相對于C,C++來說，java程序員最幸運的事就是不用進行內存控制，很少會出現內存溢出的異常。但是這也不是絕對的，當出現oom的時候，如果不了解虛擬機是如何使用內存的，排查錯誤將會成為一項艱難的任務。

首先給大家介紹一下JVM運行時的數據區。入門的java程序員都接觸過一個概念，JVM中存在堆和棧兩塊數據存儲區域。因為棧是一種先進后出的存儲結構，所以很適合存儲程序運行的邏輯順序。比如在方法1中調用方法2，此時棧頂元素是方法2，棧底元素是方法1。所以程序運行的時候先運行方法2，然后方法2出棧，再運行方法1，方法1出棧。這就是棧的用法。堆是一個很大的區域。在堆中存儲的是程序運行的各種數據，包括對象的實例，常量等等。這是一種粗粒度的劃分，但是很好理解。

如圖，這是《Java虛擬機規范(Java SE7 版)》的規定。方法區和堆就是上述堆的概念，方法區是堆的一個邏輯分區，有個別稱叫非堆(Non-Heap)。目的是與真正的堆區分出來。

方法區中存放的是虛擬機加載的類信息，常量，靜態變量等。

堆的唯一目的是存放對象實例。 堆是垃圾收集管理的主要區域，也稱為GC堆。

官方的虛擬機是Hotspot，采用分代收集算法進行垃圾收集(下文有描述)。所以堆可以再進行細分為：新生代和老年代。再將新生代細分一點有：Eden空間、From Survivor空間、To Survivor空間。這兩個區域是所有線程共享的。

在“棧區”主要存在三個數據區：虛擬機棧、本地方法棧、程序計數器。

程序計數器是一個很小很小的空間。可以看成當前線程程序執行字節碼的行號指示器。此區域是java虛擬機規范中唯一沒有規定任何OutOfMemoryError情況的區域。

虛擬機棧和本地方法棧的作用很相似。用于存儲局部變量、操作數棧、動態鏈接、方法出口等。他們兩個的區別是虛擬機棧是為執行java方法服務，本地棧是為Native方法( 簡單地講，一個Native Method就是一個java調用非java代碼的接口)服務。

有了上面的基本概念。下面談談java垃圾收集。在java“棧”中時刻進行著進棧和出棧，棧隨線程而生，隨線程而滅，內存自然回收了。所以GC主要發生在“堆”中。

在堆中占空間最大的就是對象實例了。所以解決回收問題的第一步就是判斷對象是否已死。主要有兩種算法。

第一：引用計數算法。給對象一個應用計數，引用一次“+1”，失效時“-1”。當引用為0時進行回收。但是這樣無法解決相互應用的問題。主流的虛擬機沒有采用這種方式。

第二種：可達性分析算法。如下圖，通過GC Root可以遍歷到的Object節點即為可達，剩下的節點將會被回收。(雖然object6和object7存在引用，但是也會被回收)

找到了死掉的對象，下一步就是回收了。回收算法這里介紹四種：標記-清除算法、復制算法、標記-整理算法、分代收集算法。

標記-清除：如圖將已死對象(灰色)進行標記，回收直接將內存回收掉，這是一種最基本的算法。后續的其他算法都是根據這種思路來的。這種方式明顯存在不足。1、效率問題，標記和清除的效率都不高。2、清除后內存空間很零散。如果出現“大對象”則不容易找到一個合適的位置存儲。

復制算法：將內存空間劃分為兩個相等的區域，當一個區域空間用完之后將存活的對象復制到另外一個區域，然后回收整個區域。這個算法的優點是高效，缺點是總是有一半的空間被浪費掉。

標記-整理法：和標記-清除相似，只是將存活對象向一端進行移動。

分代收集算法：這其實只是對前面幾種算法的綜合應用。了解這種算法首先得更進一步了解java堆。上面提到java堆新生代細分為：Eden空間、From Survivor空間、To Survivor空間。他們之間的內存大小為：8：1：1。這其實是為了更好的適應復制算法。IBM研究表明：新生代中的對象98%都是“朝生夕死”的。即運行一次復制算法得到的存活對象是很少的，所以復制算法并不需要采用1:1的空間，而是將一塊大的空間分給伊甸園(Eden)兩塊小的區域分配給兩個幸存區(Survivor)。在新生代采用復制算法，每次保留一塊幸存區，將另外的一塊幸存區和伊甸園中的存活對象復制到保留的幸存區中。這樣每次都只有10%的空間被浪費，改善了算法。但是萬一伊甸園中和一塊幸存區中的對象存活的數量超過了另一塊幸存區的容量怎么辦？(雖然極少出現這種情況)這時就要依賴老年代做擔保了。老年代的對象存活率較高，而且還要為新生代做擔保，所以不宜采用復制算法。一般采用標記-清理或者標記整理算法。

對于垃圾回收和內存管理就先說到這里了，歡迎大家在評論區注水交流！

點擊鏈接，文章！

總結

以上是生活随笔為你收集整理的java 全局变量 内存不回收_JAVA知识梳理：内存管理与垃圾回收机制的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。