118
麵向GC的Java編程
該文章來自於阿裏巴巴技術協會（ATA）精選文章。
Java程序員在編碼過程中通常不需要考慮內存問題，JVM經過高度優化的GC機製大部分情況下都能夠很好地處理堆(Heap)的清理問題。以至於許多Java程序員認為，我隻需要關心何時創建對象，而回收對象，就交給GC來做吧！甚至有人說，如果在編程過程中頻繁考慮內存問題，是一種退化，這些事情應該交給編譯器，交給虛擬機來解決。
這話其實也沒有太大問題，的確，大部分場景下關心內存、GC的問題，顯得有點“杞人憂天”了，高老爺說過：
過早優化是萬惡之源。
但另一方麵，**什麼才是“過早優化”？**
If we could do things right for the first time, why not?
事實上**JVM的內存模型**( JMM )理應是Java程序員的基礎知識，處理過幾次JVM線上內存問題之後就會很明顯感受到，**很多係統問題，都是內存問題**。
對JVM內存結構感興趣的同學可以看下 淺析Java虛擬機結構與機製 這篇文章，本文就不再贅述了，本文也並不關注具體的GC算法，相關的文章汗牛充棟，隨時可查。
另外，不要指望GC優化的這些技巧，可以對應用性能有成倍的提高，特別是對I/O密集型的應用，或是實際落在YoungGC上的優化，可能效果隻是幫你減少那麼一點YoungGC的頻率。
但我認為，**優秀程序員的價值，不在於其所掌握的幾招屠龍之術，而是在細節中見真著**，就像前麵說的，**如果我們可以一次把事情做對，並且做好，在允許的範圍內盡可能追求卓越，為什麼不去做呢**？
一、GC分代的基本假設
大部分GC算法，都將堆內存做分代(Generation)處理，但是為什麼要分代呢，又為什麼不叫內存分區、分段，而要用麵向時間、年齡的“代”來表示不同的內存區域？
GC分代的**基本假設**是：
絕大部分對象的生命周期都非常短暫，存活時間短。
而這些短命的對象，恰恰是GC算法需要首先關注的。所以在大部分的GC中，YoungGC（也稱作MinorGC）占了絕大部分，對於負載不高的應用，可能跑了數個月都不會發生FullGC。
基於這個前提，在編碼過程中，我們應該**盡可能地縮短對象的生命周期**。在過去，分配對象是一個比較重的操作，所以有些程序員會盡可能地減少new對象的次數，嚐試減小堆的分配開銷，減少內存碎片。
但是，短命對象的創建在JVM中比我們想象的性能更好，所以，不要吝嗇new關鍵字，大膽地去new吧。
當然前提是不做無謂的創建，對象創建的速率越高，那麼GC也會越快被觸發。
結論：
分配小對象的開銷分享小，不要吝嗇去創建。
GC最喜歡這種小而短命的對象。
讓對象的生命周期盡可能短，例如在方法體內創建，使其能盡快地在YoungGC中被回收，不會晉升(romote)到年老代(Old Generation)。
二、對象分配的優化
基於大部分對象都是小而短命，並且不存在多線程的數據競爭。這些小對象的分配，會優先在線程私有的 TLAB 中分配，TLAB中創建的對象，不存在鎖甚至是CAS的開銷。
TLAB占用的空間在Eden Generation。
當對象比較大，TLAB的空間不足以放下，而JVM又認為當前線程占用的TLAB剩餘空間還足夠時，就會直接在Eden Generation上分配，此時是存在並發競爭的，所以會有CAS的開銷，但也還好。
當對象大到Eden Generation放不下時，JVM隻能嚐試去Old Generation分配，這種情況需要盡可能避免，因為一旦在Old Generation分配，這個對象就隻能被Old Generation的GC或是FullGC回收了。
三、不可變對象的好處
GC算法在掃描存活對象時通常需要從ROOT節點開始，掃描所有存活對象的引用，構建出對象圖。
不可變對象對GC的優化，主要體現在Old Generation中。
可以想象一下，如果存在Old Generation的對象引用了Young Generation的對象，那麼在每次YoungGC的過程中，就必須考慮到這種情況。
Hotspot JVM為了提高YoungGC的性能，避免每次YoungGC都掃描Old Generation中的對象引用，采用了 卡表(Card Table) 的方式。
簡單來說，當Old Generation中的對象發生對Young Generation中的對象產生新的引用關係或釋放引用時，都會在卡表中響應的標記上標記為髒(dirty)，而YoungGC時，隻需要掃描這些dirty的項就可以了。
可變對象對其它對象的引用關係可能會頻繁變化，並且有可能在運行過程中持有越來越多的引用，特別是容器。這些都會導致對應的卡表項被頻繁標記為dirty。
而不可變對象的引用關係非常穩定，在掃描卡表時就不會掃到它們對應的項了。
注意，這裏的不可變對象，不是指僅僅自身引用不可變的final對象，而是真正的**Immutable Objects**。
四、引用置為null的傳說
早期的很多Java資料中都會提到在方法體中將一個變量置為null能夠優化GC的性能，類似下麵的代碼：
List<String> list = new ArrayList<String>();
// some code
list = null; // help GC
事實上這種做法對GC的幫助微乎其微，有時候反而會導致代碼混亂。
我記得幾年前撒迦在HLL VM小組中詳細論述過這個問題，原帖我沒找到，結論基本就是：
在一個非常大的方法體內，對一個較大的對象，將其引用置為null，某種程度上可以幫助GC。
大部分情況下，這種行為都沒有任何好處。
所以，還是早點放棄這種“優化”方式吧。
GC比我們想象的更聰明。
五、手動檔的GC
在很多Java資料上都有下麵兩個奇技淫巧：
通過
Thread.yield()讓出CPU資源給其它線程。通過
System.gc()觸發GC。
事實上JVM從不保證這兩件事，而System.gc()在JVM啟動參數中如果允許顯式GC，則會**觸發FullGC**，對於響應敏感的應用來說，幾乎等同於自殺。
So，讓我們牢記兩點：
Never use
Thread.yield()。Never use
System.gc()。除非你真的需要回收Native Memory。
第二點有個Native Memory的例外，如果你在以下場景：
-
使用了NIO或者NIO框架（Mina/Netty）
-
使用了DirectByteBuffer分配字節緩衝區
-
使用了MappedByteBuffer做內存映射
由於**Native Memory隻能通過FullGC（或是CMS GC）回收**，所以除非你非常清楚這時真的有必要，否則不要輕易調用System.gc()，且行且珍惜。
另外為了防止某些框架中的System.gc調用（例如NIO框架、Java RMI），建議在啟動參數中加上-XX:+DisableExplicitGC來禁用顯式GC。
這個參數有個巨大的坑，如果你禁用了System.gc()，那麼上麵的3種場景下的內存就無法回收，可能造成OOM，如果你使用了CMS GC，那麼可以用這個參數替代：-XX:+ExplicitGCInvokesConcurrent。
關於System.gc()，可以參考畢玄的幾篇文章：
六、指定容器初始化大小
Java容器的一個特點就是可以動態擴展，所以通常我們都不會去考慮初始大小的設置，不夠了反正會自動擴容唄。
但是擴容不意味著沒有代價，甚至是很高的代價。
例如一些基於數組的數據結構，例如StringBuilder、StringBuffer、ArrayList、HashMap等等，在擴容的時候都需要做ArrayCopy，對於不斷增長的結構來說，經過若幹次擴容，會存在大量無用的老數組，而回收這些數組的壓力，全都會加在GC身上。
這些容器的構造函數中通常都有一個可以指定大小的參數，如果對於某些大小可以預估的容器，建議加上這個參數。
可是因為容器的擴容並不是等到容器滿了才擴容，而是有一定的比例，例如HashMap的擴容閾值和負載因子(loadFactor)相關。
Google Guava框架對於容器的初始容量提供了非常便捷的工具方法，例如：
Lists.newArrayListWithCapacity(initialArraySize);
Lists.newArrayListWithExpectedSize(estimatedSize);
Sets.newHashSetWithExpectedSize(expectedSize);
Maps.newHashMapWithExpectedSize(expectedSize);
這樣我們隻要傳入預估的大小即可，容量的計算就交給Guava來做吧。
反例：
如果采用默認無參構造函數，創建一個ArrayList，不斷增加元素直到OOM，那麼在此過程中會導致：
- 多次數組擴容，重新分配更大空間的數組
- 多次數組拷貝
- 內存碎片
七、對象池
為了減少對象分配開銷，提高性能，可能有人會采取對象池的方式來緩存對象集合，作為複用的手段。
但是對象池中的對象由於在運行期長期存活，大部分會晉升到Old Generation，因此無法通過YoungGC回收。
並且通常……沒有什麼效果。
對於對象本身：
如果對象很小，那麼分配的開銷本來就小，對象池隻會增加代碼複雜度。
如果對象比較大，那麼晉升到Old Generation後，對GC的壓力就更大了。
從線程安全的角度考慮，通常池都是會被並發訪問的，那麼你就需要處理好同步的問題，這又是一個大坑，並且**同步帶來的開銷，未必比你重新創建一個對象小**。
對於對象池，唯一合適的場景就是**當池中的每個對象的創建開銷很大**時，緩存複用才有意義，例如每次new都會創建一個連接，或是依賴一次RPC。
比如說：
- 線程池
- 數據庫連接池
- TCP連接池
即使你真的需要實現一個對象池，也請使用成熟的開源框架，例如Apache Commons Pool。
另外，使用JDK的ThreadPoolExecutor作為線程池，不要重複造輪子，除非當你看過AQS的源碼後認為你可以寫得比Doug Lea更好。
八、對象作用域
盡可能縮小對象的作用域，即生命周期。
如果可以在方法內聲明的局部變量，就不要聲明為實例變量。
除非你的對象是單例的或不變的，否則盡可能少地聲明static變量。
九、各類引用
java.lang.ref.Reference有幾個子類，用於處理和GC相關的引用。JVM的引用類型簡單來說有幾種：
- Strong Reference，最常見的引用
- Weak Reference，當沒有指向它的強引用時會被GC回收
- Soft Reference，隻當臨近OOM時才會被GC回收
- Phantom Reference，主要用於識別對象被GC的時機，通常用於做一些清理工作
當你需要實現一個緩存時，可以考慮優先使用WeakHashMap，而不是HashMap，當然，更好的選擇是使用框架，例如Guava Cache。
最後，再次提醒，以上的這些未必可以對代碼有多少性能上的提升，但是熟悉這些方法，是為了幫助我們寫出更卓越的代碼，和GC更好地合作。
最後更新：2017-04-01 13:37:10