G1垃圾收集器详解

简介

G1是一款面向服务器应用的垃圾收集器，目标是用在多核、大内存的机器上。
它在满足高吞吐量的同时满足GC停顿的时间尽可能地短。
应用场景：

• 可以像CMS收集器一样可以和应用并发运行
• 压缩空闲的内存碎片，却不需要冗长的GC停顿。
• 对GC停顿可以做更好的预测
• 不想牺牲大量的吞吐量性能
• 不需要更大的Java Heap

存储结构

在传统的GC收集器（serial, parallel, CMS）都是把heap分成固定大小连续的三个空间： 年轻代，老年代和永久代。
在jdk8中，取消了永久代，改用了元空间。
永久代与元空间的区别
在JDK8之前的HotSpot JVM，存放这些”永久的”的区域叫做“永久代(permanent generation)”。永久代是一片连续的堆空间，在JVM启动之前通过在命令行设置参数-XX:MaxPermSize来设定永久代最大可分配的内存空间，默认大小是64M（64位JVM由于指针膨胀，默认是85M）。永久代的垃圾收集是和老年代(old generation)捆绑在一起的，因此无论谁满了，都会触发永久代和老年代的垃圾收集。不过，一个明显的问题是，当JVM加载的类信息容量超过了参数-XX：MaxPermSize设定的值时，应用将会报OOM的错误。
而元空间是直接存在内存中，不在java虚拟机中的，因此元空间依赖于内存大小。当然你也可以自定义元空间大小。

• 元空间并不在虚拟机中，而是使用本地内存。
• 因此，默认情况下，元空间的大小仅受本地内存限制，
• 但可以通过以下参数来指定元空间的大小：- -XX:MetaspaceSize，初始空间大小，
  • -XX:MaxMetaspaceSize，最大空间，默认是没有限制的。
  • -XX:MinMetaspaceFreeRatio，在GC之后，最小的Metaspace剩余空间容量的百分比
  • -XX:MaxMetaspaceFreeRatio，在GC之后，最大的Metaspace剩余空间容量的百分比
    取代的原因：

1. 字符串存在永久代中，容易出现性能问题和内存溢出。
2. 类及方法的信息等比较难确定其大小，

• 因此对于永久代的大小指定比较困难，- 太小容易出现永久代溢出，
  • 太大则容易导致老年代溢出。

3. 永久代会为 GC 带来不必要的复杂度，并且回收效率偏低

   
   
   1.png

G1将整个堆分成相同大小的分区。每个分区都可能是年轻代可也能是老年代，但在同一时刻只能属于某一个代。年轻代、幸存区和老年代等概念还存在，成为逻辑上的概念。在物理上不需要连续，堆内存中一个区域(Region)的大小可以通过-XX:G1HeapRegionSize参数指定，大小区间最小1M、最大32M，总之是2的幂次方。
G1是一种带压缩的收集器，在回收老年代的分区时，是将存活的对象从一个分区中拷贝到另一个可用分区，这个拷贝的过程就实现了局部的压缩。

2.png

每个Region被标记为E、S、O和H,这些区域在逻辑上被映射为Eden,Survivor和老年代。除此之外，还添加了另外一种类型，被称为（Humongous Region）。它是为了存储超过50%religon大小对象而设计的，而这些对象被称为巨型对象。如果一个H区装不下一个巨型对象，那么G1会寻找连续的H分区来存储。为了能找到连续的H区，有时候不得不启动Full GC。
收集集合（Cset)
一组可被回收的分区的集合。在Cset中存活的数据会在GC过程中被移动到另一个可用分区，Cset中的分区可以来自Eden空间、survivor空间或者老年代。Cset会占用不到整个堆空间的1%大小。
Remembered Set(已记忆集合)
RSet记录了其他Region中的对象引用本Region中对象的关系，属于points-into结构，而在CMS中使用了Card Table的结构，里面记录了老年代对象到新生代的引用。Card Table的结构是一个连续的byte[]数组，扫描Card Table的时间比扫描整个老年代的代价要小很多。Card Table属于points-out(我引用了谁的对象)的结构。每个Region都会记录下别的Region有指向自己的指针，并标记这些指针分别在哪些Card的范围内。这个RSet其实是一个Hash Table,key是别的Region的起始地址，Value是一个集合，里面的元素是Card Table的Index。每个Region都有一个对应的Rset。
RSet究竟是怎么辅助GC的呢？在做YGC的时候，只需要选定young generation region的RSet作为根集，这些RSet记录了old->young的跨代引用，避免了扫描整个old generation。 而mixed gc的时候，old generation中记录了old->old的RSet，young->old的引用由扫描全部young generation region得到，这样也不用扫描全部old generation region。所以RSet的引入大大减少了GC的工作量。

3.png

Snapshot-At-The-Begining

它是GC开始时活着的对象的一个快照。他是通过Root Tracing得到的，作用是维持并发GC的正确性。
它是根据三色标记算法，把对象设置为了三种状态：

• 白：对象没有被标记到，标记阶段结束后，会被当做垃圾回收掉。
• 灰： 对象被标记了，但是它的field还没有被标记或标记完
• 黑： 对象被标记了，并且它的所有field也被标记完了。
  垃圾收集器的工作过程，就是通过灰色对象的指针扫描它指向的白色对象，如果找到一个白色对象，就将它设置为灰色，如果某个灰色对象的可达对象已经全部找完，就将它设置为黑色对象。当在当前集合中找不到灰色的对象时，就说明该集合的回收动作完成，然后所有白色的对象的都会被回收。

由于并发阶段的存在，Mutator和Garbage Collector线程同时对对象进行修改，就会出现白对象漏标的情况，这种情况发生的前提是：

• Mutator赋予一个黑对象该白对象的引用。
• Mutator删除了所有从灰对象到该白对象的直接或者间接引用。

对于第一个条件，在并发标记阶段，如果该白对象是new出来的，并没有被灰对象持有，那么它会不会被漏标呢？Region中有两个top-at-mark-start（TAMS）指针，分别为prevTAMS和nextTAMS。在TAMS以上的对象是新分配的，这是一种隐式的标记。对于在GC时已经存在的白对象，如果它是活着的，它必然会被另一个对象引用，即条件二中的灰对象。如果灰对象到白对象的直接引用或者间接引用被替换了，或者删除了，白对象就会被漏标，从而导致被回收掉，这是非常严重的错误，所以SATB破坏了第二个条件。也就是说，一个对象的引用被替换时，可以通过write barrier 将旧引用记录下来。
SATB也是有副作用的，如果被替换的白对象就是要被收集的垃圾，这次的标记会让它躲过GC，这就是float garbage。因为SATB的做法精度比较低，所以造成的float garbage也会比较多。

G1的GC模式

1.YoungGC年轻代收集
在分配一般对象（非巨型对象）时，当所有eden region使用达到最大阀值并且无法申请足够内存时，会触发一次YoungGC。每次younggc会回收所有Eden以及Survivor区，并且将存活对象复制到Old区以及另一部分的Survivor区。

YoungGC的回收过程如下：

• 根扫描,跟CMS类似，Stop the world，扫描GC Roots对象。
• 处理Dirty card,更新RSet.
• 扫描RSet,扫描RSet中所有old区对扫描到的young区或者survivor去的引用。
• 拷贝扫描出的存活的对象到survivor2/old区
• 处理引用队列，软引用，弱引用，虚引用
  2. mixed gc

当越来越多的对象晋升到老年代old region时，为了避免堆内存被耗尽，虚拟机会触发一个混合的垃圾收集器，即mixed gc，该算法并不是一个old gc，除了回收整个young region，还会回收一部分的old region，这里需要注意：是一部分老年代，而不是全部老年代，可以选择哪些old region进行收集，从而可以对垃圾回收的耗时时间进行控制。

G1没有fullGC概念，需要fullGC时，调用serialOldGC进行全堆扫描（包括eden、survivor、o、perm）。

G1与CMS的区别

1. CMS中，堆被分为PermGen，YoungGen，OldGen；而YoungGen又分了两个survivo区域。在G1中，堆被平均分成几个区域(region)，在每个区域中，虽然也保留了新老代的概念，但是收集器是以整个区域为单位收集的。

2. CMS是一款“标记--清除”算法实现的收集器，容易出现大量空间碎片。当空间碎片过多，将会给大对象分配带来很大的麻烦,而G1则不会容易产生大量空间碎片。

3. G1会在Young GC和Mixed GC中使用、而CMS只能在O区使用。(有待商榷，上文中讲CMS也会在年轻代中处理)

4. G1能建立可预测的停顿时间模型，能让使用者明确指定在一个长度为M毫秒的时间片段内，消耗在垃圾收集上的时间不得超过N毫秒

5. 在空间整理方面，与CMS的“标记--清理”算法不同，G1从整体上来看是基于“标记-整理”算法实现的收集器，从局部（两个Region之间）上来看是基于“复制”算法实现的。