ホームページ Java &#&チュートリアル JVMガベージコレクションアルゴリズム

JVMガベージコレクションアルゴリズム

Aug 19, 2017 pm 01:52 PM
リサイクル ごみ アルゴリズム

Java 言語と C 言語の最大の違いは、自動メモリ リサイクルであることは誰もが知っています。では、JVM はメモリ リサイクルをどのように制御するのでしょうか? この記事では、メモリ リサイクルの基本原理を理解するために、JVM ガベージ コレクションのアルゴリズムをいくつか紹介します。

stop the world

ガベージ コレクション アルゴリズムを紹介する前に、ガベージ コレクション アルゴリズムを実行する際に stop the world が生成されるという言葉をまず理解する必要があります。コレクション ( JVM ) は Java アプリケーションを一時的に実行し、ガベージ コレクションが完了した後も実行を継続します。 JMeter を使用して Java プログラムをテストしたことがある場合は、テスト中に Java プログラムが不規則に一時停止することに気づくかもしれません。実際、これは一時停止中に JVM がガベージ コレクションを実行していることを意味します。したがって、世界を停止する時間を可能な限り短縮することが、JVM を最適化する際の主な目標です。次に、現在利用可能な一般的なガベージ コレクション アルゴリズムを見てみましょう。

参照カウント方法

参照カウント方法は、その名の通り、オブジェクトが参照された回数をカウントします。参照カウントが増加すると1が加算され、参照カウントが減少すると1がカウントされます。が差し引かれます。

JVMガベージコレクションアルゴリズム

上の図は、3 つの Teacher 参照がヒープ内の Teacher オブジェクトを指しており、Teacher オブジェクトの参照カウントは 3 であり、類推により Student オブジェクトの参照カウントは 2 であることを示しています。 。

JVMガベージコレクションアルゴリズム

上の図は、Teacher オブジェクトの参照が 2 に削減され、Student オブジェクトの参照が 0 に削減されることを示しています(削減の理由は、参照が参照カウント アルゴリズムに従って、Student オブジェクトのメモリ領域が再利用されます。

参照カウント アルゴリズムの原理は非常に単純で、最も原始的なリサイクル アルゴリズムですが、1. 頻繁なカウントはパフォーマンスに影響を与える、2. 問題に対処できないという 2 つの理由から、このアルゴリズムは Java では使用されません。循環参照の。

たとえば、Teacher オブジェクトは Student オブジェクトを参照し、Student オブジェクトは Teacher オブジェクトを参照します。この場合、オブジェクトは決してリサイクルされません。

マークのクリア

マークのクリア アルゴリズム。これは、多くのガベージ コレクション アルゴリズムの基礎です。簡単に言えば、マークとクリアの 2 つのステップがあります。

マーク: すべての GC ルートを走査し、GC ルートから到達可能なオブジェクトをライブ オブジェクトとして設定します。

クリア: ヒープ内のすべてのオブジェクトを走査し、到達可能としてマークされていないオブジェクトをクリアします。

上の図の灰色のオブジェクトに注意してください。これらは GC ルートからトラバースできないため (オブジェクト自体には参照関係がありますが、GC ルートからトラバースできないため)、生きているオブジェクトとしてマークされません。クリーンアッププロセス中にリサイクルされます。

JVMガベージコレクションアルゴリズムここで注意する必要があるのは、マークおよびクリア アルゴリズムの実行中に「ストップ ザ ワールド」が発生し、マーク中に新しいオブジェクトが生成されないように Java プログラムが一時停止して待機できることです。そして明確なプロセス。 Java プログラムを一時停止する必要があるのはなぜですか?たとえば、マーキング プロセスの完了後に新しいオブジェクトが生成され、そのオブジェクトがマーキング期間を過ぎた場合、その後のクリーンアップ プロセスでは、新しく生成されたオブジェクトはマークされていないため、マークされていないものとみなされます。到達不可能なオブジェクトがクリアされると、プログラムはエラーになります。そのため、マーククリアアルゴリズムが実行されると、Java プログラムは一時停止され、「世界を止めてください」という結果になります。

次に、マークとクリアのアルゴリズムをまとめてみましょう:

1. 多くのメモリ走査作業が含まれるため、実行パフォーマンスが低く、「世界を停止する」時間が長くなります。 Java プログラムのスループットの低下

2. オブジェクトがクリアされた後、クリアされたオブジェクトがメモリ内に空き位置を残し、メモリの不連続性とスペースの無駄を引き起こすことに気付きました。

次に、他のアルゴリズムでこれらの問題を改善できるかどうか見てみましょう?

タグ圧縮

マーク圧縮アルゴリズムを思い浮かべたかもしれませんが、これはマーク除去アルゴリズムに基づいて圧縮プロセスを追加したものです。

JVMガベージコレクションアルゴリズム

マークアンドクリアが完了すると、メモリ空間が圧縮されてメモリ空間が節約され、マークアンドクリアアルゴリズムにおけるメモリの不連続の問題が解決されます。

マーク圧縮アルゴリズムは「ストップ・ザ・ワールド」も生成するため、Java プログラムと同時に実行できないことに注意してください。圧縮プロセス中に、一部のオブジェクトのメモリ アドレスが変更されるため、Java プログラムは圧縮が完了するまで待ってから続行できます。

コピーアルゴリズム

コピーアルゴリズムは単にメモリを 2 つに分割しますが、ガベージコレクション中に、使用されているメモリ内に残っているオブジェクトがもう一方の空のメモリにコピーされます。最後に、ガベージ コレクションを完了するために使用されているメモリ領域内のオブジェクトをクリアします。

JVMガベージコレクションアルゴリズム

JVMガベージコレクションアルゴリズム

JVMガベージコレクションアルゴリズム

JVMガベージコレクションアルゴリズム

レプリケーション アルゴリズムはマーク圧縮アルゴリズムよりも簡潔で効率的ですが、欠点は次のとおりです。当然のことですが、コピーする必要があるオブジェクトが多く、コピーのパフォーマンスが低いため、多くのオブジェクトが残っている状況には適していません。そのため、コピー アルゴリズムは、新しい世代のガベージ コレクションによく使用されます。新しい世代では生き残るオブジェクトが少なくなり、コピーコストが低くなるため、メモリ空間が節約されます。もう 1 つの欠点は、メモリ空間占有コストが高いことです。これは、2 つのメモリ空間に基づいてオブジェクトをコピーし、非ガベージ コレクション サイクル中に 1 つのメモリ空間しか使用しないため、メモリ使用率が低くなります。

概要

上記で一般的なガベージコレクションアルゴリズムを紹介しましたが、それぞれのアルゴリズムには独自の利点と欠点があります。ただし、JVMでは、単に特定のアルゴリズムを使用するのではなく、ガベージコレクションと呼ばれる方法を使用します。ガベージ コレクターに関しては、ガベージ コレクターは、さまざまなシナリオで適切なガベージ コレクターを使用することによってのみ、半分の労力で 2 倍の結果を得ることができます。次回の記事ではガベージコレクターについて紹介します。

参考資料:

「実践Java仮想マシン」Ge Yiming

「Java仮想マシンの徹底理解(第2版)」Zhou Zhiming

以上がJVMガベージコレクションアルゴリズムの詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。

このウェブサイトの声明
この記事の内容はネチズンが自主的に寄稿したものであり、著作権は原著者に帰属します。このサイトは、それに相当する法的責任を負いません。盗作または侵害の疑いのあるコンテンツを見つけた場合は、admin@php.cn までご連絡ください。

ホットAIツール

Undresser.AI Undress

Undresser.AI Undress

リアルなヌード写真を作成する AI 搭載アプリ

AI Clothes Remover

AI Clothes Remover

写真から衣服を削除するオンライン AI ツール。

Undress AI Tool

Undress AI Tool

脱衣画像を無料で

Clothoff.io

Clothoff.io

AI衣類リムーバー

Video Face Swap

Video Face Swap

完全無料の AI 顔交換ツールを使用して、あらゆるビデオの顔を簡単に交換できます。

ホットツール

メモ帳++7.3.1

メモ帳++7.3.1

使いやすく無料のコードエディター

SublimeText3 中国語版

SublimeText3 中国語版

中国語版、とても使いやすい

ゼンドスタジオ 13.0.1

ゼンドスタジオ 13.0.1

強力な PHP 統合開発環境

ドリームウィーバー CS6

ドリームウィーバー CS6

ビジュアル Web 開発ツール

SublimeText3 Mac版

SublimeText3 Mac版

神レベルのコード編集ソフト(SublimeText3)

CLIP-BEVFormer: BEVFormer 構造を明示的に監視して、ロングテール検出パフォーマンスを向上させます。 CLIP-BEVFormer: BEVFormer 構造を明示的に監視して、ロングテール検出パフォーマンスを向上させます。 Mar 26, 2024 pm 12:41 PM

上記および筆者の個人的な理解: 現在、自動運転システム全体において、認識モジュールが重要な役割を果たしている。道路を走行する自動運転車は、認識モジュールを通じてのみ正確な認識結果を得ることができる。下流の規制および制御モジュール自動運転システムでは、タイムリーかつ正確な判断と行動決定が行われます。現在、自動運転機能を備えた自動車には通常、サラウンドビューカメラセンサー、ライダーセンサー、ミリ波レーダーセンサーなどのさまざまなデータ情報センサーが搭載されており、さまざまなモダリティで情報を収集して正確な認識タスクを実現しています。純粋な視覚に基づく BEV 認識アルゴリズムは、ハードウェア コストが低く導入が容易であるため、業界で好まれており、その出力結果はさまざまな下流タスクに簡単に適用できます。

C++ での機械学習アルゴリズムの実装: 一般的な課題と解決策 C++ での機械学習アルゴリズムの実装: 一般的な課題と解決策 Jun 03, 2024 pm 01:25 PM

C++ の機械学習アルゴリズムが直面する一般的な課題には、メモリ管理、マルチスレッド、パフォーマンスの最適化、保守性などがあります。解決策には、スマート ポインター、最新のスレッド ライブラリ、SIMD 命令、サードパーティ ライブラリの使用、コーディング スタイル ガイドラインの遵守、自動化ツールの使用が含まれます。実践的な事例では、Eigen ライブラリを使用して線形回帰アルゴリズムを実装し、メモリを効果的に管理し、高性能の行列演算を使用する方法を示します。

C++sort 関数の基礎となる原則とアルゴリズムの選択を調べる C++sort 関数の基礎となる原則とアルゴリズムの選択を調べる Apr 02, 2024 pm 05:36 PM

C++sort 関数の最下層はマージ ソートを使用し、その複雑さは O(nlogn) で、クイック ソート、ヒープ ソート、安定したソートなど、さまざまなソート アルゴリズムの選択肢を提供します。

人工知能は犯罪を予測できるのか? CrimeGPT の機能を調べる 人工知能は犯罪を予測できるのか? CrimeGPT の機能を調べる Mar 22, 2024 pm 10:10 PM

人工知能 (AI) と法執行機関の融合により、犯罪の予防と検出の新たな可能性が開かれます。人工知能の予測機能は、犯罪行為を予測するためにCrimeGPT (犯罪予測技術) などのシステムで広く使用されています。この記事では、犯罪予測における人工知能の可能性、その現在の応用、人工知能が直面する課題、およびこの技術の倫理的影響について考察します。人工知能と犯罪予測: 基本 CrimeGPT は、機械学習アルゴリズムを使用して大規模なデータセットを分析し、犯罪がいつどこで発生する可能性があるかを予測できるパターンを特定します。これらのデータセットには、過去の犯罪統計、人口統計情報、経済指標、気象パターンなどが含まれます。人間のアナリストが見逃す可能性のある傾向を特定することで、人工知能は法執行機関に力を与えることができます

改良された検出アルゴリズム: 高解像度の光学式リモートセンシング画像でのターゲット検出用 改良された検出アルゴリズム: 高解像度の光学式リモートセンシング画像でのターゲット検出用 Jun 06, 2024 pm 12:33 PM

01 今後の概要 現時点では、検出効率と検出結果の適切なバランスを実現することが困難です。我々は、光学リモートセンシング画像におけるターゲット検出ネットワークの効果を向上させるために、多層特徴ピラミッド、マルチ検出ヘッド戦略、およびハイブリッドアテンションモジュールを使用して、高解像度光学リモートセンシング画像におけるターゲット検出のための強化されたYOLOv5アルゴリズムを開発しました。 SIMD データセットによると、新しいアルゴリズムの mAP は YOLOv5 より 2.2%、YOLOX より 8.48% 優れており、検出結果と速度のバランスがより優れています。 02 背景と動機 リモート センシング技術の急速な発展に伴い、航空機、自動車、建物など、地表上の多くの物体を記述するために高解像度の光学式リモート センシング画像が使用されています。リモートセンシング画像の判読における物体検出

58 ポートレート プラットフォームの構築におけるアルゴリズムの適用 58 ポートレート プラットフォームの構築におけるアルゴリズムの適用 May 09, 2024 am 09:01 AM

1. 58 Portraits プラットフォーム構築の背景 まず、58 Portraits プラットフォーム構築の背景についてお話ししたいと思います。 1. 従来のプロファイリング プラットフォームの従来の考え方ではもはや十分ではありません。ユーザー プロファイリング プラットフォームを構築するには、複数のビジネス分野からのデータを統合して、ユーザーの行動や関心を理解するためのデータ マイニングも必要です。最後に、ユーザー プロファイル データを効率的に保存、クエリ、共有し、プロファイル サービスを提供するためのデータ プラットフォーム機能も必要です。自社構築のビジネス プロファイリング プラットフォームとミドルオフィス プロファイリング プラットフォームの主な違いは、自社構築のプロファイリング プラットフォームは単一のビジネス ラインにサービスを提供し、オンデマンドでカスタマイズできることです。ミッドオフィス プラットフォームは複数のビジネス ラインにサービスを提供し、複雑な機能を備えていることです。モデリングを提供し、より一般的な機能を提供します。 2.58 中間プラットフォームのポートレート構築の背景のユーザーのポートレート 58

SOTA をリアルタイムで追加すると、大幅に増加します。 FastOcc: より高速な推論と展開に適した Occ アルゴリズムが登場しました。 SOTA をリアルタイムで追加すると、大幅に増加します。 FastOcc: より高速な推論と展開に適した Occ アルゴリズムが登場しました。 Mar 14, 2024 pm 11:50 PM

上記と著者の個人的な理解は、自動運転システムにおいて、認識タスクは自動運転システム全体の重要な要素であるということです。認識タスクの主な目的は、自動運転車が道路を走行する車両、路側の歩行者、運転中に遭遇する障害物、道路上の交通標識などの周囲の環境要素を理解して認識できるようにすることで、それによって下流のシステムを支援できるようにすることです。モジュール 正しく合理的な決定と行動を行います。自動運転機能を備えた車両には、通常、サラウンドビューカメラセンサー、ライダーセンサー、ミリ波レーダーセンサーなど、さまざまな種類の情報収集センサーが装備されており、自動運転車が正確に認識し、認識できるようにします。周囲の環境要素を理解することで、自動運転車が自動運転中に正しい判断を下せるようになります。頭

グローバルグラフ強化に基づくニュース推奨アルゴリズム グローバルグラフ強化に基づくニュース推奨アルゴリズム Apr 08, 2024 pm 09:16 PM

著者 | Wang Hao によるレビュー | Chonglou ニュース アプリは、人々が日常生活で情報ソースを入手する重要な方法です。 2010年頃、海外ニュースアプリの人気はZiteやFlipboardなどがあり、国内ニュースアプリの人気は主に4大ポータルでした。 Toutiaoに代表される新時代のニュースレコメンド商品の人気により、ニュースアプリは新時代を迎えました。テクノロジー企業に関しては、どの企業であっても、高度なニュース推奨アルゴリズム技術を習得していれば、基本的に技術レベルでの主導権と発言権を握ることになる。今日は、RecSys2023 Best Long Paper Nomination Award の論文、GoingBeyondLocal:GlobalGraph-EnhancedP を見てみましょう。

See all articles