)
在 JVM 的内存管理体系中，垃圾收集（GC）算法就是 “回收兵法”—— 不同算法有不同的 “战术特点”，有的追求效率，有的追求无碎片，有的兼顾两者。我早年做电商库存系统时，因对算法选型一知半解，盲目使用标记 - 清除算法，导致老年代内存碎片堆积，大订单对象分配失败，触发频繁 Full GC；后来改用标记 - 整理算法，碎片问题彻底解决，系统稳定性提升一个量级。垃圾收集算法没有 “最优”，只有 “最适配”—— 新生代的复制算法、老年代的标记 - 清除 / 整理算法，以及整合它们的分代收集策略，都是 JVM 基于 “对象朝生夕死” 规律的精准选择。读懂这些算法，你就能明白 GC 的底层逻辑，也能为不同业务场景选择合适的收集器。
一、标记 - 清除算法
标记 - 清除（Mark-Sweep）是最基础、最古老的垃圾收集算法，它的核心逻辑简单到 “两步走”，却也是新手最易踩坑的算法。
1. 核心执行流程
标记 - 清除算法分为两个阶段，就像清洁工 “先标记垃圾，再清理垃圾”：
- 标记阶段：从 GC Roots 出发，遍历所有对象，标记出可达的存活对象；
- 清除阶段：遍历整个堆内存，清除所有未被标记的垃圾对象，释放内存空间。
这个算法的优点是实现简单—— 无需移动对象，只需标记和清除，早期 JVM 都采用这种算法。但它的两个致命缺点，直接决定了它只能 “屈居” 老年代：
- 效率低：标记和清除都需要遍历整个堆，若堆内存大、对象多，两次遍历的耗时会很长，导致 STW（Stop The World）时间增加；
- 产生内存碎片：清除垃圾对象后，释放的内存是零散的 “碎片”—— 比如堆中有 100M 空闲内存，但由多个 10M、20M 的碎片组成，此时要分配一个 50M 的大对象，明明总空闲内存足够，却因没有连续空间而分配失败，最终触发 Full GC。
2. 实战踩坑
我早年维护的电商库存系统，使用基于标记 - 清除的 CMS 收集器，运行一段时间后出现诡异现象：堆内存使用率仅 60%，但创建大订单对象（约 30M）时，频繁抛出OutOfMemoryError: Java heap space。
通过jmap -heap <pid>分析堆内存，发现老年代有大量零散的内存碎片，最大的连续空闲空间只有 25M—— 这就是标记 - 清除算法的 “后遗症”。解决方法是：改用 G1 收集器（老年代用标记 - 整理算法），碎片问题立刻消失，大对象分配正常。
3. 适用场景
标记 - 清除算法适合对象存活率高的区域 —— 老年代的对象存活时间长，每次 GC 只回收少量垃圾，标记阶段的耗时远小于清除阶段，效率相对可接受。但为了避免碎片，通常会和标记 - 整理算法结合使用（比如 CMS 收集器的 “并发标记 - 清除”+“串行标记 - 整理”，定期整理碎片）。
二、复制算法
复制（Copying）算法是为解决标记 - 清除的痛点而生，它以 “牺牲部分内存” 为代价，换来了高效和无碎片的优势，也是新生代 GC 的 “标配算法”。
1. 核心执行流程
复制算法的核心思路是 “空间换时间”，它将堆内存分为大小相等的两块区域，每次只使用其中一块：
- 标记阶段：从 GC Roots 出发，标记出当前区域的存活对象；
- 复制阶段：将所有存活对象复制到另一块未使用的区域，按顺序排列，保证内存连续；
- 清空阶段：清空当前区域的所有对象，完成一次 GC；
- 交换阶段：两块区域的角色互换，下一次 GC 时使用另一块区域。
这个算法的优点非常明显：
- 效率高：无需遍历整个堆清除垃圾，只需复制存活对象，而新生代的对象存活率极低（90% 以上的对象都是 “朝生夕死”），复制的开销很小；
- 无内存碎片：存活对象按顺序复制到新区域，内存是连续的，大对象分配毫无压力。
但它的缺点也很突出：内存利用率低—— 只有 50% 的内存能被使用，另一块区域始终闲置，这对内存资源是极大的浪费。
2. 新生代的优化
为了解决内存利用率低的问题，JVM 对复制算法做了 “改良”—— 将新生代分为一个 Eden 区和两个大小相等的 Survivor 区（S0、S1），默认比例为Eden:S0:S1=8:1:1。
改良后的执行流程（Minor GC 的核心逻辑）：
- 新对象优先分配到 Eden 区，S0 和 S1 初始为空；
- Eden 区满触发 Minor GC，标记 Eden 区的存活对象，复制到空闲的 S0 区；
- 清空 Eden 区，完成一次 GC；
- 下次 Minor GC 时，标记 Eden+S0 区的存活对象，复制到空闲的 S1 区；
- 清空 Eden+S0 区，交换 S0 和 S1 的角色（S0 变空闲，S1 变使用中）。
这种设计的核心优势是：内存利用率提升至 90%（8+1 的可用区域，1 的闲置区域），既保留了复制算法高效无碎片的优点，又解决了内存浪费的问题。
3. 实战调优
新生代的SurvivorRatio参数（默认 8）决定了 Eden 和 Survivor 的比例，这个参数直接影响对象 “晋升” 到老年代的频率 —— 调大 SurvivorRatio，Eden 区变大，Minor GC 频率降低；调小 SurvivorRatio，Eden 区变小，Minor GC 频率升高。
我曾将电商系统的SurvivorRatio从 8 调整为 10（Eden:S0:S1=10:1:1），Eden 区容量增加，Minor GC 频率从每分钟 1 次降到每 3 分钟 1 次，接口响应时间减少 20%。但要注意：Survivor 区不能太小，否则存活对象无法容纳，会直接进入老年代，导致老年代内存占用飙升，触发 Major GC。
4. 适用场景
复制算法是新生代的 “专属算法”—— 新生代对象存活率低，复制开销小，90% 的内存利用率完全可接受。几乎所有新生代收集器（Parallel Scavenge、G1 的新生代收集）都采用复制算法。
三、标记 - 整理算法
标记 - 整理（Mark-Compact）算法是标记 - 清除的 “升级版”，它解决了标记 - 清除的碎片问题，也避免了复制算法的内存浪费，是老年代 GC 的 “终极方案”。
1. 核心执行流程
标记 - 整理算法分为三个阶段，兼顾了标记 - 清除的低内存消耗和复制算法的无碎片优势：
- 标记阶段：和标记 - 清除一样，从 GC Roots 出发，标记存活对象；
- 整理阶段：将所有存活对象移动到堆内存的一端，按顺序排列，保证内存连续；
- 清除阶段：清除堆内存另一端的所有垃圾对象，释放内存空间。
这个算法的优点是：
- 无内存碎片：存活对象连续排列，大对象分配无忧；
- 内存利用率高：无需额外的闲置区域，100% 的堆内存都能被使用。
缺点是：效率中等—— 整理阶段需要移动存活对象，而老年代的对象存活率高，移动开销大，导致 STW 时间比标记 - 清除长。
2. 实战价值
标记 - 整理算法是老年代的 “标配算法”——G1 收集器的老年代收集、ZGC 的整理阶段，都采用标记 - 整理算法。我曾将电商系统的 CMS 收集器换成 G1 收集器，老年代的内存碎片问题彻底解决，Full GC 频率从每小时 1 次降到每天 1 次，STW 时间从 500ms 降到 50ms 以内。
3. 适用场景
标记 - 整理算法适合对象存活率高的区域 —— 老年代的对象存活时间长，整理阶段的移动开销虽然大，但一次整理能保证长时间的无碎片内存，整体性价比更高。
四、分代收集
分代收集不是一种独立的算法，而是结合复制、标记 - 清除、标记 - 整理三种算法的 “组合策略”—— 它的核心设计逻辑是：基于对象的生命周期，将堆分为新生代和老年代，为不同代选择最适配的收集算法。
1. 分代收集的核心依据
JVM 通过大量实践发现：Java 程序中的对象具有 “朝生夕死” 的特点 ——90% 以上的对象在创建后很快就会变成垃圾，只有少数对象能存活较长时间。
基于这个规律，分代收集的策略如下：
| 内存区域 | 对象特点 | 适配算法 | 核心优势 | 对应 GC 类型 |
|---|---|---|---|---|
| 新生代 | 存活率低、生命周期短 | 复制算法 | 高效无碎片 | Minor GC（年轻代 GC） |
| 老年代 | 存活率高、生命周期长 | 标记 - 清除 / 标记 - 整理 | 低内存消耗、无碎片 | Major GC/Full GC（老年代 GC） |
2. 分代收集的执行流程
分代收集的完整执行流程，就像 “清洁工分区域打扫”：
- 新生代 Minor GC：Eden 区满触发，采用复制算法，将存活对象复制到 Survivor 区，清空 Eden 区；
- 对象晋升老年代：存活对象在 Survivor 区经历多次 Minor GC 后，若仍存活（默认 15 次，可通过
-XX:MaxTenuringThreshold调整），则晋升到老年代； - 老年代 Major GC：老年代内存占用达到阈值触发，采用标记 - 清除 / 标记 - 整理算法，回收老年代的垃圾对象；
- Full GC：新生代 + 老年代的全堆 GC，通常是 Major GC 的 “升级版”，STW 时间最长，应尽量避免。
3. 实战调优
分代收集的调优核心是 “调整代际比例”，让内存分配贴合业务的对象生命周期：
-XX:NewRatio：新生代和老年代的比例（默认 2，即新生代：老年代 = 1:2）；- 电商、支付等短生命周期对象多的场景：调小
NewRatio（如设为 1，新生代：老年代 = 1:1），增加新生代容量，减少 Minor GC 频率； - 大数据、缓存等长生命周期对象多的场景：调大
NewRatio（如设为 3，新生代：老年代 = 1:3），增加老年代容量，减少 Major GC 频率。
- 电商、支付等短生命周期对象多的场景：调小
-XX:SurvivorRatio：Eden 和 Survivor 的比例（默认 8，即 Eden:S0:S1=8:1:1）；- 大对象多的场景：调小
SurvivorRatio（如设为 4，Eden:S0:S1=4:1:1），增加 Survivor 区容量，避免对象直接晋升老年代。
- 大对象多的场景：调小
五、算法选型的适配原则
总结出垃圾收集算法的选型原则：没有最好的算法，只有最适配的场景。
- 看对象存活率：存活率低选复制算法，存活率高选标记 - 整理算法；
- 看内存利用率：内存紧张选标记 - 清除 / 标记 - 整理，内存充足选复制算法；
- 看业务需求：低延迟场景选 G1（混合算法），高吞吐量场景选 Parallel Scavenge+Parallel Old（复制 + 标记 - 整理）。
最后小结
核心回顾
- 三大基础 GC 算法：标记 - 清除（简单但有碎片）、复制（高效无碎片但浪费内存）、标记 - 整理（无碎片但效率中等）；
- 分代收集是 “组合策略”：新生代用复制算法（Minor GC），老年代用标记 - 清除 / 整理算法（Major GC），基于对象 “朝生夕死” 的规律；
- 实战调优核心：调整代际比例（
NewRatio、SurvivorRatio），让算法适配业务场景。
)
)
