【JVM】面试题-有哪些垃圾回收器

news2026/5/12 23:09:50
【JVM】面试题-有哪些垃圾回收器在JVM的内存管理中垃圾收集算法是内存回收的核心逻辑与方法论而垃圾收集器则是将这套方法论落地实现的具体工具。不同的垃圾收集器针对JVM堆的不同分代新生代、老年代设计具备不同的性能特点适配不同的应用场景也是JVM面试中的高频考点。 青柠来相伴代码更简单。 本文所有内容我都整理在了 青柠合集 里。 搜索关注【青柠代码录】即可查看所有合集文章 ~ 以下将详细解析7种常用垃圾收集器它们各自作用于不同的内存分代部分收集器之间可搭配使用具体分类及特点如下其中按回收范围可明确划分仅作用于新生代的收集器Serial、Parallel Scavenge、ParNew仅作用于老年代的收集器Serial Old、Parallel Old、CMS可回收整个Java堆新生代老年代的收集器G1。从垃圾收集算法的应用来看存在明确的分代适配规律新生代垃圾回收器普遍采用复制算法该算法的核心优势是执行效率高垃圾回收速度快不足则是会浪费部分内存空间需预留空闲区域用于复制老年代垃圾回收器则多采用标记-整理算法可有效避免内存碎片适配老年代对象生命周期长、占用内存大的特点。需要注意的是不同收集器之间的连线代表它们可搭配使用如Serial与Serial Old、ParNew与CMS等实际应用中需根据应用的性能需求选择合适的组合。下面逐一解析每种收集器的核心特点、采用算法及适用场景Serial收集器复制算法新生代专属的单线程垃圾收集器其标记垃圾、清除垃圾的整个过程均由单个线程完成。核心优势是实现简单、占用内存资源少在单核心CPU环境下效率较高缺点是单线程执行会导致GC期间用户线程阻塞停顿时间随内存规模增大而变长适合小型应用或单核心环境。Parallel Scavenge收集器复制算法新生代并行垃圾收集器与Serial收集器的核心区别是支持多线程并行回收。其设计目标是追求高吞吐量吞吐量的计算公式为吞吐量 用户线程运行时间 /用户线程运行时间 GC线程运行时间。高吞吐量意味着能最大限度利用CPU资源执行用户业务逻辑减少GC线程占用CPU的时间适合后台计算、批量处理等对交互响应速度要求不高的场景。ParNew收集器复制算法同样是新生代并行收集器本质上是Serial收集器的多线程优化版本。它保留了Serial收集器的核心逻辑仅将单线程回收改为多线程回收在多核CPU环境下能充分利用多核资源回收效率远高于Serial收集器常与CMS收集器搭配使用适配对响应速度有一定要求的应用。Serial Old收集器标记-整理算法老年代专属的单线程收集器是Serial收集器的老年代版本。其回收过程与Serial收集器一致均为单线程执行采用标记-整理算法能避免内存碎片。由于单线程执行的局限性它主要用于单核心CPU环境或作为CMS收集器出现异常时的备用回收方案。Parallel Old收集器标记-整理算法老年代并行收集器是Parallel Scavenge收集器的老年代配套版本。其设计目标与Parallel Scavenge一致依然以高吞吐量为核心支持多线程并行回收采用标记-整理算法适合与Parallel Scavenge收集器搭配使用构建“高吞吐量优先”的垃圾回收组合适配大型后台应用。CMSConcurrent Mark Sweep收集器标记-清除算法老年代专属的并发垃圾收集器其核心设计目标是获取最短的GC停顿时间这也是它与其他老年代收集器的核心区别。CMS收集器采用标记-清除算法核心优势是GC线程与用户线程可并发执行大幅缩短用户线程的阻塞时间具备高并发、低停顿的特点适合Web应用、桌面应用等对交互响应速度要求极高的场景缺点是会产生内存碎片且并发回收过程中会占用一定的CPU资源影响用户线程的执行效率。G1Garbage First收集器标记-整理算法一款可回收整个Java堆新生代老年代的并行垃圾收集器于JDK 1.7引入JDK 9起成为JVM默认的垃圾收集器。G1收集器基于标记-整理算法实现从根源上解决了内存碎片问题与前6种收集器最大的区别的是它打破了“分代回收”的局限将整个Java堆划分为多个大小相等的区域Region可灵活选择回收价值最高的区域实现“垃圾优先”回收。其兼顾了吞吐量与停顿时间适合内存规模较大如4GB及以上的大型应用能在控制GC停顿时间的同时保证一定的吞吐量。

本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.coloradmin.cn/o/2607487.html

如若内容造成侵权/违法违规/事实不符,请联系多彩编程网进行投诉反馈,一经查实,立即删除!

相关文章

SpringBoot-17-MyBatis动态SQL标签之常用标签

文章目录 1 代码1.1 实体User.java1.2 接口UserMapper.java1.3 映射UserMapper.xml1.3.1 标签if1.3.2 标签if和where1.3.3 标签choose和when和otherwise1.4 UserController.java2 常用动态SQL标签2.1 标签set2.1.1 UserMapper.java2.1.2 UserMapper.xml2.1.3 UserController.ja…

wordpress后台更新后 前端没变化的解决方法

使用siteground主机的wordpress网站,会出现更新了网站内容和修改了php模板文件、js文件、css文件、图片文件后,网站没有变化的情况。 不熟悉siteground主机的新手,遇到这个问题,就很抓狂,明明是哪都没操作错误&#x…

网络编程(Modbus进阶)

思维导图 Modbus RTU(先学一点理论) 概念 Modbus RTU 是工业自动化领域 最广泛应用的串行通信协议,由 Modicon 公司(现施耐德电气)于 1979 年推出。它以 高效率、强健性、易实现的特点成为工业控制系统的通信标准。 包…

UE5 学习系列(二)用户操作界面及介绍

这篇博客是 UE5 学习系列博客的第二篇,在第一篇的基础上展开这篇内容。博客参考的 B 站视频资料和第一篇的链接如下: 【Note】:如果你已经完成安装等操作,可以只执行第一篇博客中 2. 新建一个空白游戏项目 章节操作,重…

IDEA运行Tomcat出现乱码问题解决汇总

最近正值期末周,有很多同学在写期末Java web作业时,运行tomcat出现乱码问题,经过多次解决与研究,我做了如下整理: 原因: IDEA本身编码与tomcat的编码与Windows编码不同导致,Windows 系统控制台…

利用最小二乘法找圆心和半径

#include <iostream> #include <vector> #include <cmath> #include <Eigen/Dense> // 需安装Eigen库用于矩阵运算 // 定义点结构 struct Point { double x, y; Point(double x_, double y_) : x(x_), y(y_) {} }; // 最小二乘法求圆心和半径 …

使用docker在3台服务器上搭建基于redis 6.x的一主两从三台均是哨兵模式

一、环境及版本说明 如果服务器已经安装了docker,则忽略此步骤,如果没有安装,则可以按照一下方式安装: 1. 在线安装(有互联网环境): 请看我这篇文章 传送阵>> 点我查看 2. 离线安装(内网环境):请看我这篇文章 传送阵>> 点我查看 说明&#xff1a;假设每台服务器已…

XML Group端口详解

在XML数据映射过程中&#xff0c;经常需要对数据进行分组聚合操作。例如&#xff0c;当处理包含多个物料明细的XML文件时&#xff0c;可能需要将相同物料号的明细归为一组&#xff0c;或对相同物料号的数量进行求和计算。传统实现方式通常需要编写脚本代码&#xff0c;增加了开…

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器的上位机配置操作说明

LBE-LEX系列工业语音播放器|预警播报器|喇叭蜂鸣器专为工业环境精心打造&#xff0c;完美适配AGV和无人叉车。同时&#xff0c;集成以太网与语音合成技术&#xff0c;为各类高级系统&#xff08;如MES、调度系统、库位管理、立库等&#xff09;提供高效便捷的语音交互体验。 L…

(LeetCode 每日一题) 3442. 奇偶频次间的最大差值 I (哈希、字符串)

题目&#xff1a;3442. 奇偶频次间的最大差值 I 思路 &#xff1a;哈希&#xff0c;时间复杂度0(n)。 用哈希表来记录每个字符串中字符的分布情况&#xff0c;哈希表这里用数组即可实现。 C版本&#xff1a; class Solution { public:int maxDifference(string s) {int a[26]…

【大模型RAG】拍照搜题技术架构速览:三层管道、两级检索、兜底大模型

摘要 拍照搜题系统采用“三层管道&#xff08;多模态 OCR → 语义检索 → 答案渲染&#xff09;、两级检索&#xff08;倒排 BM25 向量 HNSW&#xff09;并以大语言模型兜底”的整体框架&#xff1a; 多模态 OCR 层 将题目图片经过超分、去噪、倾斜校正后&#xff0c;分别用…

【Axure高保真原型】引导弹窗

今天和大家中分享引导弹窗的原型模板&#xff0c;载入页面后&#xff0c;会显示引导弹窗&#xff0c;适用于引导用户使用页面&#xff0c;点击完成后&#xff0c;会显示下一个引导弹窗&#xff0c;直至最后一个引导弹窗完成后进入首页。具体效果可以点击下方视频观看或打开下方…

接口测试中缓存处理策略

在接口测试中&#xff0c;缓存处理策略是一个关键环节&#xff0c;直接影响测试结果的准确性和可靠性。合理的缓存处理策略能够确保测试环境的一致性&#xff0c;避免因缓存数据导致的测试偏差。以下是接口测试中常见的缓存处理策略及其详细说明&#xff1a; 一、缓存处理的核…

龙虎榜——20250610

上证指数放量收阴线&#xff0c;个股多数下跌&#xff0c;盘中受消息影响大幅波动。 深证指数放量收阴线形成顶分型&#xff0c;指数短线有调整的需求&#xff0c;大概需要一两天。 2025年6月10日龙虎榜行业方向分析 1. 金融科技 代表标的&#xff1a;御银股份、雄帝科技 驱动…

观成科技:隐蔽隧道工具Ligolo-ng加密流量分析

1.工具介绍 Ligolo-ng是一款由go编写的高效隧道工具&#xff0c;该工具基于TUN接口实现其功能&#xff0c;利用反向TCP/TLS连接建立一条隐蔽的通信信道&#xff0c;支持使用Let’s Encrypt自动生成证书。Ligolo-ng的通信隐蔽性体现在其支持多种连接方式&#xff0c;适应复杂网…

铭豹扩展坞 USB转网口 突然无法识别解决方法

当 USB 转网口扩展坞在一台笔记本上无法识别,但在其他电脑上正常工作时,问题通常出在笔记本自身或其与扩展坞的兼容性上。以下是系统化的定位思路和排查步骤,帮助你快速找到故障原因: 背景: 一个M-pard(铭豹)扩展坞的网卡突然无法识别了,扩展出来的三个USB接口正常。…

未来机器人的大脑:如何用神经网络模拟器实现更智能的决策?

编辑&#xff1a;陈萍萍的公主一点人工一点智能 未来机器人的大脑&#xff1a;如何用神经网络模拟器实现更智能的决策&#xff1f;RWM通过双自回归机制有效解决了复合误差、部分可观测性和随机动力学等关键挑战&#xff0c;在不依赖领域特定归纳偏见的条件下实现了卓越的预测准…

Linux应用开发之网络套接字编程(实例篇)

服务端与客户端单连接 服务端代码 #include <sys/socket.h> #include <sys/types.h> #include <netinet/in.h> #include <stdio.h> #include <stdlib.h> #include <string.h> #include <arpa/inet.h> #include <pthread.h> …

华为云AI开发平台ModelArts

华为云ModelArts&#xff1a;重塑AI开发流程的“智能引擎”与“创新加速器”&#xff01; 在人工智能浪潮席卷全球的2025年&#xff0c;企业拥抱AI的意愿空前高涨&#xff0c;但技术门槛高、流程复杂、资源投入巨大的现实&#xff0c;却让许多创新构想止步于实验室。数据科学家…

深度学习在微纳光子学中的应用

深度学习在微纳光子学中的主要应用方向 深度学习与微纳光子学的结合主要集中在以下几个方向&#xff1a; 逆向设计 通过神经网络快速预测微纳结构的光学响应&#xff0c;替代传统耗时的数值模拟方法。例如设计超表面、光子晶体等结构。 特征提取与优化 从复杂的光学数据中自…