Java虚拟机学习之Java内存区域篇

本文详细介绍了Java运行时数据区域,包括程序计数器、Java虚拟机栈、本地方法栈、Java堆、方法区等关键概念及其作用。同时,深入探讨了对象的创建过程、内存布局及访问定位方式。

一、运行时数据区域


(图片来自网络)
上图是Java运行时内存区域模型,这些区域都有各自的用途,以及创建和销毁的时间,有的区域随着虚拟机进程的启动而存在,有些区域则依赖用户线程的启动和结束而建立和销毁。

二、程序计数器

程序计数器是线程私有的,每个线程独立存储,是所执行的字节码的行号指示器。字节码解释器工作时就是通过改变这个计数器的值来选取下一条需要执行的字节码指令。
如果线程正在执行一个Java方法,计数器记录的是正在执行的虚拟机字节码指令的地址。

如果线程正在执行一个Native方法,计数器值为空(Undefined)。

三、Java虚拟机栈

Java虚拟机栈也是线程私有的,它的生命周期与线程相同。
是描述Java方法的内存模型。
每个方法在执行的同时都会创建一个栈帧,用于存储局部变量表、操作数栈、动态链接、方法出口等。
每一个方法从调用直至执行完成的过程,就对应着一个栈帧在虚拟机栈中从入栈到出栈的过程。
Java虚拟机规范中,对这个区域规定了两种异常状况:
1、如果线程请求的栈深度大于虚拟机所允许的深度,将抛出StackOverflowError。
2、如果虚拟机栈可以动态扩展。如果扩展时无法申请到足够的内存,会抛出OutOfMemoryError。

四、本地方法栈

本地方法栈与Java虚拟机栈作用相似。区别就是本地方法栈为虚拟机使用的Native方法服务。
也会抛出StackOverflowError和OutOfMemoryError。

五、Java堆

Java堆是被所有线程共享的一块内存区域,在虚拟机启动时创建。
用于存放对象实例,几乎所有的对象实例(数组)都在这里分配内存。(但是还有栈上分配技术、标量替换优化技术)
是垃圾收集器管理的主要区域,有时候被称为GC堆。
可细分为:新生代、老年代。
再细致一点可分为:Eden空间、From Survivor空间、To Survivor空间。
从内存分配角度看:可能划分出多个线程私有的分配缓冲区(Thread Local Allocation Buffer)

六、方法区

是各个线程共享的内存区域,它用于存储已被虚拟机加载的类信息、常量、静态变量、即时编译器编译后的代码等数据。
Java虚拟机规范把方法区描述为堆的一个逻辑部分,但是有一个别名叫非堆(Non-Heap)。
也可以称为“永久代”。
这个区域的内存回收目标主要是针对常量池的回收和对类型的卸载。

运行时常量池是方法区的一部分。用于存放编译器产生的各种字面量和符号引用。
运行时常量池相对于Class文件常量池的另外一个重要特征是具备动态性,运行期间也可能将新的常量放入池中,如String类的intern方法。

七、对象的创建

当虚拟机遇到一条new指令时:
1、首先将去检查这个指令的参数是否能在常量池中定位到一个类的符号引用,并检查这个符号引用代表的类是否已被加载、解析和初始化过。如果没有,则执行类加载。
2、类加载检查通过后,虚拟机将会为新生对象分配内存,内存的大小在类加载完成后便可完全确定。分配内存要考虑并发。
3、初始化内存空间为零值(不包括对象头)。这一步操作保证了对象实例字段在Java代码中可以不赋值就直接使用。
4、虚拟机对对象进行必要的设置,这个对象是哪个类的实例、如何找到元数据信息、对象的哈希码、对象的GC分代年龄等,这些信息存放在对象头中。
5、执行<init>方法,把对象按照程序员的意愿进行初始化。

八、对象的内存布局

三块区域:对象头、实例数据、对齐填充。
1、对象头:
1.1 存储对象自身的运行时数据。(哈希码、GC分代年龄、锁状态标志、线程持有的锁、偏向线程ID、偏向时间戳等)
1.2 类型指针,指向它的类元数据的指针,虚拟机通过这个指针来确定这个对象是哪个类的实例。
注意:如果对象是数组,那么在对象头中还必须有一块用于记录数组长度的数据。

2、实例数据
对象真正存储的有效信息
3、对齐填充
并不是必然存在的。

九、对象的访问定位

1、句柄访问,最大的好处是reference中存储的是文档的句柄地址,在对象被移动时只改变句柄中的实例数据指针,而reference本身不需要修改。
2、直接指针访问,速度快,节省了一次指针定位的时间开销。

(图片来自网络)

基于实时迭代的数值鲁棒NMPC双模稳定预测模型(Matlab代码实现)内容概要:本文介绍了基于实时迭代的数值鲁棒非线性模型预测控制(NMPC)双模稳定预测模型的研究与Matlab代码实现,重点在于提升系统在存在不确定性与扰动情况下的控制性能与稳定性。该模型结合实时迭代优化机制,增强了传统NMPC的数值鲁棒性,并通过双模控制策略兼顾动态响应与稳态精度,适用于复杂非线性系统的预测控制问题。文中还列举了多个相关技术方向的应用案例,涵盖电力系统、路径规划、信号处理、机器学习等多个领域,展示了该方法的广泛适用性与工程价值。; 适合人群:具备一定控制理论基础和Matlab编程能力,从事自动化、电气工程、智能制造、机器人控制等领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①应用于非线性系统的高性能预测控制设计,如电力系统调度、无人机控制、机器人轨迹跟踪等;②解决存在模型不确定性、外部扰动下的系统稳定控制问题;③通过Matlab仿真验证控制算法的有效性与鲁棒性,支撑科研论文复现与工程原型开发。; 阅读建议:建议读者结合提供的Matlab代码进行实践,重点关注NMPC的实时迭代机制与双模切换逻辑的设计细节,同时参考文中列举的相关研究方向拓展应用场景,强化对数值鲁棒性与系统稳定性之间平衡的理解。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值