漫谈 JVM —— 内存

JVM 是什么呢？说的直白点就是 Java 代码运行的地方，全称 Java Virtural Machine，Java 虚拟机。有的人就会奇怪了，为什么 Java 程序员需要了解这个东西？毕竟大多数情况下，“能跑”就行。

能跑真的行吗？你说在一个小公司里，“能跑”就行那是肯定的，业务必定是优先的。可是发展到规模大了之后，“能跑”好像就没那么简单了。规模大了，程序突然崩溃了，却不知道什么情况，这可以叫“能跑”吗？好像不是这样。所以成熟一些公司招程序员，肯定是要懂 JVM 的，不然代码写出了问题，JVM 崩了，都不知道是为什么——打个比方，系统抛出了一个 OOM 了，原因为 null（还真不是 heap），某程序员却不知道为什么 OOM 了，这显然不合适。或许某程序员觉得，这个东西交给运维、或者处在牛 A 和牛 B 之间的人。如果这么想的话，你的解决问题的能力永远无法提升。

那为什么 Java 有虚拟机，C++ 没有呢？因为 C++ 自己管理指针，而 Java 不需要你管理指针—— JVM 帮你管理了。不需要管理指针可以让你的代码更加面向对象（面向对象这几个字，天天被人吹，估计也没几个人懂，有的人竟然吹面向对象而不知道设计模式），让你专注于业务代码。这一切的基础，是你要知道指针是什么。

当然知道指针是什么也是一件复杂的事情。从 C++ 来看，指针可能是 *、& 相关运算符，可是初学的人往往搞不懂设计这些运算符的原因。所以计算机有一门课程叫做汇编，汇编会告诉你这些运算符是怎么来的——和内存地址有关。这就是计算机专业和非计算机专业的不同——计算机专业知道代码时怎么跑的，而非计算机专业不懂得这些，然而这些会限制一个人能不能越走越远。比方说我看《深入理解 Java 虚拟机》难度并不是很高，可能对于不了解指针的人来说，不了解内存的人来说，这本书写的让人感觉云里雾里。

那管理指针有什么用呢？记住了指针，就能记住这块区域存的是什么。执行一段 A 代码，存了一些数据；执行一段 B 代码，存了一些数据；A 代码执行完了，存的那些数据也没有意义了——就是垃圾。垃圾是要回收的，在有限的内存里，垃圾会一直积累，直到占满所有的内存。JVM 帮你做了这些。

那 JVM 是怎么保存这些数据的呢？如果让各个人做可能有不同的方法，现在假设我们有十块内存空间。每一个对象可能占用一块或者多块空间。假设，对象 A 保存第一块，对象 B 保存第二块、第三块。这个时候，程序员小 A 觉得累了，明天再来看这篇文章（看完这段话假设已经过了一天）。第二天，程序员小 A 发现自己记不得那块保存了什么对象、哪个对象占了那几块。这个时候需要一个数据结构去保存对象的位置——也就是对象开始的指针。小 B （就你事情多）这之后问了，我再对象 A 所占块之后空一个区域，表示这个对象结束了，不行吗？那我就想问一句，空对象小 B 你怎么表示呢？小 B 说，空对象用特殊标记啊！那这个特殊标记又怎么特殊标记呢，etc......似乎用空区域表示对象结束不是一个好办法。

所以现在有两个概念——一个是用来存储对象的，一个是用来存储引用的。这两个不同性质的概念应该存在不同的区域。在真实的 Java 虚拟机里，也是这么分的，简单的来说，引用存在 VM Stack 里，实例对象存在 Heap 里。当然，还有一些区域存着别的东西，Native Method Stack（NMS）、Programme Counter Register（PCR）、Method Area（MA）等。你的程序不可能只保存数据，类、方法信息需要保存在 MA 中；你程序执行到哪里了，保存在 PCR 中；Java 有一些代码需要用 C++ 实现，C++ 对象所需要的空间，保存在 NMS 中。

话说回来，我们保存了这些对象，现在需要回收垃圾了。那就涉及到一些问题：

• 回收什么？——垃圾
• 怎么找到所有的垃圾？
• 怎么回收？

怎么找到所有的垃圾？拿得从，程序是怎么跑起来的来看。Java 程序是多线程的，只要跑起来肯定有线程，这些线程的信息被保存到 VM Stack 中。所以什么对象是活跃的？在 VM Stack 中对象肯定是活跃的，这些肯定不是垃圾。还有一些被 static 引用的也不是垃圾，因为很可能下次就会被其他人引用。

听起来似乎简单，实际上并没有那么简单—— VM Stack 里保存了活跃对象 A，A 保存了 B、D，B 保存了 C 等等。这样的结构是树。如何遍历一颗树找到所有的结点那是就是树相关的算法——深度优先搜索或者广度优先搜索了，涉及到数据结构和算法的知识，这里就不多说了。这在 Java 虚拟机中称之为可达性算法。

相对于可达性算法，还有一种算法叫引用计数法。我们维护一个引用列表，A 引用了 B，A 引用次数 + 1；如果没人引用，那肯定是垃圾。似乎这也算起来更简单些，但是小 C 发现了问题：如果有人引用，那它就不是垃圾了吗？其实，存在 A 引用 B， B 引用 A，但是所有运行着的线程都不需要这两个对象，所以这两个也是垃圾。所以引用计数法不是特别靠谱。

说一件事情可能让各位很惊悚，Python 在用引用计数法。引用计数法不会让虚拟机“停下”，可以一边执行一边计算垃圾；而其他的算法，例如标记—清除法，需要实时计算引用，会暂停所有线程去分析。Java 有个著名的问题——Stop The World，STW。在 GC 的时候，服务是不可用的——这对于普通业务来说，还好；对于游戏来说，这是不可接受的，通常这个时间至少达到 100 ms。打个农药突然给你增加延迟 100 ms，你能接受吗？所以，永远没有银弹。

接下来，是怎么回收。想一想现实中垃圾是怎么清楚的，对，现实中。地上有一堆垃圾，丢掉就行了呗。好的，最原始的垃圾清楚方式就是标记—清除。我知道这个地方没用，我就把引用扔掉。这有个问题，比如你有十片地方，空着的地方是 0，没空的地方是 1。原来的分布式是 1111111111，垃圾清楚之后，现在的地方分布式 1010101010。好了，现在来了个大家伙，要占用两个位置，发现没地方放了。果真是没地方放吗？这就和收拾家里一样，挪挪总是有位置摆东西的，我收拾成 1111100000 不就好了，这样我就有两个位置了。这就是标记—清除的缺点——会产生内存碎片。小 D 这时候会说，那我不清除了，我直接把有用的复制到前面来不就好了吗？是啊，这就是标记—整理算法。

然而，90% 的对象都是朝生夕死的，就跟家里的东西一样，大部分都是用完就扔的。这个时候就有人提出了复制算法。具体算法不想多说了，简要来说就是分成两个区域，一个区域保存存活的对象 + 后来产生的对象；另一个区域空下，为下次 GC 做准备，这个区域通常很小，为 10%，正好是存活对象的比例。这样的算法实现起来简单，只要复制到空闲区域，不用担心区域内是不是已经内容、如何移动内容（可能还需要多次移动），而标记—整理算法显然要考虑这些。

JVM 还做了更多的优化，根据对象不同的属性，分成老年代、年轻代，当然算法还不一样。此外还进化出 CMS、G1 算法，这里一句两句讲不清楚，这里就不多提了，为了吞吐量而优化。但一切的一切，有一条重要的原则是 JVM 开发者没有遗忘的——根据实际情况出发。为什么会产生分代？实际情况就是很多对象朝生夕死。

这篇漫谈主要说的是 JVM 内存相关的一些东西，想到什么就写了什么，主要讲了自己的一些感受，具体、准确的分析还请看书、看资料。