1.OpenJDK17-JVM 源码阅读 - ZGC - 并发标记 | 京东物流技术团队
2.uniapp二手手机回收租赁小程序源码/旧手机在线估价回收商城源码
3.Kswapd 源码解析
4.Hermes源码分析（二）——解析字节码
5.Java 垃圾回收权威指北
6.微擎小程序 手机数码回收 1.1.0 后台模块+前端小程序源码分享
OpenJDK17-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、代源大容量堆、码回码染色指针、收代读屏障等特性，意思自JDK起作为试验特性，回收养牛理财源码JDK起支持Windows，代源JDK正式投入生产使用。码回码在JDK中已实现分代收集，收代预计不久将发布，意思性能将更优秀。回收
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、代源并发标记/重映射、码回码重分配。收代本篇主要分析并发标记/重映射部分源代码。意思
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、gcc源码获取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。
uniapp二手手机回收租赁小程序源码/旧手机在线估价回收商城源码
这套源码集成了uniapp和thinkphp技术栈，提供了一套功能丰富的二手手机回收租赁和在线估价商城解决方案。移动端App、小程序端以及公众服务号端的整合，确保了用户在不同设备上都能获得一致的使用体验。代码全开源，这意味着开发者可以基于此源码进行二次开发，以满足特定的业务需求或添加新功能。
功能特点方面，源码支持用户在线估价旧手机，提供详细的回收价格信息，简化了交易流程。用户可以快速上传手机信息或，系统自动进行估价。对于回收服务，源码提供了便捷的预约和上门回收选项，保证了用户的便利性和安全性。同时，租赁功能使得用户可以根据需求租借手机，提供灵活多样的使用方案。
源码还具备库存管理、订单处理、用户评价、数据分析等功能，帮助运营者更好地管理业务流程，提升用户体验。此外，源码支持多语言和多货币设置，适应全球市场的需求。它还具备安全防护机制，确保交易过程中的信息安全。
此源码适用于二手手机回收、租赁及在线估价的商家，无论是初创企业还是已有业务需要扩展的公司，都能通过此源码快速搭建起专业的二手电子产品交易平台。源码的灵活性和开放性，使其不仅局限于手机，包车app源码还可以应用于各种数码3C产品，如电脑、平板、相机等。
Kswapd 源码解析
kswapd是Linux内核中的一个内存回收线程，主要用于内存不足时回收内存。初始化函数为kswapd_init，内核为每个节点分配一个kswapd进程。每个节点的pg_data_t结构体中维护四个成员变量，用于管理kswapd线程。
在初始化后，每个节点的kswapd线程进入睡眠状态。唤醒时机主要在被动唤醒和主动唤醒两种场景：被动唤醒是内存分配进程唤醒并完成异步内存回收后，对节点内存环境进行平衡度检查，若平衡则线程短暂休眠ms后主动唤醒。主动唤醒是内存回收策略调用kswapd，对节点进行异步内存回收，让节点达到平衡状态。
内存回收包括快速和直接两种方式，但系统周期性调用kswapd线程平衡不满足要求的节点，因为有些任务内存分配不允许阻塞或激活I/O访问，回收内存相当于亡羊补牢，系统利用空闲时间进行内存回收是必要的。
kswapd线程通过module_init(kswapd_init)创建，一般处于睡眠状态等待被唤醒，当系统内存紧张时，会唤醒kswapd线程，调整不平衡节点至平衡状态。
kswapd函数包含alloc_order、reclaim_order和classzone_idx三个变量，用于控制线程执行流程。kswapd_try_to_sleep函数判断是否睡眠并让出CPU控制权，同时是线程唤醒的入口。balance_pgdat函数是实际内存回收操作，涉及内存分配失败后唤醒kswapd线程，调用此函数对指定节点进行异步内存回收。
kswapd_shrink_node函数通过shrink_node对低于sc->reclaim_idx的非平衡zone区域进行回收。
总结kswapd执行流程，其生命周期与Linux操作系统相似，平时处于睡眠状态让出CPU控制权。在内存紧张时被唤醒，有被动唤醒和周期性主动唤醒两种时机。被动唤醒发生在内存分配任务获取不到内存时，表明系统内存环境紧张，主动唤醒则是内存回收策略的执行。线程周期性唤醒在被动唤醒后的短暂时间内，原因在于系统内存环境紧张，源码 网站 source需要在这段时间内进行内存回收。
Hermes源码分析（二）——解析字节码
前面一节 讲到字节码序列化为二进制是有固定的格式的，这里我们分析一下源码里面是怎么处理的这里可以看到首先写入的是魔数，他的值为
对应的二进制见下图，注意是小端字节序
第二项是字节码的版本，笔者的版本是，也即 上图中的4a
第三项是源码的hash，这里采用的是SHA1算法，生成的哈希值是位，因此占用了个字节
第四项是文件长度，这个字段是位的，也就是下图中的为0aa，转换成十进制就是，实际文件大小也是这么多
后面的字段类似，就不一一分析了，头部所有字段的类型都可以在BytecodeFileHeader.h中看到，Hermes按照既定的内存布局把字段写入后再序列化，就得到了我们看到的字节码文件。
这里写入的数据很多，以函数头的写入为例，我们调用了visitFunctionHeader方法，并通过byteCodeModule拿到函数的签名，将其写入函数表（存疑，在实际的文件中并没有看到这一部分）。注意这些数据必须按顺序写入，因为读出的时候也是按对应顺序来的。
我们知道react-native 在加载字节码的时候需要调用hermes的prepareJavaScript方法， 那这个方法做了些什么事呢？
这里做了两件事情：
1. 判断是否是字节码，如果是则调用createBCProviderFromBuffer，否则调用createBCProviderFromSrc，我们这里只关注createBCProviderFromBuffer
2.通过BCProviderFromBuffer的构造方法得到文件头和函数头的信息（populateFromBuffer方法），下面是这个方法的实现。
BytecodeFileFields的populateFromBuffer方法也是一个模版方法，注意这里调用populateFromBuffer方法的是一个 ConstBytecodeFileFields对象，他代表的是不可变的字节码字段。
细心的读者会发现这里也有visitFunctionHeaders方法， 这里主要为了复用visitBytecodeSegmentsInOrder的逻辑，把populator当作一个visitor来按顺序读取buffer的内容，并提前加载到BytecodeFileFields里面，以减少后面执行字节码时解析的时间。
Hermes引擎在读取了字节码之后会通过解析BytecodeFileHeader这个结构体中的字段来获取一些关键信息，例如bundle是否是字节码格式，是否包含了函数，字节码的版本是否匹配等。注意这里我们只是解析了头部，没有解析整个字节码，后面执行字节码时才会解析剩余的直播源码查询部分。
evaluatePreparedJavaScript这个方法，主要是调用了HermesRuntime的 runBytecode方法，这里hermesPrep时上一步解析头部时获取的BCProviderFromBuffer实例。
runBytecode这个方法比较长，主要做了几件事情：
这里说明一下，Domain是用于垃圾回收的运行时模块的代理， Domain被创建时是空的，并跟随着运行时模块进行传播， 在运行时模块的整个生命周期内都一直存在。在某个Domain下创建的所有函数都会保持着对这个Domain的强引用。当Domain被回收的时候，这个Domain下的所有函数都不能使用。
未完待续。。。
Java 垃圾回收权威指北
毫无疑问，垃圾回收（GC）已经成为现代编程语言的标配。为深入研究这一领域，我曾撰写四篇《深入浅出垃圾回收》系列文章，介绍相关理论。然而，网络上关于JDK GC原理、优化的文章质量参差不齐，其中一些理解有误的文字以讹传讹，给初学者带来困扰。即便是大厂的官方博客，也存在错误信息。基于实验与阅读openjdk源码，本文整理了一份相对可靠的资料，供参考。
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。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）。old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，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
微擎小程序 手机数码回收 1.1.0 后台模块+前端小程序源码分享
微擎小程序手机数码回收1.1.0版本，为您提供后台模块与前端小程序源码的分享。本次更新，我们专注于修复后台服务项目的细节，确保用户获得更流畅的使用体验。以下是更新亮点：
版本号：1.1.0 – 商业版
1、我们已修复后台服务项目第四项保存数据出现的错误bug，确保数据准确无误，避免用户信息的不当处理。
2、调整了小程序授权的逻辑，优化了授权流程。现在，用户只需一次性授权即可，避免了重复授权带来的不便，提高了用户体验。
通过以上更新，微擎小程序手机数码回收旨在为用户提供更高效、更便捷的回收服务。我们致力于优化每一处细节，让回收过程更加顺畅。如果您有任何疑问或需要进一步的帮助，请随时联系我们。
python中的垃圾回收机制和缓存机制
在深入理解Python的垃圾回收机制之前，首先需明确两个核心概念——内存泄漏与内存溢出。
内存泄漏指的是程序在使用完毕后，未能释放的内存空间，导致这些空间长期被占用，造成系统资源浪费和性能下降。而内存溢出则发生在程序请求分配内存时，因系统资源不足而无法得到满足。
Python通过引用计数机制进行内存管理。在C语言源码中，每个对象都拥有一个引用计数器，用于统计被引用的次数。程序运行时，引用计数实时更新。当引用计数降为0时，对象将被自动回收，释放内存空间。使用sys.getrefcount()函数可以获取对象的引用计数值。
然而，引用计数机制在处理循环引用时存在问题。当两个对象相互引用，计数器无法降至0，导致内存泄漏。为解决此问题，Python采用标记-清除算法。该算法通过维护两个双端链表，分别存放需要扫描和已标记为不可达的对象。遍历容器对象，解除循环引用影响后，将未标记可达的对象移至回收列表。再次遍历时，移除未被引用的对象。
为了提高垃圾回收效率，Python引入分代回收机制。基于对象存在时间越长，成为垃圾的可能性越小的假设，减少回收过程中遍历的对象数，从而加快回收速度。
Python还通过缓存机制优化内存管理。当对象的引用计数为0时，不直接回收内存，而是将其放入缓存列表中进行缓存。对于特定数据类型，如整数、浮点数、列表、字典、元组，Python分别采用free_list、缓存池和驻留机制进行优化，以减少内存分配和释放的开销，提高程序性能。
具体来说，free_list机制用于缓存特定数据类型（如整数、浮点数）的内存地址，以便重复使用；缓存池预先创建并存储常用数据类型，如小整数、布尔类型、字符串；驻留机制通过字典存储相同值的变量，避免重复内存分配，实现内存节省。
通过上述机制，Python的垃圾回收和缓存机制有效管理内存资源，提升程序运行效率，同时避免内存泄漏和内存溢出问题。
linux内核源码：内存管理——内存分配和释放关键函数分析&ZGC垃圾回收
本文深入剖析了Linux内核源码中的内存管理机制，重点关注内存分配与释放的关键函数，通过分析4.9版本的源码，详细介绍了slab算法及其核心代码实现。在内存管理中，slab算法通过kmem_cache结构体进行管理，利用数组的形式统一处理所有的kmem_cache实例，通过size_index数组实现对象大小与kmem_cache结构体之间的映射，从而实现高效内存分配。其中，关键的计算方法是通过查找输入参数的最高有效位序号，这与常规的0起始序号不同，从1开始计数。
在找到合适的kmem_cache实例后，下一步是通过数组缓存（array_cache）获取或填充slab对象。若缓存中有可用对象，则直接从缓存分配；若缓存已空，会调用cache_alloc_refill函数从三个slabs（free/partial/full）中查找并填充可用对象至缓存。在对象分配过程中，array_cache结构体发挥了关键作用，它不仅简化了内存管理，还优化了内存使用效率。
对象释放流程与分配流程类似，涉及数组缓存的管理和slab对象的回收。在cache_alloc_refill函数中，关键操作是检查slab_partial和slab_free队列，寻找空闲的对象以供释放。整个过程确保了内存资源的高效利用，避免了资源浪费。
总结内存操作函数概览，栈与堆的区别是显而易见的。栈主要存储函数调用参数、局部变量等，而堆用于存放new出来的对象实例、全局变量、静态变量等。由于堆的动态分配特性，它无法像栈一样精准预测内存使用情况，导致内存碎片问题。为了应对这一挑战，Linux内核引入了buddy和slab等内存管理算法，以提高内存分配效率和减少碎片。
然而，即便使用了高效的内存管理算法，内存碎片问题仍难以彻底解决。在C/C++中，没有像Java那样的自动垃圾回收机制，导致程序员需要手动管理内存分配与释放。如果忘记释放内存，将导致资源泄漏，影响系统性能。为此，业界开发了如ZGC和Shenandoah等垃圾回收算法，以提高内存管理效率和减少内存碎片。
ZGC算法通过分页策略对内存进行管理，并利用“初始标记”阶段识别GC根节点（如线程栈变量、静态变量等），并查找这些节点引用的直接对象。此阶段采用“stop the world”（STW）策略暂停所有线程，确保标记过程的准确性。接着，通过“并发标记”阶段识别间接引用的对象，并利用多个GC线程与业务线程协作提高效率。在这一过程中，ZGC采用“三色标记”法和“remember set”机制来避免误回收正常引用的对象，确保内存管理的精准性。
接下来，ZGC通过“复制算法”实现内存回收，将正常引用的对象复制到新页面，将旧页面的数据擦除，从而实现内存的高效管理。此外，通过“初始转移”和“并发转移”阶段进一步优化内存管理过程。最后，在“对象重定位”阶段，完成引用关系的更新，确保内存管理过程的完整性和一致性。
通过实测，ZGC算法在各个阶段展现出高效的内存管理能力，尤其是标记阶段的效率，使得系统能够在保证性能的同时，有效地管理内存资源。总之，内存管理是系统性能的关键因素，Linux内核通过先进的算法和策略，实现了高效、灵活的内存管理，为现代操作系统提供稳定、可靠的服务。