是垃圾 ?
有两种经典的判断方法，借用网友的图（文中最后有给出链接）：
引用计数法，思路很简单，但是如果出现循环引用，即：A引用B，B又引用A，这种情况下就不好办了，所以JVM中使用了另一种称为“可达性分析”的判断方法：
还是刚才的循环引用问题（也是某些公司面试官可能会问到的问题)，如果A引用B，B又引用A，这2个对象是否能被GC回收？
答案：关键不是在于A、B之间是否有引用，而是A、B是否可以一直向上追溯到GC Roots。如果与GC Roots没有关联，则会被回收，否则将继续存活。
上图是一个用“可达性分析”标记垃圾对象的示例图，灰色的对象表示不可达对象，将等待回收。
2.2 哪些内存区域需要GC ?
在第一部分JVM内存布局中，我们知道了thread独享的区域：PC Regiester、JVM Stack、Native Method Stack，其生命周期都与线程相同（即：与线程共生死），所以无需GC。线程共享的Heap区、Method Area则是GC关注的重点对象。
2.3 常用的GC算法
1）mark-sweep 标记清除法
如上图，黑色区域表示待清理的垃圾对象，标记出来后直接清空。该方法简单快速，但是缺点也很明显，会产生很多内存碎片。
2）mark-copy 标记复制法
思路也很简单，将内存对半分，总是保留一块空着（上图中的右侧），将左侧存活的对象（浅灰色区域）复制到右侧，然后左侧全部清空。避免了内存碎片问题，但是内存浪费很严重，相当于只能使用50%的内存。
3）mark-compact 标记-整理（也称标记-压缩）法
避免了上述两种算法的缺点，将垃圾对象清理掉后，同时将剩下的存活对象进行整理挪动（类似于windows的磁盘碎片整理），保证它们占用的空间连续，这样就避免了内存碎片问题，但是整理过程也会降低GC的效率。
4）generation-collect 分代收集算法
上述三种算法，每种都有各自的优缺点，都不完美。在现代JVM中，往往是综合使用的，经过大量实际分析，发现内存中的对象，大致可以分为两类：有些生命周期很短，比如一些局部变量/临时对象，而另一些则会存活很久，典型的比如websocket长连接中的connection对象，如下图：
纵向y轴可以理解分配内存的字节数，横向x轴理解为随着时间流逝（伴随着GC），可以发现大部分对象其实相当短命，很少有对象能在GC后活下来。因此诞生了分代的思想，以Hotspot为例（JDK 7）：
将内存分成了三大块：年青代（Young Genaration），老年代（Old Generation）,永久代（Permanent Generation），其中Young Genaration更是又细为分eden，S0，S1三个区。
结合我们经常使用的一些jvm调优参数后，一些参数能影响的各区域内存大小值，示意图如下：
注：jdk8开始，用MetaSpace区取代了Perm区（永久代），所以相应的jvm参数变成-XX:MetaspaceSize 及 -XX:MaxMetaspaceSize。
以Hotspot为例，我们来分析下GC的主要过程：
刚开始时，对象分配在eden区，s0（即：from）及s1（即：to）区，几乎是空着。
随着应用的运行，越来越多的对象被分配到eden区。
当eden区放不下时，就会发生minor GC（也被称为young GC），第1步当然是要先标识出不可达垃圾对象（即：下图中的黄色块），然后将可达对象，移动到s0区（即：4个淡蓝色的方块挪到s0区），然后将黄色的垃圾块清理掉，这一轮过后，eden区就成空的了。
注：这里其实已经综合运用了“【标记-清理eden】 + 【标记-复制 eden->s0】”算法。
随着时间推移，eden如果又满了，再次触发minor GC，同样还是先做标记，这时eden和s0区可能都有垃圾对象了（下图中的黄色块），注意：这时s1（即：to）区是空的，s0区和eden区的存活对象，将直接搬到s1区。然后将eden和s0区的垃圾清理掉，这一轮minor GC后，eden和s0区就变成了空的了。
继续，随着对象的不断分配，eden空可能又满了，这时会重复刚才的minor GC过程，不过要注意的是，这时候s0是空的，所以s0与s1的角色其实会互换，即：存活的对象，会从eden和s1区，向s0区移动。然后再把eden和s1区中的垃圾清除，这一轮完成后，eden与s1区变成空的，如下图。
对于那些比较“长寿”的对象一直在s0与s1中挪来挪去，一来很占地方，而且也会造成一定开销，降低gc效率，于是有了“代龄(age)”及“晋升”。
对象在年青代的3个区(edge,s0,s1)之间，每次从1个区移到另1区，年龄+1，在young区达到一定的年龄阈值后，将晋升到老年代。下图中是8，即：挪动8次后，如果还活着，下次minor GC时，将移动到Tenured区。
下图是晋升的主要过程：对象先分配在年青代，经过多次Young GC后，如果对象还活着，晋升到老年代。
如果老年代，最终也放满了，就会发生major GC（即Full GC），由于老年代的的对象通常会比较多，因为标记-清理-整理（压缩）的耗时通常会比较长，会让应用出现卡顿的现象，这也是为什么很多应用要优化，尽量避免或减少Full GC的原因。
注：上面的过程主要来自oracle官网的资料，但是有一个细节官网没有提到，如果分配的新对象比较大，eden区放不下，但是old区可以放下时，会直接分配到old区（即没有晋升这一过程，直接到老年代了）。
下图引自阿里出品的《码出高效-Java开发手册》一书，梳理了GC的主要过程。
三、垃圾回收器
不算最新出现的神器ZGC，历史上出现过7种经典的垃圾回收器。
这些回收器都是基于分代的，把G1除外，按回收的分代划分，横线以上的3种：Serial ,ParNew, Parellel Scavenge都是回收年青代的，横线以下的3种：CMS，Serial Old, Parallel Old 都是回收老年代的。
3.1 Serial 收集器
单线程用标记-复制算法，快刀斩乱麻，单线程的好处避免上下文切换，早期的机器，大多是单核，也比较实用。但执行期间，会发生STW（Stop The World）。
3.2 ParNew 收集器
Serial的多线程版本，同样会STW，在多核机器上会更适用。
3.3 Parallel Scavenge 收集器
ParNew的升级版本，主要区别在于提供了两个参数：-XX:MaxGCPauseMillis 最大垃圾回收停顿时间；-XX:GCTimeRatio 垃圾回收时间与总时间占比，通过这2个参数，可以适当控制回收的节奏，更关注于吞吐率，即总时间与垃圾回收时间的比例。
3.4 Serial Old 收集器
因为老年代的对象通常比较多，占用的空间通常也会更大，如果采用复制算法，得留50%的空间用于复制，相当不划算，而且因为对象多，从1个区，复制到另1个区，耗时也会比较长，所以老年代的收集，通常会采用“标记-整理”法。从名字就可以看出来，这是单线程（串行）的， 依然会有STW。
3.5 Parallel Old 收集器
一句话：Serial Old的多线程版本。
3.6 CMS 收集器
全称：Concurrent Mark Sweep，从名字上看，就能猜出它是并发多线程的。这是JDK 7中广泛使用的收集器，有必要多说一下，借一张网友的图说话：
相对3.4 Serial Old收集器或3.5 Parallel Old收集器而言，这个明显要复杂多了，分为4个阶段：
1）Inital Mark 初始标记：主要是标记GC Root开始的下级（注：仅下一级）对象，这个过程会STW，但是跟GC Root直接关联的下级对象不会很多，因此这个过程其实很快。
2）Concurrent Mark 并发标记：根据上一步的结果，继续向下标识所有关联的对象，直到这条链上的最尽头。这个过程是多线程的，虽然耗时理论上会比较长，但是其它工作线程并不会阻塞，没有STW。
3）Remark 再标志：为啥还要再标记一次？因为第2步并没有阻塞其它工作线程，其它线程在标识过程中，很有可能会产生新的垃圾。
试想下，高铁上的垃圾清理员，从车厢一头开始吆喝“有需要扔垃圾的乘客，请把垃圾扔一下”，一边工作一边向前走，等走到车厢另一头时，刚才走过的位置上，可能又有乘客产生了新的空瓶垃圾。所以，要完全把这个车厢清理干净的话，她应该喊一下：所有乘客不要再扔垃圾了（STW），然后把新产生的垃圾收走。当然，因为刚才已经把收过一遍垃圾，所以这次收集新产生的垃圾，用不了多长时间（即：STW时间不会很长）。
4）Concurrent Sweep：并行清理，这里使用多线程以“Mark Sweep-标记清理”算法，把垃圾清掉，其它工作线程仍然能继续支行，不会造成卡顿。
等等，刚才我们不是提到过“标记清理”法，会留下很多内存碎片吗？确实，但是也没办法，如果换成“Mark Compact标记-整理”法，把垃圾清理后，剩下的对象也顺便排整理，会导致这些对象的内存地址发生变化，别忘了，此时其它线程还在工作，如果引用的对象地址变了，就天下大乱了。
另外，由于这一步是并行处理，并不阻塞其它线程，所以还有一个副使用，在清理的过程中，仍然可能会有新垃圾对象产生，只能等到下一轮GC，才会被清理掉。
虽然仍不完美，但是从这4步的处理过程来看，以往收集器中最让人诟病的长时间STW，通过上述设计，被分解成二次短暂的STW，所以从总体效果上看，应用在GC期间卡顿的情况会大大改善，这也是CMS一度十分流行的重要原因。
3.7 G1 收集器
G1的全称是Garbage-First，为什么叫这个名字，呆会儿会详细说明。鉴于CMS的一些不足之外，比如: 老年代内存碎片化，STW时间虽然已经改善了很多，但是仍然有提升空间。G1就横空出世了，它对于heap区的内存划思路很新颖，有点算法中分治法“分而治之”的味道。
如下图，G1将heap内存区，划分为一个个大小相等（1-32M，2的n次方）、内存连续的Region区域，每个region都对应Eden、Survivor 、Old、Humongous四种角色之一，但是region与region之间不要求连续。
注：Humongous，简称H区是专用于存放超大对象的区域，通常>= 1/2 Region Size，且只有Full GC阶段，才会回收H区，避免了频繁扫描、复制/移动大对象。
所有的垃圾回收，都是基于1个个region的。JVM内部知道，哪些region的对象最少（即：该区域最空），总是会优先收集这些region（因为对象少，内存相对较空，肯定快），这也是Garbage-First得名的由来，G即是Garbage的缩写， 1即First。
G1 Young GC
young GC前：
young GC后：
理论上讲，只要有一个Empty Region（空区域），就可以进行垃圾回收。
由于region与region之间并不要求连续，而使用G1的场景通常是大内存，比如64G甚至更大，为了提高扫描根对象和标记的效率，G1使用了二个新的辅助存储结构：
Remembered Sets：简称RSets，用于根据每个region里的对象，是从哪指向过来的（即：谁引用了我），每个Region都有独立的RSets。（Other Region -> Self Region）。
Collection Sets ：简称CSets，记录了等待回收的Region集合，GC时这些Region中的对象会被回收（copied or moved）。
RSets的引入，在YGC时，将年青代Region的RSets做为根对象，可以避免扫描老年代的region，能大大减轻GC的负担。注：在老年代收集Mixed GC时，RSets记录了Old->Old的引用，也可以避免扫描所有Old区。
Old Generation Collection（也称为 Mixed GC）
按oracle官网文档描述分为5个阶段：Initial Mark(STW) -> Root Region Scan -> Cocurrent Marking -> Remark(STW) -> Copying/Cleanup(STW && Concurrent)
注：也有很多文章会把Root Region Scan省略掉，合并到Initial Mark里，变成4个阶段。
存活对象的“初始标记”依赖于Young GC，GC 日志中会记录成young字样。
2019-06-09T15:24:37.086+0800: 500993.392: [GC pause (G1 Evacuation Pause) (young), 0.0493588 secs]
[Parallel Time: 41.9 ms, GC Workers: 8]
[GC Worker Start (ms): Min: 500993393.7, Avg: 500993393.7, Max: 500993393.7, Diff: 0.1]
[Ext Root Scanning (ms): Min: 1.5, Avg: 2.2, Max: 4.4, Diff: 2.8, Sum: 17.2]
[Update RS (ms): Min: 15.8, Avg: 18.1, Max: 18.9, Diff: 3.1, Sum: 144.8]
[Processed Buffers: Min: 110, Avg: 144.9, Max: 163, Diff: 53, Sum: 1159]
[Scan RS (ms): Min: 4.7, Avg: 5.0, Max: 5.1, Diff: 0.4, Sum: 39.7]
[Code Root Scanning (ms): Min: 0.0, Avg: 0.0, Max: 0.0, Diff: 0.0, Sum: 0.0]
[Object Copy (ms): Min: 16.4, Avg: 16.5, Max: 16.6, Diff: 0.2, Sum: 132.0]
[Termination (ms): Min: 0.0, Avg: 0.0, Max: 0.0, Diff: 0.0, Sum: 0.0]
[Termination Attempts: Min: 1, Avg: 4.9, Max: 7, Diff: 6, Sum: 39]
[GC Worker Other (ms): Min: 0.0, Avg: 0.0, Max: 0.1, Diff: 0.1, Sum: 0.3]
[GC Worker Total (ms): Min: 41.7, Avg: 41.8, Max: 41.8, Diff: 0.1, Sum: 334.1]
[GC Worker End (ms): Min: 500993435.5, Avg: 500993435.5, Max: 500993435.5, Diff: 0.0]
[Code Root Fixup: 0.0 ms]
[Code Root Purge: 0.0 ms]
[Clear CT: 0.2 ms]
[Other: 7.2 ms]
[Choose CSet: 0.0 ms]
[Ref Proc: 4.3 ms]
[Ref Enq: 0.1 ms]
[Redirty Cards: 0.1 ms]
[Humongous Register: 0.1 ms]
[Humongous Reclaim: 0.1 ms]
[Free CSet: 0.6 ms]
[Eden: 1340.0M(1340.0M)->0.0B(548.0M) Survivors: 40.0M->64.0M Heap: 2868.2M(12.0G)->1499.8M(12.0G)]
[Times: user=0.35 sys=0.00, real=0.05 secs]
并发标记过程中，如果发现某些region全是空的，会被直接清除。
进入重新标记阶段。
并发复制/清查阶段。这个阶段，Young区和Old区的对象有可能会被同时清理。GC日志中，会记录为mixed字段，这也是G1的老年代收集，也称为Mixed GC的原因。
2019-06-09T15:24:23.959+0800: 500980.265: [GC pause (G1 Evacuation Pause) (mixed), 0.0885388 secs]
[Parallel Time: 74.2 ms, GC Workers: 8]
[GC Worker Start (ms): Min: 500980270.6, Avg: 500980270.6, Max: 500980270.6, Diff: 0.1]
[Ext Root Scanning (ms): Min: 1.7, Avg: 2.2, Max: 4.1, Diff: 2.4, Sum: 17.3]
[Update RS (ms): Min: 11.7, Avg: 13.7, Max: 14.3, Diff: 2.6, Sum: 109.8]
[Processed Buffers: Min: 136, Avg: 141.5, Max: 152, Diff: 16, Sum: 1132]
[Scan RS (ms): Min: 42.5, Avg: 42.9, Max: 43.1, Diff: 0.5, Sum: 343.1]
[Code Root Scanning (ms): Min: 0.0, Avg: 0.0, Max: 0.0, Diff: 0.0, Sum: 0.1]
[Object Copy (ms): Min: 14.9, Avg: 15.2, Max: 15.4, Diff: 0.5, Sum: 121.7]
[Termination (ms): Min: 0.0, Avg: 0.0, Max: 0.0, Diff: 0.0, Sum: 0.1]
[Termination Attempts: Min: 1, Avg: 8.2, Max: 11, Diff: 10, Sum: 66]
[GC Worker Other (ms): Min: 0.0, Avg: 0.0, Max: 0.0, Diff: 0.0, Sum: 0.2]
[GC Worker Total (ms): Min: 74.0, Avg: 74.0, Max: 74.1, Diff: 0.1, Sum: 592.3]
[GC Worker End (ms): Min: 500980344.6, Avg: 500980344.6, Max: 500980344.6, Diff: 0.0]
[Code Root Fixup: 0.0 ms]
[Code Root Purge: 0.0 ms]
[Clear CT: 0.5 ms]
[Other: 13.9 ms]
[Choose CSet: 4.1 ms]
[Ref Proc: 1.8 ms]
[Ref Enq: 0.1 ms]
[Redirty Cards: 0.2 ms]
[Humongous Register: 0.1 ms]
[Humongous Reclaim: 0.1 ms]
[Free CSet: 5.6 ms]
[Eden: 584.0M(584.0M)->0.0B(576.0M) Survivors: 28.0M->36.0M Heap: 4749.3M(12.0G)->2930.0M(12.0G)]
[Times: user=0.61 sys=0.00, real=0.09 secs]
上图是，老年代收集完后的示意图。
通过这几个阶段的分析，虽然看上去很多阶段仍然会发生STW，但是G1提供了一个预测模型，通过统计方法，根据历史数据来预测本次收集，需要选择多少个Region来回收，尽量满足用户的预期停顿值（-XX:MaxGCPauseMillis参数可指定预期停顿值）。
注：如果Mixed GC仍然效果不理想，跟不上新对象分配内存的需求，会使用Serial Old GC（Full GC）强制收集整个Heap。
小结：与CMS相比，G1有内存整理过程（标记-压缩），避免了内存碎片；STW时间可控（能预测GC停顿时间）。
3.8 ZGC （截止目前史上最好的GC收集器）
在G1的基础上，做了很多改进（JDK 11开始引入）
3.8.1 动态调整大小的Region
G1中每个Region的大小是固定的，创建和销毁Region，可以动态调整大小，内存使用更高效。
3.8.2 不分代，干掉了RSets
G1中每个Region需要借助额外的RSets来记录“谁引用了我”，占用了额外的内存空间，每次对象移动时，RSets也需要更新，会产生开销。
注：ZGC没有为止，没有实现分代机制，每次都是并发的对所有region进行回收，不象G1是增量回收，所以用不着RSets。不分代的带来的可能性能下降，会用下面马上提到的Colored Pointer && Load Barrier来优化。
3.8.3 带颜色的指针 Colored Pointer
这里的指针类似java中的引用，意为对某块虚拟内存的引用。ZGC采用了64位指针（注：目前只支持linux 64位系统），将42-45这4个bit位置赋予了不同的含义，即所谓的颜色标志位，也换为指针的metadata。
finalizable位：仅finalizer（类比c++中的析构函数）可访问；
这4个标志位，同一时刻只会有1个位置是1。每当指针对应的内存数据发生变化，比如内存被移动，颜色会发生变化。
3.8.4 读屏障 Load Barrier
传统GC做标记时，为了防止其它线程在标记期间修改对象，通常会简单的STW。而ZGC有了Colored Pointer后，引入了所谓的读屏障，当指针引用的内存正被移动时，指针上的颜色就会变化，ZGC会先把指针更新成最新状态，然后再返回。（大家可以回想下java中的volatile关键字，有异曲同工之妙），这样仅读取该指针时可能会略有开销，而不用将整个heap STW。
3.8.5 重定位 relocation
如上图，在标记过程中，先从Roots对象找到了直接关联的下级对象1，2，4。
然后继续向下层标记，找到了5，8对象， 此时已经可以判定 3，6，7为垃圾对象。
如果按常规思路，一般会将8从最右侧的Region移动或复制到中间的Region，然后再将中间Region的3干掉，最后再对中间Region做压缩compact整理。但ZGC做得更高明，它直接将4，5复制到了一个空的新Region就完事了，然后中间的2个Region直接废弃，或理解为“释放”，做为下次回收的“新”Region。这样的好处是避免了中间Region的compact整理过程。
最后，指针重新调整为正确的指向（即：remap），而且上一阶段的remap与下一阶段的mark是混在一起处理的，相对更高效。
Remap的流程图如下：
3.8.6 多重映射 Multi-Mapping
这个优化，说实话没完全看懂，只能谈下自己的理解（如果有误，欢迎指正)。虚拟内存与实际物理内存，OS会维护一个映射关系，才能正常使用。如下图：
zgc的64位颜色指针，在解除映射关系时，代价较高（需要屏蔽额外的42-45的颜色标志位）。考虑到这4个标志位，同1时刻，只会有1位置成1（如下图），另外finalizable标志位，永远不希望被解除映射绑定（可不用考虑映射问题）。
所以剩下3种颜色的虚拟内存，可以都映射到同1段物理内存。即映射复用，或者更通俗点讲，本来3种不同颜色的指针，哪怕0-41位完全相同，也需要映射到3段不同的物理内存，现在只需要映射到同1段物理内存即可。
3.8.7 支持NUMA架构
NUMA是一种多核服务器的架构，简单来讲，一个多核服务器（比如2core），每个cpu都有属于自己的存储器，会比访问另一个核的存储器会慢很多（类似于就近访问更快）。
相对之前的GC算法，ZGC首次支持了NUMA架构，申请堆内存时，判断当前线程属是哪个CPU在执行，然后就近申请该CPU能使用的内存。
小结：革命性的ZGC经过上述一堆优化后，每次GC总体卡顿时间按官方说法<10ms。注：启用zgc，需要设置-XX:+UnlockExperimentalVMOptions -XX:+UseZGC。
四、实战练习
前面介绍了一堆理论，最后来做一个小的练习，下面是一段模拟OOM的测试代码，我们在G1、CMS这二种常用垃圾回收器上试验一下。
import sun.misc.Unsafe;
import java.lang.reflect.Field;
import java.util.ArrayList;
import java.util.List;
public class OOMTest {
public static void main(String[] args) {
OOMTest test = new OOMTest();
//heap区OOM测试
//test.heapOOM();
//虚拟机栈和本地方法栈溢出
//test.stackOverflow();
//metaspace OOM测试
//test.metaspaceOOM();
//堆外内存 OOM测试
//test.directOOM();
}
/**
* heap OOM测试
*/
public void heapOOM() {
List<OOMTest> list = new ArrayList<>();
while (true) {
list.add(new OOMTest());
}
}
private int stackLength = 1;
public void stackLeak() {
stackLength += 1;
stackLeak();
}
/**
* VM Stack / Native method Stack 溢出测试
*/
public void stackOverflow() {
OOMTest test = new OOMTest();
try {
test.stackLeak();
} catch (Throwable e) {
System.out.println("stack length:" + test.stackLength);
throw e;
}
}
public void genString() {
List<String> list = new ArrayList<>();
int i = 0;
while (true) {
list.add("string-" + i);
i++;
}
}
/**
* metaspace/常量池 OOM测试
*/
public void metaspaceOOM() {
OOMTest test = new OOMTest();
test.metaspaceOOM();
}
public void allocDirectMemory() {
final int _1MB = 1024 * 1024;
Field unsafeField = Unsafe.class.getDeclaredFields()[0];
unsafeField.setAccessible(true);
Unsafe unsafe = null;
try {
unsafe = (Unsafe) unsafeField.get(null);
} catch (IllegalArgumentException | IllegalAccessException e) {
e.printStackTrace();
}
while (true) {
unsafe.allocateMemory(_1MB);
}
}
/**
* 堆外内存OOM测试
*/
public void directOOM() {
OOMTest test = new OOMTest();
test.allocDirectMemory();
}
}
4.1 openjdk 11.0.3 环境：+ G1回收
4.1.1 验证heap OOM
把main方法中的test.heapOOM()行，注释打开，然后命令行下运行：
|
最后会输出：
[1.892s][info][gc ] GC(42) Concurrent Cycle 228.393ms
Exception in thread "main" java.lang.OutOfMemoryError: Java heap space
at java.base/java.util.Arrays.copyOf(Arrays.java:3689)
at java.base/java.util.ArrayList.grow(ArrayList.java:237)
at java.base/java.util.ArrayList.grow(ArrayList.java:242)
at java.base/java.util.ArrayList.add(ArrayList.java:485)
at java.base/java.util.ArrayList.add(ArrayList.java:498)
at oom.OOMTest.heapOOM(OOMTest.java:37)
at oom.OOMTest.main(OOMTest.java:16)
[1.895s][info][gc,heap,exit ] Heap其中 OutOfMemoryError:Java heap space即表示heap OOM。
4.1.2 验证stack溢出
把main方法中的test.stackOverflow()行，注释打开，然后命令行下运行：
|
最后会输出：
|
其中 StackOverflowError 即表示stack栈区内存不足，导致溢出。
4.1.3 验证metaspace OOM
把main方法中的test.metaspaceOOM()行，注释打开，然后命令行下运行：
|
最后会输出：
|
其中 OutOfMemoryError: Metaspace 即表示Metaspace区OOM。
4.1.4 验证堆外内存OOM
把main方法中的test.directOOM()行，注释打开，然后命令行下运行：
最后会输出：
|
其中OutOfMemoryError行并没有输出具体哪个区（注：堆外内存不属于JVM内存中的任何一个区，所以无法输出)，但紧接着有一行jdk.internal.misc.Unsafe.allocateMemory 可以看出是“堆外内存直接分配”导致的异常。
4.2 openjdk 1.8.0_212 + CMS回收
jdk1.8下，java命令无法直接运行.java文件，必须先编译，即：
|
（注：-encoding utf-8 是为了防止中文注释javac无法识别）成功后，会生成OOMTest.class文件， 然后再可以参考下面的命令进行测试。
4.2.1 heap OOM测试：
|
4.2.2 验证stack溢出
|
4.2.3 验证metaspace OOM
|
4.2.4 验证堆外内存OOM
|
4.3 GC日志查看工具
生成的gc日志文件，可以用开源工具GCViewer查看，这是一个纯java写的GUI程序，使用很简单，File→Open File 选择gc日志文件即可。目前支持CMS/G1生成的日志文件，另外如果GC文件过大时，可能打不开。
GCViewer可以很方便的统计出GC的类型，次数，停顿时间，年青代/老年代的大小等，还有图表显示，非常方便。
参考文章：
https://docs.oracle.com/javase/specs/jvms/se8/html/jvms-2.html#jvms-2.5
https://blog.csdn.net/heart_mine/article/details/79495032
https://www.programcreek.com/2013/04/jvm-run-time-data-areas/
https://javapapers.com/core-java/java-jvm-run-time-data-areas/
https://javapapers.com/core-java/java-jvm-memory-types/
https://cloud.tencent.com/developer/article/1152616
https://www.jianshu.com/p/17e72bb01bf1
http://calvin1978.blogcn.com/articles/directbytebuffer.html
https://www.cnkirito.moe/nio-buffer-recycle/
https://www.oracle.com/webfolder/technetwork/tutorials/obe/java/gc01/index.html
http://inbravo.github.io/html/jvm.html
https://www.oracle.com/webfolder/technetwork/tutorials/obe/java/G1GettingStarted/index.html
https://segmentfault.com/a/1190000009783873
https://segmentfault.com/a/1190000016551339
https://www.team-bob.org/things-about-java-garbage-collection-1/2/
https://docs.oracle.com/javase/8/docs/technotes/guides/vm/gctuning/cms.html
https://tech.meituan.com/2016/09/23/g1.html
https://mp.weixin.qq.com/s/KUCs_BJUNfMMCO1T3_WAjw
https://www.baeldung.com/jvm-zgc-garbage-collector
http://xxfox.perfma.com/jvm/
https://wiki.openjdk.java.net/display/zgc/Main
http://cr.openjdk.java.net/~pliden/slides/ZGC-FOSDEM-2018.pdf
http://www.ishenping.com/ArtInfo/43701.html
http://likehui.top/2019/04/11/ZGC-%E7%89%B9%E6%80%A7%E8%A7%A3%E8%AF%BB/
【推荐阅读】
加载速度提升15%，携程对RN新一代JS引擎Hermes的调研
携程酒店RSocket实践
携程酒店MOCK全链路实践
万字长文全面解析GraphQL，携程微服务背景下的前后端数据交互方案
单个场景秒级返回，携程机票持续集成之线上场景回放优化
跨多业务线挑战下，携程订单索引服务的1.0到2.0
