初探JVM

JVM探究

  • 请你谈谈你对JVM的理解?java8虚拟机和之前的变化与更新
  • 什么是OOM,什么是栈溢出StackOverFlowError?怎么分析?
  • JVM的常用调优参数有哪些
  • 内存快照如何抓取,怎么分析Dump文件?可以利用jprofiler这个插件
  • 谈谈JVM中,类加载器你的认识

1、JVM的位置

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-91DipQ5z-1615108712272)(C:\Users\10404\Desktop\寒假java学习\JVM图片\1-1.png)]

2、JVM的体系结构

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-fKQ5D2V9-1615108712276)(C:\Users\10404\Desktop\寒假java学习\JVM图片\1-2.png)]

3、类加载器

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-kiwYdnsx-1615108712278)(C:\Users\10404\Desktop\寒假java学习\JVM图片\1-3.png)]

4、双亲委派机制

首先你要了解JVM中提供了三层ClassLoader

  • BootstrapClassLoader:主要负责加载和心类库(例如:java.lang.等)
  • ExtClassLoader:主要是负责加载jre/lib/ext目录下的一些扩展jar
  • APPClassLoader:主要是负责加载应用程序的主函数类

概念:当一个类收到类加载请求,它首先不会尝试自己去加载,而是把这个请求委派给父类完成,每一层次类加载器都是如此,一次所有的加载请求都应该传送到启动类加载中,只有当父类加载器反馈自己无法完成这个请求的时候,子类加载器才会自己尝试加载

优势:这样可以防止核心库别随意篡改;避免重复加载。

5、沙箱安全机制、Native、PC寄存器、方法区、栈、三种JVM

5、方法区与元空间的解释与区别

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-X60G1Rax-1615108712279)(C:\Users\10404\Desktop\寒假java学习\JVM图片\1.3.png)]

11、堆,新生去、老年区、永久区,堆内调优

6、GC

​ 1、常用算法:标记清除法、标记压缩、复制算法、引用计数器

6.1、复制算法:

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-ChdiLGRT-1615108712280)(C:\Users\10404\Desktop\寒假java学习\JVM图片\1-4.png)]
在这里插入图片描述

  • 好处:没有内存碎片

  • 坏处:浪费了内存空间;多了一般空间永远是空的To,假设对象100%存活(极端情况)

复制算法最佳使用场景:对象存活度比较低:新生区~

6.2、标记压缩:

对标记清除法的优化

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-BaQLWPfD-1615108712283)(C:\Users\10404\Desktop\寒假java学习\JVM图片\1-5.png)]

  • 优点:不需要额外的内存空间

  • 缺点:两次扫描和一次压缩,比较耗时

  • 解决了:标记清除法的内存碎片化

6.3、总结

  • 内存效率:复制算法 > 标记清除算法 > 标记压缩算法(时间复杂度)
  • 内存整齐度:复制算法 = 标记压缩算法 > 标记清除算法
  • 内存利用率:标记压缩算法 = 标记清除算法 > 复制算法

没有最优的算法只有最合适的算法------->GC分代收集算法

年轻代

  • 存活率低
  • 复制算法

老年代:

  • 区域大:存活率
  • 标记清除(内存碎片不太多)+标记压缩混合实现

7、JMM

1、什么是JMM?

JMM是 Java Memory Model

2、它是干啥的?

作用:缓存一致协议,用于定义数据读写的规则

JMM定义了线程工作内存之间的抽象关系:线程之间的共享变量存储在主内存中,每一个线程都有一个私有的本地内存。

解决共享对象可见性这个问题:可以用 volatile 关键字和synchronized同步机制


8代码和IDEA虚拟机参数配置

8.1、这是IDEA的java虚拟机参数配置的地方

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-DVMVVOD5-1615108712284)(C:\Users\10404\Desktop\寒假java学习\JVM图片\1-6.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-c50kAdlq-1615108712286)(C:\Users\10404\Desktop\寒假java学习\JVM图片\1-7.png)]

[外链图片转存失败,源站可能有防盗链机制,建议将图片保存下来直接上传(img-hS1uwrZc-1615108712288)(C:\Users\10404\Desktop\寒假java学习\JVM图片\1-8.png)]

8.2、代码

package 寒假训练.狂神.JVm;

public class Demon2 {
    public static void main(String[] args) {
        //返回虚拟机试图使用的最大内存
        long max = Runtime.getRuntime().maxMemory();
        //返回jvm的初始化的总内存
        long total = Runtime.getRuntime().totalMemory();

        System.out.println("max="+max+"字节\t"+(max/(double)1024/1024)+"MB");
        System.out.println("total="+total+"字节\t"+(total/(double)1024/1024)+"MB");

        //默认情况下:分配的总内存 是电脑内存的1/4,而初始化的内存:1/64
        //OOM:内存溢出
        /**
         * 解决方法:1、尝试扩大堆的内存空间,其实就是调JVM的参数。
         * 格式:-Xms1024m -Xmx1024m -XX:+PrintGCDetails
         *两个1024可以替换成自己想要替换的数字
         * 2、分析内存,看一下哪个地方出现了问题(专业工具jprofiler)
         */
    }
}

OOM的代码

package 寒假训练.狂神.JVm;

import java.util.ArrayList;

//-Xms1m -Xmx8m -XX:+HeapDumpOnOutOfMemoryError
public class Demon3 {
    public static void main(String[] args) {
        byte[] array = new byte[1*1024*1024];
        ArrayList<Demon3> list = new ArrayList<>();
        int count = 0;
        try {
            while (true){
                list.add(new Demon3());
                count=count+1;
            }
        } catch (Error error){
            System.out.println(error.getMessage());
        }
       
    }
}
内容概要:本文介绍了一个基于冠豪猪优化算法(CPO)的无人机三维路径规划项目,利用Python实现了在复杂三维环境中为无人机规划安全、高效、低能耗飞行路径的完整解决方案。项目涵盖空间环境建模、无人机动力学约束、路径编码、多目标代价函数设计以及CPO算法的核心实现。通过体素网格建模、动态障碍物处理、路径平滑技术和多约束融合机制,系统能够在高维、密集障碍环境下快速搜索出满足飞行可行性、安全性与能效最优的路径,并支持在线重规划以适应动态环境变化。文中还提供了关键模块的代码示例,包括环境建模、路径评估和CPO优化流程。; 适合人群:具备一定Python编程基础和优化算法基础知识,从事无人机、智能机器人、路径规划或智能优化算法研究的相关科研人员与工程技术人员,尤其适合研究生及有一定工作经验的研发工程师。; 使用场景及目标:①应用于复杂三维环境下的无人机自主导航与避障;②研究智能优化算法(如CPO)在路径规划中的实际部署与性能优化;③实现多目标(路径最短、能耗最低、安全性最高)耦合条件下的工程化路径求解;④构建可扩展的智能无人系统决策框架。; 阅读建议:建议结合文中模型架构与代码示例进行实践运行,重点关注目标函数设计、CPO算法改进策略与约束处理机制,宜在仿真环境中测试不同场景以深入理解算法行为与系统鲁棒性。
在科技快速演进的时代背景下,移动终端性能持续提升,用户对移动应用的功能需求日益增长。增强现实、虚拟现实、机器人导航、自动驾驶辅助、手势识别、物体检测与距离测量等前沿技术正成为研究与应用的热点。作为支撑这些技术的核心,双目视觉系统通过模仿人类双眼的成像机制,同步获取两路图像数据,并借助图像处理与立体匹配算法提取场景深度信息,进而生成点云并实现三维重建。这一技术体系对提高移动终端的智能化程度及优化人机交互体验具有关键作用。 双目视觉系统需对同步采集的两路视频流进行严格的时间同步与空间校正,确保图像在时空维度上精确对齐,这是后续深度计算与立体匹配的基础。立体匹配旨在建立两幅图像中对应特征点的关联,通常依赖复杂且高效的计算算法以满足实时处理的要求。点云生成则是将匹配后的特征点转换为三维空间坐标集合,以表征物体的立体结构;其质量直接取决于图像处理效率与匹配算法的精度。三维重建基于点云数据,运用计算机图形学方法构建物体或场景的三维模型,该技术在增强现实与虚拟现实等领域尤为重要,能够为用户创造高度沉浸的交互环境。 双目视觉技术已广泛应用于多个领域:在增强现实与虚拟现实中,它可提升场景的真实感与沉浸感;在机器人导航与自动驾驶辅助系统中,能实时感知环境并完成距离测量,为路径规划与决策提供依据;在手势识别与物体检测方面,可精准捕捉用户动作与物体位置,推动人机交互设计与智能识别系统的发展。此外,结合深度计算与点云技术,双目系统在精确距离测量方面展现出显著潜力,能为多样化的应用场景提供可靠数据支持。 综上所述,双目视觉技术在图像处理、深度计算、立体匹配、点云生成及三维重建等环节均扮演着不可或缺的角色。其应用跨越多个科技前沿领域,不仅推动了移动设备智能化的发展,也为丰富交互体验提供了坚实的技术基础。随着相关算法的持续优化与硬件性能的不断提升,未来双目视觉技术有望在各类智能系统中实现更广泛、更深层次的应用。 资源来源于网络分享,仅用于学习交流使用,请勿用于商业,如有侵权请联系我删除!
评论 1
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