CMS垃圾回收器概念

GC Roots 是 GC Root的集合，本质上是一组必须活跃的对象引用，主要包含以下几种类型：

  1. 虚拟机栈中的引用对象：每个线程的虚拟机栈中的局部变量表中的引用。这些引用可能是方法的参数、局部变量或临时状态。
  2. 方法区中的类静态属性引用对象：所有加载的类的静态字段。静态属性是类级别的，因此它们在整个Java虚拟机中是全局可访问的。
  3. 方法区中的常量引用对象：方法区中的常量池（例如字符串常量池）中的引用。
  4. 本地方法栈中的JNI引用：由 Java本地接口（JNI）代码创建的引用，例如，Java代码调用了本地 C/C++库。
  5. 活跃的 Java线程：每个执行中的Java线程本身也是一个GC Root。
  6. 同步锁持有的对象：被线程同步持有的对象。
  7. Java虚拟机内部的引用：比如基本数据类型对应的Class对象，一些常见的异常对象（如NullPointerException、OutOfMemoryError）的实例，系统类加载器。
  8. 反射引用的对象：通过反射API持有的对象。
  9. 临时状态：例如，从Java代码到本地代码的调用。

image-20240626171143448

1. 三色标记法

在垃圾收集器中，主要采用三色标记算法来标记对象的可达性：

白色：表示对象尚未被访问。初始状态时，所有的对象都被标记为白色。

灰色：表示对象已经被标记为存活，但其引用的对象还没有全部被扫描。灰色对象可能会引用白色对象。

黑色：表示对象已经被标记为存活，并且该对象的所有引用都已经被扫描过。黑色对象不会引用任何白色对象。

三色标记算法的工作流程大致如下：

  1. 初始化时，所有对象都标记为白色。
  2. 将所有的 GC Roots 对象标记为灰色，并放入灰色集合。
  3. 从集合中选择一个灰色对象，将其标记为黑色，并将其引用的所有白色对象标记为灰色，然后放入灰色集合。
  4. 重复步骤3，直到灰色集合为空。
  5. 最后，所有黑色对象都是活跃的，白色对象都是垃圾。

2. 卡表

对于分代垃圾回收器，势必存在一个跨代引用的问题，通常会使用一种名为记忆集（Remembered
Set）的数据结构，它是一种用于记录从非收集区指向收集区的指针集合的数据结构。

而卡表就是最常用的一种记忆集，它是一个字节数组，用于记录堆内存的映射关系，下面是 HotSpot虚拟机默认的卡表标记逻辑：

1
2
// >> 9 代表右移 9位，即 2^9 = 512 字节
CARD_TABLE[this address >> 9] = 0;

每个元素都对应着其标识的内存区域中一块特定大小的内存块，这个内存块叫做“卡页（Card
Page）”。因为卡页代表的是一个区域，所以可能存在很多对象，只要有一个对象存在跨代引用，就把数组的值设为1，称该元素“变脏（Dirty）”，该卡页叫“脏页（Dirty
Page）”，如下：

1
2
// >> 9 代表右移 9位，即2^9=512
CARD_TABLE[this address >> 9] = 1;

当垃圾回收时，只要筛选卡表中有变脏的元素，即数组值为 1，就能判断出其对应的内存区域存在对象跨代引用，卡表和卡页的关系如下图：

图片

3. 写屏障

在 HotSpot虚拟机中，写屏障本质上是引用字段被赋值这个事件的一个环绕切面（Around
AOP），即一个引用字段被赋值的前后可以为程序提供额外的动作（比如更新卡表），写屏障分为：前置写屏障（Pre-Write-Barrier）和后置写屏障（Post-Write-Barrier）2种类型。

CMS回收过程

图片

从整体上看，CMS 回收垃圾主要包含 5个步骤（网上很多 4，6，7个步骤的版本，其实都大差不差，没有本质上的差异）：

  1. Initial Mark（初始标记）
  2. Concurrent Marking（并发标记）
  3. Remark（重新标记）
  4. Concurrent Sweep（并发清除）
  5. Resetting（重置）

图片

1. 初始标记

初始标记阶段会 Stop The World（STW），即所有的应用线程（也叫 mutator线程）被挂起。

该阶段主要任务是：枚举出 GC Roots以及标识出 GC Roots直接关联的存活对象，包括那些可能从年轻代可达的对象。

那么，GC Roots是如何被枚举的？GC Roots的直接关联对象是什么？为什么需要 STW？

1.1 GC Roots是如何被枚举的？

通过上文对 GC Roots的描述可知，作为 GC Roots的对象类型有很多种，遍及 JVM中的多个区域，对于现如今这种大内存的
VM，如果需要临时去扫描各区域来获取 GC Roots，那将是很大的一个工程量，因此，JVM采用了一种名为 OopMap（Object-Oriented
Programming Map）的数据结构，它用于在垃圾收集期间快速地定位和更新堆中的对象引用（OOP，Object-Oriented Pointer）。

OopMap是在 JVM在编译期间生成的，主要作用是提供一个映射，通过这个映射垃圾收集器可以知道在特定的程序执行点（如safepoint）哪些位置（比如在栈或寄存器中）存放着指向堆中对象的引用，这样就可以快速定位
GC Roots。

OopMap的优点：

  1. 提高效率：OopMap使得垃圾收集器能够快速准确地找到和更新所有的对象引用，从而减少垃圾收集的时间。
  2. 减少错误：手动管理对象引用的位置容易出错，OopMap提供了一种自动化的方式来追踪这些信息。
  3. 便于优化：由于 OopMap是在编译时生成的，编译器可以进行优化，比如减少需要记录的引用数量，从而减少垃圾收集的开销。

在 HotSpot虚拟机中，OopMap是实现精确垃圾收集的关键组件之一。

1.2 GC Roots的直接关联对象是什么？

所谓直接关联对象就是 GC Root直接引用的对象，下面以一个示例来说明，如下代码：

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
public class AssociatedObjectExample {

  public static void main(String[] args) {
    // Associated 是 GC Root obj 直接关联
    Associated obj = new Associated();
    // BigObject是 GC Root obj 的间接关联的对象，BigObject是一个大对象，直接分配到老年代
    ((Associated) obj).bObj = new BigObject();
  }

  static class Associated {
    // 与Associated对象直接关联的对象
    BigObject bObj;
  }

  static class BigObject {
    // 其它代码
  }
}

上述例子中，obj是一个 GC Root，Associated对象就是它的直接关联对象，bObj是一个 GC Root，BigObject对象是它的直接关联对象，obj可以通过
Associated对象间接关联 到 BigObject对象，但 BigObject对象不是 obj的直接关联对象，而是间接关联对象。 整个关联关系可以描绘成下图：

图片

1.3 为什么需要 STW？

为什么初始标记阶段需要 Stop The World？这里主要归纳成两个原因：

  1. 确定 GC Roots集合：初始标记阶段的主要任务是识别出所有的 GC
    Roots，这是后续并发标记阶段的起点。在多线程运行的环境中，如果应用线程和垃圾回收线程同时运行，应用线程可能会改变对象引用关系，导致
    Roots集合不准确。因此，需要暂停应用线程，以确保 GC Roots的准确性和一致性。

  2. 避免并发问题：在初始标记阶段，垃圾收集器需要更新一些共享的数据结构，例如标记位图或者引用队列。如果应用线程在此时运行，可能会引入并发修改的问题，导致数据不一致。STW可以避免这种情况的发生。

2. 并发标记

这里的并发是指应用线程和 GC线程可以并发执行。

在并发标记阶段主要完成 2个事情：

  1. 遍历对象图，标记从 GC Roots可以追踪到所有可达的存活对象；
  2. 处理并发修改

因为应用线程仍在继续工作，因此老年代的对象可能会发生以下几种变化：

a. 新生代的对象晋升到老年代；

b. 直接在老年代分配对象；

c. 老年代对象的引用关系发生变更；

为了防止这些并发修改被遗漏，CMS 使用了后置写屏障机制，确保这些更改会被记录在“卡表”中，同时将相应的卡表条目标记为脏（Dirty），以便后续处理。

如下图：从 GC Roots追溯所有可达对象，并将它们修改为已标记，即黑色。

图片

当老年代中，D 到 E到引用被修改时，就会触发写屏障机制，最终 E就会被写进脏页，如下图：

图片

并发标记会出现对象可达性误判问题，如下图：假如对象 D对象被标记成黑色，E对象被标记为灰色（图左半部分），这时，工作线程将
E对象修改成不再指向F，并将 D对象指向 F对象（图右半部分），按照三色标记算法，D对象为黑色，不会再往下追溯，所以
F对象就无法被标记从而变成垃圾，“存活”对象凭空消失了，这是很可怕的问题，那么 CMS是如何解决这种问题的呢？

图片

解决这种问题，通常有两种方案：

  1. 增量更新（Incremental Update）

当新增黑色对象指向白色对象关系时（D->F），需要记录这次新增，等并发扫描结束后，将这些黑色的对象作为 GC
Root，重新扫描一次，也就是把这些黑色对象看成灰色对象，它们指向的白色对象就可以被正常标记。CMS采取的就是这种方式。

  1. 原始快照（Snapshot At The Beginning，SATB）

当删除灰色对象指向白色对象关系时（E->F），需要记录这次删除，等并发扫描结束后，将这些灰色的对象作为 GC Root，按照删除 E对象指向
F对象前一刻的快照（也就是E->F 还是可达的）重新扫描一次，即不管关系删除与否，都会按照删除前那一刻快照的对象图来进行搜索标记。G1，Shenandoah采取的是这种方式。

3. 重新标记

重新标记阶段也会 Stop The World，即挂起所有的应用线程，该阶段主要完成事情是：

  1. 并发预清理：在重新标记阶段之前，CMS可能会执行一个可选的并发预清理步骤，以尽量减少重新标记阶段的工作量。(
    该过程在很多文章中会单独成一个大步骤讲解)
  2. 修正标记结果：由于在并发标记阶段导致的并发修改，导致漏标，错标，因此需要暂停应用线程（STW），确保修正这些标记结果。
  3. 处理卡表：检查并发标记阶段修改的这些脏卡，并重新标记引用的对象，以确保所有可达对象都被正确识别。
  4. 处理最终可达对象：处理那些在并发标记阶段被识别出的“最终可达”（Finalizable）对象。这些对象需要执行它们的
    finalize方法，finalize方法可能会使对象重新变为可达状态。
  5. 处理弱引用、软引用、幻象引用等：处理各种不同类型的引用，确保它们按照预期被处理。例如，弱引用在
    GC后会被清除，软引用在内存不足时会被清除，而幻象引用则在对象被垃圾收集器回收时被放入引用队列。

4. 并发清除

这里的并发也是指应用线程和 GC线程可以并发执行，并发清除阶段主要完成 2个事情：

  1. 清除并发标记阶段标记为死亡的对象；
  2. 并发清除结束后，CMS 会利用空闲列表（free-list）将未被标记的内存（即垃圾对象占据的内存）收集起来，组成一个空闲列表，用于新对象的内存分配；

5. 重置

清理和重置 CMS收集器的内部数据结构，为下一次垃圾回收做准备。

到此，回收过程就分析完毕，接下来总结下 CMS的优点和缺点。

图片

CMS优点

图片

1. 低停顿时间

相对 Serial，Serial Old，ParNew，Parallel Scavenge 4款收集器，CMS收集器的主要优势是减少垃圾收集时的停顿时间，特别是减少了Full
GC的停顿时间，这对于延迟敏感的应用程序非常有利。

2. 并发收集

CMS在回收过程中，应用线程和 GC线程可以并发执行，从而减少了垃圾收集对应用程序的影响。

3. 适合多核处理器

由于CMS利用了并发执行，它能够更好地利用现代多核处理器的能力，将垃圾收集的工作分散到多个CPU核心。

图片

CMS缺点

图片

1. 浮动垃圾

在并发清除阶段，因为应用线程可以并发工作，可能会产生垃圾，这些垃圾在当前 GC无法处理，需要到下一次 GC才能进行处理，因此，这些垃圾就叫做“浮动垃圾”。

2. 并发失败

JDK5 默认设置下，当老年代使用了68%的空间后就会被激活 CMS回收，从JDK 6开始，垃圾回收启动阈值默认提升至92%，我们可以通过 -XX:
CMSInitiatingOccupancyFraction 参数自行调节。

如果阈值是 68%，可能导致空间没有完全利用，频繁产生 GC，如果是92%，又会更容易面临另一种风险，要是预留的内存无法满足程序分配新对象的需要，就会出现一次
Concurrent Mode Failure（并发失败），因此会引发 FullGC。

这时候虚拟机将不得不启动后备预案：冻结用户线程的执行，临时启用Serial Old收集器来重新进行老年代的垃圾收集，但这样停顿时间就很长了。

3. 内存碎片

因为 CMS采用的是标记-清理算法，当清理之后就会产生很多不连续的内存空间，这就叫做内存碎片。如果老年代无法使用连续空间来分配对象，就会出发
Full GC。为了解决这个问题，CMS收集器提供了 -XX：+UseCMS-CompactAtFullCollection 参数进行碎片压缩整理，参数默认是开启的，不过
从JDK 9开始废弃。

图片

总结

图片

本文不仅讲解了 CMS回收器，更是铺垫了很多 GC相关的基础知识，比如 安全点，三色标记法，卡表，写屏障。

CMS 是 Concurrent Mark Sweep 的简称，中文翻译为并发标记清除，它的目标是减少垃圾回收时应用线程的停顿时间，并且实现应用线程和
GC线程并发执行。

CMS 用于老年代的垃圾回收，使用的是标记-清除算法。通过 -XX:+UseConMarkSweepGC 参数即可启动 CMS收集器。

CMS 主要包含：初始标记，并发标记，重新标记，并发清除，重置 5个过程。

CMS 收集器使用三色标记法来标记对象，采用写屏障，卡表和脏页的方式来防止并发标记中修改的引用被漏标。

CMS 收集器有 3大缺点：浮动垃圾，并发失败以及内存碎片。

尽管 CMS收集器已经被官方废弃了，但是它这种优化思路值得我们日常开发中借鉴。

__END__