「译文」Java 垃圾收集参考手册（一）：垃圾收集简介

说明:

在本文中，Garbage Collection 翻译为 “垃圾收集”, garbage collector 翻译为 “垃圾收集器”;

一般认为，垃圾回收 和 垃圾收集 是同义词。

Minor GC 翻译为： 小型 GC; 而不是 次要 GC

Major GC 翻译为： 大型 GC; 而不是 主要 GC

原因在于，大部分情况下，发生在年轻代的 Minor GC 次数会很多，翻译为次要 GC 明显不对。

Full GC 翻译为： 完全 GC; 为了清晰起见，一般直接译为 Full GC, 读者明白即可；其中大型 GC 和完全 GC 差不多，这些术语出自官方的各种分析工具和垃圾收集日志。并不是很统一。

1. 垃圾收集简介

顾名思义，垃圾收集 (Garbage Collection) 的意思就是 —— 找到垃圾并进行清理。但现有的垃圾收集实现却恰恰相反: 垃圾收集器跟踪所有正在使用的对象，并把其余部分当做垃圾。记住这一点以后，我们再深入讲解内存自动回收的原理，探究 JVM 中垃圾收集的具体实现，。

我们不抠细节，先从基础开始，介绍垃圾收集的一般特征、核心概念以及实现算法。

免责声明: 本文主要讲解 Oracle Hotspot 和 OpenJDK 的行为。对于其他 JVM, 如 jRockit 或者 IBM J9, 在某些方面可能会略有不同。

手动内存管理 (Manual Memory Management)

当今的自动垃圾收集算法极为先进，但我们先来看看什么是手动内存管理。在那个时候，如果要存储共享数据，必须显式地进行 内存分配 (allocate) 和内存释放 (free)。如果忘记释放，则对应的那块内存不能再次使用。内存一直被占着，却不再使用，这种情况就称为内存泄漏 (memory leak)。

以下是用 C 语言来手动管理内存的一个示例程序:

int send_request() {
    size_t n = read_size();
    int *elements = malloc(n * sizeof(int));
 
    if(read_elements(n, elements) < n) {
        // elements not freed!
        return -1;
    }
 
    // …
 
    free(elements)
    return 0;
}

可以看到，如果程序很长，或者结构比较复杂，很可能就会忘记释放内存。内存泄漏曾经是个非常普遍的问题，而且只能通过修复代码来解决。因此，业界迫切希望有一种更好的办法，来自动回收不再使用的内存，完全消除可能的人为错误。这种自动机制被称为 垃圾收集 (Garbage Collection, 简称 GC)。

智能指针 (Smart Pointers)

第一代自动垃圾收集算法，使用的是引用计数 (reference counting)。针对每个对象，只需要记住被引用的次数，当引用计数变为 0 时，这个对象就可以被安全地回收 (reclaimed) 了。一个著名的示例是 C++ 的共享指针 (shared pointers):

int send_request() {
    size_t n = read_size();
    shared_ptr<vector<int>> elements
              = make_shared<vector<int>>();
 
    if(read_elements(n, elements) < n) {
        return -1;
    }
 
    return 0;
}

shared_ptr 被用来跟踪引用的数量。作为参数传递时这个数字加 1, 在离开作用域时这个数字减 1。当引用计数变为 0 时，shared_ptr 自动删除底层的 vector。需要向读者指出的是，这种方式在实际编程中并不常见，此处仅用于演示。

自动内存管理 (Automated Memory Management)

上面的 C++ 代码中，我们要显式地声明什么时候需要进行内存管理。但不能让所有的对象都具备这种特征呢？那样就太方便了，开发者不再耗费脑细胞，去考虑要在何处进行内存清理。运行时环境会自动算出哪些内存不再使用，并将其释放。换句话说，自动进行收集垃圾。第一款垃圾收集器是 1959 年为 Lisp 语言开发的，此后 Lisp 的垃圾收集技术也一直处于业界领先水平。

引用计数 (Reference Counting)

刚刚演示的 C++ 共享指针方式，可以应用到所有对象。许多语言都采用这种方法，包括 Perl、Python 和 PHP 等。下图很好地展示了这种方式:

图中绿色的云 (GC ROOTS) 表示程序正在使用的对象。从技术上讲，这些可能是当前正在执行的方法中的局部变量，或者是静态变量一类。在某些编程语言中，可能叫法不太一样，这里不必抠名词。

蓝色的圆圈表示可以引用到的对象，里面的数字就是引用计数。然后，灰色的圆圈是各个作用域都不再引用的对象。灰色的对象被认为是垃圾，随时会被垃圾收集器清理。

看起来很棒，是吧！但这种方式有个大坑，很容易被循环引用 (detached cycle) 给搞死。任何作用域中都没有引用指向这些对象，但由于循环引用，导致引用计数一直大于零。如下图所示:

看到了吗？红色的对象实际上属于垃圾。但由于引用计数的局限，所以存在内存泄漏。

当然也有一些办法来应对这种情况，例如 “弱引用”(‘weak’ references), 或者使用另外的算法来排查循环引用等。前面提到的 Perl、Python 和 PHP 等语言，都使用了某些方式来解决循环引用问题，但本文不对其进行讨论。下面介绍 JVM 中使用的垃圾收集方法。

标记 - 清除 (Mark and Sweep)

首先，JVM 明确定义了什么是对象的可达性 (reachability)。我们前面所说的绿色云这种只能算是模糊的定义，JVM 中有一类很明确很具体的对象，称为 垃圾收集根元素 (Garbage Collection Roots)，包括:

• 局部变量 (Local variables)
• 活动线程 (Active threads)
• 静态域 (Static fields)
• JNI 引用 (JNI references)
• 其他对象 (稍后介绍 …)

JVM 使用标记 - 清除算法 (Mark and Sweep algorithm), 来跟踪所有的可达对象 (即存活对象), 确保所有不可达对象 (non-reachable objects) 占用的内存都能被重用。其中包含两步:

• Marking(标记): 遍历所有的可达对象，并在本地内存 (native) 中分门别类记下。
• Sweeping(清除): 这一步保证了，不可达对象所占用的内存，在之后进行内存分配时可以重用。

JVM 中包含了多种 GC 算法，如 Parallel Scavenge (并行清除), Parallel Mark+Copy (并行标记 + 复制) 以及 CMS, 他们在实现上略有不同，但理论上都采用了以上两个步骤。

标记清除算法最重要的优势，就是不再因为循环引用而导致内存泄露:

而不好的地方在于，垃圾收集过程中，需要暂停应用程序的所有线程。假如不暂停，则对象间的引用关系会一直不停地发生变化，那样就没法进行统计了。这种情况叫做 STW 停顿 (Stop The World pause, 全线暂停), 让应用程序暂时停止，让 JVM 进行内存清理工作。有很多原因会触发 STW 停顿，其中垃圾收集是最主要的因素。

在本手册中，我们将介绍 JVM 中垃圾收集的实现原理，以及如何高效地利用 GC。

原文链接: What Is Garbage Collection?

翻译人员: 铁锚 http://blog.csdn.net/renfufei

翻译时间: 2015 年 10 月 26 日

系列文章

「译文」Java 垃圾收集参考手册