虚拟机回收算法怎么选？,JVM垃圾回收器对比指南

虚拟机回收算法没有银弹，核心是在吞吐量、停顿时间和内存占用之间做权衡；选型时先看应用场景是延迟敏感型还是吞吐优先型，再决定用分代、G1还是ZGC。

虚拟机回收算法有哪些：从分代到低延迟

基础回收算法：标记-清除、复制与标记-整理

JVM的垃圾回收算法演进,本质上是在解决三个问题：哪些内存可回收、怎么高效回收、怎么减少回收时的停顿，早期基础算法奠定了整个体系的基础。

加载中

JVM垃圾回收机制

BitlogicX

3.2万159226

原视频地址

• 标记-清除（Mark-Sweep）：先遍历对象图标记存活对象，再统一清除未标记对象，该算法实现简单，但会产生大量内存碎片，后续分配大对象时容易触发频繁的Full GC。
• 复制（Copying）：把堆内存分成两块，只使用一块，GC时把存活对象复制到另一块，然后整块清空，内存分配效率高，不发生碎片，但可用内存空间被压缩一半，HotSpot虚拟机的新生代就采用这个思路，把Eden区与两个Survivor区按8:1:1比例划分。
• 标记-整理（Mark-Compact）：标记阶段与标记-清除一致，但后续将所有存活对象向内存一端移动，然后清理掉边界以外的内存，避免碎片，但移动对象会更新引用，增加停顿时间，老年代常用该算法或其变体。

现代垃圾回收器：CMS、G1、ZGC和Shenandoah

算法是理论,垃圾回收器是工程实现，各大JDK版本演变，催生了针对不同场景的回收器。

• CMS（Concurrent Mark Sweep）：主打低停顿，并发标记和并发清除，问题是并发模式失败时退化为Serial Old，且存在浮动垃圾和内存碎片，JDK 9开始被废弃，JDK 14正式移除。
• G1（Garbage First）：把堆划分为多个Region区域，维护优先列表，优先回收价值最大的Region，在可控停顿时间内尽可能提高吞吐量，兼顾延迟和吞吐，成为JDK 11之后服务端默认垃圾回收器。
• ZGC（Z Garbage Collector）：基于Region内存布局，染色指针和读屏障实现几乎全部的并发，停顿时间不随堆大小增长而增长，JDK 15进入正式版本。
• Shenandoah：与ZGC目标类似，JDK 12引入，采用转发指针和碰撞指针，后续版本不断优化，适配需要低延迟的应用。

g1和zgc怎么选：延迟与吞吐的权衡

这是现阶段最常被问到的对比,毕竟从JDK 17到JDK 21，G1和ZGC是最主流的两个选择。

从延迟上看，ZGC的设计目标是尽量把停顿压制在10毫秒以内，甚至更短，G1的停顿预测模型依赖历史数据，默认目标为200毫秒，实际调优后可降到50毫秒左右，但堆越大、对象分配越快，越难保证稳定低延迟。

从吞吐量上看，G1在多数业务场景下更占优势，ZGC引入了染色指针等额外开销，读屏障和并发处理会占用一定CPU资源，如果应用对停顿不敏感，且追求更高CPU利用率，G1往往比ZGC表现更好。

从堆大小与JDK版本看，堆小于4GB时可以优先考虑G1，堆大于16GB且对停顿敏感时，ZGC是更合适的选择，JDK 21中ZGC还支持了分代模式，进一步缩小了与G1在吞吐量上的差距。

选择建议如下：

• 交易系统、实时推荐、游戏服务端等要求毫秒级响应的场景，选ZGC或Shenandoah。
• 数据处理、离线任务、Web应用等追求高吞吐且能容忍秒级停顿的场景，G1仍是稳妥之选。
• 小堆内存且无需复杂调优的场景,可以用JDK默认的G1加上-Xmx和-Xms启动参数，先跑起来再观察日志。

如何选择适合场景的回收策略：三步定位法

面对五花八门的算法和回收器,直接背参数没有意义，建议用下面的思路落地。

第一步：明确业务容忍的停顿标准

跟业务方确认两个问题：单次GC最长能接受多久？一分钟内能接受几次Full GC？如果答案是不能超过50毫秒且不允许Full GC，那么CMS就已经出局，G1需要精细调优，ZGC几乎不需要干预，如果业务是跑批任务，凌晨执行，一次Full GC停顿十几秒也无所谓，那G1甚至Parallel GC都完全够用。

第二步：观察当前GC日志与内存变化

在测试环境或灰度环境,用以下参数打印GC日志：

-Xlog:gc:file=gc.log:time,uptime,level,tags

多跑一段时间,观察Young GC的频率、平均停顿和Full GC的次数，如果新生代每次GC后存活对象比例波动大，说明对象生命周期不稳定；如果老年代持续增长且Full GC频繁，说明堆配置或回收器选择不合理。

进一步配合jstat -gcutil和jmap -histo查看各代占用和对象分布，这些是JDK自带的工具，不需要额外安装，操作路径为：启动应用后，在命令行直接执行jstat -gcutil <pid> 1000 10，每1秒采样一次，共采样10次。

第三步：根据场景特征确定回收策略

行业共识认为,没有最好只有最合适的回收器，判断依据可从以下维度展开。

• 对象存活率：新生代存活率低（小于10%）时，复制算法的效率极高，存活率超过50%时，复制算法会频繁把对象拷来拷去，不如标记-整理实在。
• CPU核心数：ZGC和Shenandoah需要较多CPU线程做并发标记和并发清理，如果服务器只有2核4线程，G1更省心，ZGC的CPU消耗可能挤占业务线程资源。



• 堆内存大小：大堆（几十GB甚至上百GB）遇到G1容易因并发标记周期长带来较长的停顿，ZGC在超大堆上的优势更明显。
• JDK版本与生态：老项目还在JDK 8上，只能选G1或CMS，ZGC根本没法用，新项目直接奔JDK 17，老老实实用G1起步，等真的遇到长停顿再切ZGC也不迟。

分代回收机制：新生代、老年代与元空间

不管选哪种回收器,理解分代模型能让调优更有章法。

新生代与老年代的回收路径

对象优先在Eden区分配,Eden区填满触发Minor GC，存活对象进入Survivor区，经历一定次数的Minor GC后，年龄达到阈值（默认15）的对象晋升到老年代，大对象直接进入老年代，避免在Eden和Survivor之间反复复制。

老年代空间不足时触发Major GC/Full GC，此时回收的代价远高于Minor GC，G1和ZGC都试图减少Full GC的发生，特别是ZGC，几乎不触发Full GC。

元空间与内存泄漏排查

JDK 8之后永久代被移除，改为元空间，元空间使用本地内存，触发回收的条件是类加载器及其加载的类无引用，频繁动态生成类的框架（如Spring、CGLIB）若使用不当，容易导致元空间溢出，排查时用jcmd <pid> GC.class_stats查看类统计信息。

以下表格对比主流回收器的核心维度,方便快速筛选：

低延迟场景的回收策略实践

延迟敏感型应用怎么调

如果应用是K线行情推送或在线支付,核心诉求就是平均GC停顿在10毫秒以下，先把堆内存固定起来，-Xms和-Xmx设成相同值，避免扩容时触发Full GC，然后使用ZGC，加参数-XX:+UseZGC，再配套-XX:ConcGCThreads控制并发GC线程数，通常设置为CPU核数的四分之一到三分之一。

调完后,用线上流量压测观察P99延迟，如果延迟曲线在GC周期后出现尖刺，说明ZGC的并发周期与业务高峰重叠，可以错开GC时间或调大预留内存。

吞吐优先型应用怎么调

类似离线报表、数据清洗程序，跑得越快越好，直接使用Parallel GC，参数为-XX:+UseParallelGC，再设置-XX:ParallelGCThreads为CPU物理核数，同时适当增大新生代比例，比如-XX:NewRatio=1，让更多对象在新生代就消亡，减少晋升。

如果遇到老年代经常满了但堆内存还有不少空闲的情况,检查是否有大数组或缓存长期持有对象引用，这时候调GC参数不如修代码。

常见调优误区

• 盲目追求低延迟,给4G堆的应用强行上ZGC，可能比G1更慢。
• 堆内存设得越大越好,实际上超过物理内存会导致频繁的swap，反而拖垮性能。
• 忽略GC日志的保留时间,日志量很大但没留足够天数的历史，排障时无从下手。

聊聊R语言环境下的回收机制 (相关衍生话题)

不少统计建模或数据分析的朋友会问,R语言的GC是不是和Java一样，R语言采用一种简单的分代GC，主要使用标记-清除策略，并引入写屏障管理写入屏障，R中的gc()函数能强制触发GC，但多数情况下不需要手动干预，如果做大内存的向量计算，R的GC效率不如JVM的并发收集器，这也是R生态处理超大数据集不如Java高效的原因之一，至于R和Java的回收算法对比，可以简单理解为R重视简单可靠，Java重视可调优和低延迟。

Q&A：虚拟机回收算法常见疑问

为什么Full GC之后老年代内存还是缓慢增长？

可能是某个缓存对象始终被强引用,GC无法回收，用jmap -dump:format=b,file=heap.hprof <pid>导出堆快照，再用MAT或VisualVM分析，重点关注大对象和线程栈中的局部变量引用。

用了G1之后，还需要手动设置SurvivorRatio吗？

G1的Survivor区大小是动态调整的,手动设置-XX:SurvivorRatio效果不稳定，建议直接依赖G1的自适应逻辑，只关注-XX:G1NewSizePercent和-XX:G1MaxNewSizePercent这两个参数来控制新生代占比。

生产环境从CMS切换到G1或ZGC，需要改动代码吗？

不需要改业务代码,但需重新验证GC参数和监控指标，CMS的一些参数在G1或ZGC下不生效，比如-XX:CMSInitiatingOccupancyFraction，切换前把旧参数清理干净，重新参考新回收器的推荐配置，并在压测环境跑一轮完整的排查。

垃圾回收没有万能答案,理解每种算法的取舍，再结合业务停顿标准和硬件资源做出选择，就能让JVM在绝大多数场景下安静工作，先跑起来采集日志，用数据驱动选型，比上来就堆参数更可靠。