`
fjlyxx
  • 浏览: 23042 次
  • 性别: Icon_minigender_1
  • 来自: 福建
文章分类
社区版块
存档分类
最新评论
阅读更多
JVM 有一片它自己管理的内存空间。对象存活(或消亡)所在的那部分空间就叫做 堆空间。对象在堆空间中创建,又由 JVM 垃圾收集器在不同的时机围绕着堆空间对其进行迁移。例如,当对堆进行碎片整理(或者紧缩)时,便需要移动对象。对象在堆中也会消亡。一个死去的对象也就是应用程序再也不能访问的对象。JVM 垃圾收集器寻找这些死去的对象,并回收这些对象所占用的空间,以便让这些空间能为新的对象所用。如果垃圾收集器无法进一步通过回收死去的对象来释放出空间,那么就说这个堆已 满。

一个已满的堆会引发问题。如果堆是满的,而应用程序又试图创建更多的对象,JVM 就会向底层操作系统请求更多的内存。如果 JVM 得不到更多的内存,那么分配一个新对象的这一操作就会抛出 OutOfMemoryError 异常。除非应用程序极其完善,否则那就意味着该应用程序要崩溃。

那么,对此我们能做点什么呢?大多数 JVM 都有一个可选的参数,可用于指定堆所能达到的最大长度。如果堆已经达到了这个长度,JVM 就不能再向操作系统请求更多的内存。在 Sun 和 IBM 最近提供的 JVM 中,该参数可通过 -Xmx 选项指定。更老版本的 JVM 使用的是一个 -mx 选项,现在大多数 JVM 还能理解这个选项。应用服务器拥有它们自己的配置参数,可用于指定最大堆长度,这些参数通常是通过 -Xmx 参数指定的。如果没有显式地使用 -Xmx 参数,JVM 有一个默认的最大堆长度,当然这个默认值是特定于供应商和版本的。Sun 1.4 JVM 提供的最大堆长度的默认值是 64 兆字节。

那么,为了达到最佳性能,最大堆长度应该为多少呢?您可能会认为“越大越好”,因为这样的话就可以避开 out-of-memory 错误,并且可以尽量多地为应用程序分配所需的内存。然而,事实证明,如果堆太大的话可能会产生大问题,这是由操作系统的工作方式所致的。现代操作系统有两种内存模式,一种是 实(real)内存,一种是 虚拟(virtual)内存。虚拟内存可以制造出一种假象,让人认为拥有比实内存更多的内存,这是通过使用交换文件(swap file)中的磁盘空间补充实内存来办到的,在这里交换文件充当的是一种额外(overflow)内存。操作系统可以调出当前使用不多的页,将它们放在磁盘中,直到需要时才重新调回内存,这样便腾出了实内存(暂时地)以供他用。通过这种方式,可用的内存便表现得比实内存更大,从而允许更多或者更大的进程得以运行。相应的代价就是那些在磁盘中的页在需要时不得不重新调回内存,这样就降慢了速度。毕竟磁盘的速度比起内存来要慢得多。

如果您允许堆比系统的实内存(您机器上的物理内存)还要大的话,那么这个堆就要分页。分页本身没什么问题 ――毕竟,只是那些不经常使用的页才要被分派到磁盘中。但是,当遇到垃圾收集的时候,由于要对整个堆进行扫描,所有那些很少使用的页又要返回到实内存中,而其他的页则需要被移出实内存,送到磁盘上去,以便为那些老的页腾出空间。这是一个恶性循环,因为被移出到磁盘的页本身在堆中很可能使用得不多,作为垃圾收集的一部分,垃圾收集器要扫描这些页。其结果就是,比起真正要做的有用的事来,您需要花费更多的时间来将页移进和移出内存。

垃圾收集常常是一个应用程序的瓶颈所在。但是,如果您还要让堆大到令操作系统不得不频繁地使用分页技术以便 JVM 能执行垃圾收集,那么其结果就是一次又一次缓慢的调页动作,从而让应用程序慢如蠕动。因此,务必确保最大堆长度 小于可用的系统 RAM,要为需要同时运行的其他进程考虑,尽量防止这种调页灾难的发生。
分享到:
评论
3 楼 fjlyxx 2009-08-27  
引用

这个其实java进程在操作系统运行中带来的问题,与jvm本身并无关系。楼主关心JVM的设置,更多地应该是从JVM本身的设置出发的。


谢谢!
2 楼 凤舞凰扬 2009-08-27  
引用
JVM 有一片它自己管理的内存空间。对象存活(或消亡)所在的那部分空间就叫做 堆空间。对象在堆空间中创建,又由 JVM 垃圾收集器在不同的时机围绕着堆空间对其进行迁移。

  很多人的 误区,JVM的堆空间和我们常说的对象Heap是不等同的。JVM的堆空间是针对Java.exe这个进程而言的,它还包括PermGen空间,线程分配空间,以及本地方法,NIO的Bufffer等。

引用

例如,当对堆进行碎片整理(或者紧缩)时,便需要移动对象。对象在堆中也会消亡。一个死去的对象也就是应用程序再也不能访问的对象。JVM 垃圾收集器寻找这些死去的对象,并回收这些对象所占用的空间,以便让这些空间能为新的对象所用。如果垃圾收集器无法进一步通过回收死去的对象来释放出空间,那么就说这个堆已 满。

呵呵,死去的对象,不清楚楼主想说明的概念是什么样的。GC在工作时,会先扫描对象引用,对于不存在根引用的对象(或者是基于非强引用的对象)会mark成可回收。如果楼主所说的死去的对象是这个,那么就不存在回收不了。另外,GC不是seek所谓的死去的对象,而是根据算法,搜寻新增的对象(也就是我们常说的MinorGC)或者全部对象(FullGC)。

引用

一个已满的堆会引发问题。如果堆是满的,而应用程序又试图创建更多的对象,JVM 就会向底层操作系统请求更多的内存。如果 JVM 得不到更多的内存,那么分配一个新对象的这一操作就会抛出 OutOfMemoryError 异常。除非应用程序极其完善,否则那就意味着该应用程序要崩溃。

如果你所说的堆(object heap)是不是已经最大长度了,如果是的话,是不会再请求内存的。而堆已满的话,会执行GC,将NewGen中的需要保存的对象移到OldGen中,而无用的对象就会回收释放,如果OldGen已满,就会进行Full GC。

引用

那么,为了达到最佳性能,最大堆长度应该为多少呢?您可能会认为“越大越好”,因为这样的话就可以避开 out-of-memory 错误,并且可以尽量多地为应用程序分配所需的内存。然而,事实证明,如果堆太大的话可能会产生大问题,这是由操作系统的工作方式所致的。现代操作系统有两种内存模式,一种是 实(real)内存,一种是 虚拟(virtual)内存。虚拟内存可以制造出一种假象,让人认为拥有比实内存更多的内存,这是通过使用交换文件(swap file)中的磁盘空间补充实内存来办到的,在这里交换文件充当的是一种额外(overflow)内存。操作系统可以调出当前使用不多的页,将它们放在磁盘中,直到需要时才重新调回内存,这样便腾出了实内存(暂时地)以供他用。通过这种方式,可用的内存便表现得比实内存更大,从而允许更多或者更大的进程得以运行。相应的代价就是那些在磁盘中的页在需要时不得不重新调回内存,这样就降慢了速度。毕竟磁盘的速度比起内存来要慢得多。

绝大多数情况都不会有人把JVM的heapsize设置大于系统内存,即使在32位的桌面系统下,系统的寻址空间是4G,而JVM的大小最多也就2G。设置过大的heap size,会导致JVM的堆空间用于其它部分的不够,而同样出现Out of Memory或者Stack over flow的问题。

引用

如果您允许堆比系统的实内存(您机器上的物理内存)还要大的话,那么这个堆就要分页。分页本身没什么问题 ――毕竟,只是那些不经常使用的页才要被分派到磁盘中。但是,当遇到垃圾收集的时候,由于要对整个堆进行扫描,所有那些很少使用的页又要返回到实内存中,而其他的页则需要被移出实内存,送到磁盘上去,以便为那些老的页腾出空间。这是一个恶性循环,因为被移出到磁盘的页本身在堆中很可能使用得不多,作为垃圾收集的一部分,垃圾收集器要扫描这些页。其结果就是,比起真正要做的有用的事来,您需要花费更多的时间来将页移进和移出内存。

这个其实java进程在操作系统运行中带来的问题,与jvm本身并无关系。楼主关心JVM的设置,更多地应该是从JVM本身的设置出发的。
1 楼 jiang_huatao 2009-08-25  
不错,学习了。

相关推荐

    自己整理的面试算法

    1. **建立初始堆**:将待排序序列构造成一个大顶堆/小顶堆,此时整个序列的最大值/最小值就是堆顶的根节点。 2. **交换删除**:将堆顶元素与末尾元素交换,此时末尾就为最大值/最小值。然后减少堆的大小,重新调整堆...

    排序算法(插入、选择、归并、冒泡、堆排序)实现代码C++

    首先将待排序的序列构造成一个大顶堆或小顶堆,然后将堆顶元素与末尾元素交换,这样末尾就是最大(或最小)元素。之后对剩下的元素重新调整为堆,重复这个过程,直到所有元素都被排序。C++实现时,会涉及到堆的构建...

    阿里巴巴电话面试整理

    `-Xmx`设置JVM最大堆大小,如`-Xmx2048m`表示最大堆为2GB。 3. **垃圾收集和火车算法**: 垃圾收集是Java自动管理内存的过程,用于回收不再使用的对象。火车算法是垃圾收集的一种策略,旨在减少全停顿时间,通过...

    数据结构期末试题整理版1

    - 判断序列是否构成最大堆,不是则调整为最大堆。这里可以通过比较父节点和子节点的值来检查堆性质。 9. **散列表**: - 线性探查法处理冲突,根据散列函数H(K)=K%17,可以逐步计算出每个元素在散列表中的位置,...

    搜索引擎工程师面试题整理.pdf

    维护一个记录当前连续数字串长度的变量,并与之前的最大长度比较,更新最大长度。在遍历过程中,用一个临时字符串保存当前数字串,最后将最长的数字串复制到`outputstr`。时间复杂度是O(n),空间复杂度是O(n)(最坏...

    C语言难点分析及整理

    ### C语言难点分析及整理 在学习C语言的过程中,会遇到很多难点,这些难点往往成为初学者难以跨越的障碍。本文将对C语言中的几个重要且较为复杂的知识点进行详细的解析,帮助读者更好地理解和掌握。 #### 1. 指针...

    SQLServer索引基础知识[整理].pdf

    当行的总大小超过8,060字节(不包括Text/Image类型数据)时,动态地将最大长度的可变长度列移动到溢出页。例如,如果一行中包含多个列,某些列可能位于不同的页上。对于包含varchar、nvarchar、varbinary或sql_...

    排序算法在不同数组状态下时间复杂度的比较

    选择排序在每一轮中找到最小或最大的元素,与当前未排序部分的第一个元素交换。在所有情况下,选择排序的时间复杂度都为O(n^2),对数组初始状态不敏感,但效率较低。其空间复杂度为O(1),因为它只需要常数级别的...

    基于模拟退火算法的堆石体本构模型参数反演分析

    该大坝是面板堆石坝,坝顶长度达到448米,最大坝高132.5米,具有重要的防洪作用。坝体在设计和施工过程中采取了钢筋混凝土面板、碎石垫层和过渡料区等结构。坝体的填筑始于1998年,并在2000年达到预期高程。 通过...

    2022年广州小升初民校联考试题大(联盟数学卷)整理.pdf

    (2)两堆货物运走相同比例,差值不变;(3)质数2是偶数;(4)比例的性质;(5)除以真分数相当于乘以它的倒数,所以数变大。 12. 选择题:(1)加入糖水后含糖率不变,所以一样甜;(2)估算最大值,选A;(3)甲车速度快25%;...

    经典企业面试题整理(C语言)

    ### 经典企业面试题整理(C语言)知识点解析 #### C语言关键字数量及特性 - **关键字总数**:C语言包含32个关键字。值得注意的是`sizeof`被视为关键字而非函数,这一特性对于理解编译原理及代码优化具有重要意义。 ...

    2020年多家公司整理的350道Java面试题手册.pdf

    - **JVM参数设置**:`-Xms` 和 `-Xmx` 分别代表初始堆大小和最大堆大小,它们直接影响Tomcat的内存分配。例如,`JAVA_OPTS='-Xms256m -Xmx512m'` 将堆内存设定为256MB到512MB之间,以适应不同工作负载。 - **DNS...

    数据结构复习整理.pdf

    7. 深度为5的二叉树最多有2^5 - 1 = 31个节点,因为二叉树的最大节点数是2^(h+1) - 1,其中h是高度。 8. 堆是一种特殊的树形数据结构,题目中列出的序列中,B选项符合大顶堆或小顶堆的定义。 9. 线性表在链式结构...

    java面试题整理,找工作、软件面试真题

    例如,`-XX:+PrintFlagsFinal`显示所有参数的默认值,`-Xms`和`-Xmx`分别设定堆的初始和最大内存,`-XX:MaxTenuringThreshold`控制对象晋升到老年代的阈值。 - 日志相关的参数如`-XX:+PrintGC`和`-Xloggc:filename`...

    大连理工大学软件学院2014数据结构期末考试(学长手抄整理).docx

    插入关键字3到最小堆,调整后的新堆需要保持最小堆的性质,具体调整过程没有给出,但插入后3会替换原来堆顶的最大元素,即15,所以新堆可能是3,5,12,8,28,20,15,22,19,选B。 15. **AOE网**: 加快活动c和e的进度...

    数据结构作业之四排序

    堆排序利用了堆这种数据结构,可以在线性时间内构建堆,然后每次从堆顶取出最大(或最小)元素,调整堆,直至所有元素排序完毕。其时间复杂度为O(n log n)。 哈希排序则基于哈希表,通过哈希函数将数据映射到有限的...

    最全的Java面试题整理(含算法题).pdf

    相比之下,更高效的排序算法如快速排序和堆排序,其时间复杂度为O(nlogn),在处理大量数据时更为理想。 在面试中,除了考察算法的实现,面试官可能还会询问关于时间复杂度、空间复杂度以及不同排序算法适用场景的...

    传智扫地僧王保明stl 文档,个人整理

    - **堆算法**:如`make_heap()`、`push_heap()`和`pop_heap()`用于创建和操作堆数据结构。 - **关系算法**:如`equal()`用于比较两个范围内的元素是否相等。 - **集合算法**:如`set_union()`用于合并两个有序范围内...

Global site tag (gtag.js) - Google Analytics