1.java gc����Դ�����
2.Java中9种常见的机制解析c机CMS GC问题分析与解决（下）
3.OpenJDK17-JVM 源码阅读 - ZGC - 并发标记 | 京东物流技术团队
4.深入浅出 Java FileChannel 的堆外内存使用

java gc����Դ�����

       毫无疑问，垃圾回收（GC）已经成为现代编程语言的源码标配。为深入研究这一领域，机制解析c机我曾撰写四篇《深入浅出垃圾回收》系列文章，源码介绍相关理论。机制解析c机然而，源码暗棋c 源码网络上关于JDK GC原理、机制解析c机优化的源码文章质量参差不齐，其中一些理解有误的机制解析c机文字以讹传讹，给初学者带来困扰。源码即便是机制解析c机大厂的官方博客，也存在错误信息。源码基于实验与阅读openjdk源码，机制解析c机本文整理了一份相对可靠的源码资料，供参考。机制解析c机

       了解GC算法前，需先熟悉一些常见术语：

       GC算法可能同时具有并发/并行特性，或只具有其中之一。

       不同JDK版本支持的选项可通过配置以下alias进行查看：

       使用jflags | grep XXX的方式，可定位选项及其默认值。

       如何打印GC信息？JDK提供了相关支持。

       Java 8中默认集成了哪些GC实现？通过jflags即可得知。

       PS系列与G1等不同收集器组合方式复杂。流量充值 源码在Java 7u4后，UseParallelGC与UseParallelOldGC等价。通过实验测试，不同配置下年轻/老年代默认所使用的收集器。

       PS系列与后续G1不在此框架内，故只能单独使用。使用UseSerialGC时，年轻代收集器为单线程的Copy。

       理解mark/sweep/compact等名词对于掌握GC原理至关重要。它们简化为整理抽屉的概念，找出无用垃圾，丢弃，并整理剩余堆。然而，细节决定成败。

       年轻代收集器优化策略，包括吞吐量（ParallelGC）与并发回收（CMS）。

       ParallelGC适用于对延迟要求低、更看重吞吐量的应用场景。通过自适应策略调整年轻/老年代大小以满足需求。

       CMS支持并发回收，尽管某些环节仍需暂停应用线程（STW）。oa源码phpold代在sweep后，通过freelist整理空闲地址，而非compact过程。

       深入了解CMS的流程与特性，尤其是并发模式失败、最大堆碎片等问题。

       解决并发模式失败（CMF）可通过提前执行CMS、禁用JVM自适应策略或使用System.gc()。CMS的并发收集过程可由选项控制。

       监控old代碎片，通过配置选项查看最大块大小，若减少则表示碎片问题加剧。解决碎片问题需调整相关参数。

       CMS工作流程与状态机设计模式相关，preclean阶段迭代执行特定条件，优化remark阶段并发执行。

       优化GC性能时，明确关键指标，如暂停时间、垃圾回收频率等。使用工具如gcplot简化此过程。通过调整参数，全志源码如增大年轻代空间、调整OccupancyFraction等，优化CMS性能。

       实战中，应用优化策略，如调整内存配置和GC参数，以提升服务性能。通过GC日志分析，发现并解决性能瓶颈。

       了解参考资料以获取更多细节，深入学习GC原理。

       本文旨在提供GC基础与优化策略的概览。然而，网络上关于GC的信息可能存在误解。作为读者，应保持批判性思维。希望本文提供的内容对您有所帮助。

       扩展阅读：Java垃圾回收权威指北

Java中9种常见的CMS GC问题分析与解决（下）

       Java中9种常见的CMS GC问题分析与解决（下）

       美团技术团队通过对内部GC问题的深入研究和总结，针对Hotspot VM中CMS + ParNew组合的复杂场景，提供了深入的分析和实用的解决方案。本文主要聚焦于以下几个关键问题：

场景六：单次CMS Old GC耗时长

       分析了长时间STW的原因，主要集中在Final Remark阶段，sublime 导入 源码通过理解核心代码和步骤，提出了针对性的优化策略。

场景七：内存碎片与收集器退化

       探讨了内存碎片导致的收集器退化，包括晋升失败和并发模式失败，提供了解决策略，如监控内存碎片率和避免大对象产生。

场景八：堆外内存 OOM

       剖析了堆外内存泄漏的两种原因，通过NMT和JNI调用的排查方法，提供了解决方案。

场景九：JNI引发的GC问题

       针对JNI调用可能导致的GC，解释了GC Locker机制及其潜在影响，并给出了相应的策略。

       整体而言，处理这些问题的关键在于理解根源、合理配置参数、监控内存使用情况，并在必要时深入阅读源码。在遇到GC问题时，主动分析和优化是提升系统性能的关键。

OpenJDK-JVM 源码阅读 - ZGC - 并发标记 | 京东物流技术团队

       ZGC简介：

       ZGC是Java垃圾回收器的前沿技术，支持低延迟、大容量堆、染色指针、读屏障等特性，自JDK起作为试验特性，JDK起支持Windows，JDK正式投入生产使用。在JDK中已实现分代收集，预计不久将发布，性能将更优秀。

       ZGC特征：

       1. 低延迟

       2. 大容量堆

       3. 染色指针

       4. 读屏障

       并发标记过程：

       ZGC并发标记主要分为三个阶段：初始标记、并发标记/重映射、重分配。本篇主要分析并发标记/重映射部分源代码。

       入口与并发标记：

       整个ZGC源码入口是ZDriver::gc函数，其中concurrent()是一个宏定义。并发标记函数是concurrent_mark。

       并发标记流程：

       从ZHeap::heap()进入mark函数，使用任务框架执行任务逻辑在ZMarkTask里，具体执行函数是work。工作逻辑循环从标记条带中取出数据，直到取完或时间到。此循环即为ZGC三色标记主循环。之后进入drain函数，从栈中取出指针进行标记，直到栈排空。标记过程包括从栈取数据，标记和递归标记。

       标记与迭代：

       标记过程涉及对象迭代遍历。标记流程中，ZGC通过map存储对象地址的finalizable和inc_live信息。map大小约为堆中对象对齐大小的二分之一。接着通过oop_iterate函数对对象中的指针进行迭代，使用ZMarkBarrierOopClosure作为读屏障，实现了指针自愈和防止漏标。

       读屏障细节：

       ZMarkBarrierOopClosure函数在标记非静态成员变量的指针时触发读屏障。慢路径处理和指针自愈是核心逻辑，慢路径标记指针，快速路径通过cas操作修复坏指针，并重新标记。

       重映射过程：

       读屏障触发标记后，对象被推入栈中，下次标记循环时取出。ZGC并发标记流程至此结束。

       问题回顾：

       本文解答了ZGC如何标记指针、三色标记过程、如何防止漏标、指针自愈和并发重映射过程的问题。

       扩展思考：

       ZGC在指针上标记，当回收某个region时，如何得知对象是否存活？答案需要结合标记阶段和重分配阶段的代码。

       结束语：

       本文深入分析了ZGC并发标记的源码细节，对您有启发或帮助的话，请多多点赞支持。作者：京东物流 刘家存，来源：京东云开发者社区 自猿其说 Tech。转载请注明来源。

深入浅出 Java FileChannel 的堆外内存使用

       从一个线上系统 OOM 讲起，我们通过解决用户反馈的 IoTDB 查询卡住问题，深入探讨了 Java FileChannel 中的堆外内存使用。

       首先，让我们了解一下背景知识。FileChannel 是 Java NIO 提供的文件通道类，它允许对文件进行读写操作。而堆外内存是指直接分配在系统内存中的内存区域，不受 Java 堆管理。

       FileChannel 使用堆外内存的原因是提高性能。当使用 DirectByteBuffer 时，数据本来就在堆外内存中，因此在进行 I/O 操作时没有拷贝的过程，这被称为“零拷贝”。然而，操作系统需要将堆上的数据拷贝到堆外内存中进行 I/O 操作，因为操作系统通过内存地址进行数据交互。

       当 JVM 进行垃圾回收（GC）时，可能会导致内存地址的变化，影响正在执行的 I/O 操作。因此，将数据从堆复制到堆外内存，可以保证数据地址在 I/O 过程中保持不变。

       在 JDK 的源码分析中，我们发现 DirectByteBuffer 的分配和回收机制。DirectByteBuffer 在分配时创建的 Cleaner 对象用于堆外内存的回收，当 DirectByteBuffer 仅被 Cleaner 引用时，其可以在任意 GC 时段被回收。这样，虽然堆外内存并非完全不受 GC 控制，但通过 Cleaner 实现了有效的回收机制。

       FileChannel 在读写过程中，使用 DirectByteBuffer 进行数据操作。在分配和回收临时 DirectByteBuffer 时，考虑到系统的资源限制，适当调整 TEMP_BUF_POOL_SIZE 的值可以避免 OOM 的问题。

       回到开头提到的线上问题，用户在使用 IoTDB 时遭遇 OOM。通过源码分析，我们发现没有适当配置 MAX_CACHED_BUFFER_SIZE，导致额外分配的堆外内存缓存过大，最终引发 OOM。通过调整配置，解决了这个问题。

       Java FileChannel 的堆外内存使用，提高了 I/O 操作的性能，但也需要合理配置和管理，避免资源浪费和内存泄露，确保系统的稳定运行。