读书笔记深入理解java虚拟机第三章

本文深入探讨了垃圾回收机制中的各种算法和技术,包括引用计数、可达性分析、不同类型的引用,以及各种垃圾收集器的特点和应用场景。同时,还介绍了内存分配与回收策略。

一 判断对象是否死去

  • 引用计数算法
    当一个地方引用时,计数器值就加一;当引用失效时,计数器值就减一。任何时刻计数器值为0的对象就是不可能再被使用的。
    缺点:很难解决对象之间互相循环引用的问题。
  • 可达性分析算法
    通过一系列的成为GC Roots的对象作为起始点,从这些节点开始往下搜索,搜索所走过的路径称为引用链,当一个对象到GC Roots没有任何引用链相连,则证明此对象不可用。
    可作为GC Roots的对象:
    虚拟机栈中引用的对象
    方法区中类静态属性引用的对象。
    方法区中常量引用的对象。
    本地方法栈中引用的对象。

  • 引用
    强引用:只要强引用存在,垃圾回收器永远不会回收掉被引用的对象
    软引用:在系统将要发生内存溢出异常之前,将会把这些对象列进回收范围之内进行第二次回收
    弱引用:当垃圾收集器工作时,无论当前内存是否足够,都会回收掉只被弱引用关联的对象。
    虚引用:设置虚引用关联唯一目的就是能在这个对象被收集齐回收时收到一个系统通知。

  • 生存还是死亡
    如果对象在进行可达性分析后发现没有与GC Roots相连接的引用链,那么它将会被第一次表级并且进行一次筛选,如果被判定为有必要执行finalize()方法,对象可以再执行一次finalize方法,在这个时候可以拯救自己——只要重新与引用链上任一个对象产生关联即可,那么在第二次标记时它被移除出即将回收的集合。
    注意:一个对象的finalize()方法都只会被系统自动调用一次。

  • 回收方法区
    类需要满足下面3个条件才能算是无用的类:
    该类所有的实例都已经被回收
    加载该类的ClassLoader已经被回收
    该类对应的java.lang.class对象没有在任何地方被引用,无法在任何地方通过反射访问该类的方法

二 垃圾收集算法

  • 标记清除算法
    首先标记出所有需要回收的对象,在标记完成后同意回收所有被标记的对象。
    不足:
    效率问题,标记和清除两个过程的效率都不高
    空间问题,标记清楚之后会产生大量不连续的内存碎片
  • 复制算法
    每次都是对整个半区进行内存回收,内存分配时也就不用考虑内存碎片等复杂清空
    不过一般用时不会对半分,大致是九一分,不够放可以去其他内存分配

  • 标记整理算法
    标记过程和标记清除算法一样,但后续步骤不是直接对可回收对象进行清理,而是让所有存活的对象都向一端移动,然后直接清理掉端边界以外的内存

  • HotSpot的算法实现
    枚举根节点
    安全点让线程暂停
    抢先式中断让没有到安全点的跑 主动式中断只给标志,线程进行轮询,知道到安全点之后自己暂停。
    安全区域
    避免线程sleep或blocked状态,影响效率
    扩展的安全点

三 垃圾收集器

serial收集器
单线程,新生代采用复制,老年代采用标记整理算法
暂停所有用户线程
parnew收集器
就是serial收集器的多线程版本
parallel scavenge收集器
目的是达到一个可控制的吞吐量,适合在后台运算而需要太多交互的任务
parallel old
parallel的老年代版本,和parallel scavenge搭配好用
CMS
是一种以获取最短回收停顿时间为目标的收集器
cms收集器是基于标记——清除算法实现的
过程:
初始标记
并发标记
重新标记
并发清除
缺点:
吞吐量低
无法处理浮动垃圾(会有并发清除阶段的垃圾)
标记清除会产生大量空间碎片

  • G1收集器
    步骤
    初始标记
    并发标记
    最终标记
    筛选回收(和cms区别在最后这里)

四 内存分配与回收策略

对象优先在新生代中分配
大对象直接进入老年代
长期存活的对象将进入老年代
动态对象年龄判定

数据集介绍:电力线目标检测数据集 一、基础信息 数据集名称:电力线目标检测数据集 图片数量: 训练集:2898张图片 验证集:263张图片 测试集:138张图片 总计:3299张图片 分类类别: 类别ID: 0(电力线) 标注格式: YOLO格式,包含对象标注信息,适用于目标检测任务。 数据格式:JPEG/PNG图片,来源于空中拍摄或监控视觉。 二、适用场景 电力设施监控与巡检: 数据集支持目标检测任务,帮助构建能够自动识别和定位电力线的AI模型,用于无人机或固定摄像头巡检,提升电力设施维护效率和安全性。 能源与公用事业管理: 集成至能源管理系统中,提供实时电力线检测功能,辅助进行风险 assessment 和预防性维护,优化能源分配。 计算机视觉算法研究: 支持目标检测技术在特定领域的应用研究,促进AI在能源和公用事业行业的创新与发展。 专业培训与教育: 数据集可用于电力行业培训课程,作为工程师和技术人员学习电力线检测与识别的重要资源。 三、数据集优势 标注精准可靠: 每张图片均经过专业标注,确保电力线对象的定位准确,适用于高精度模型训练。 数据多样性丰富: 包含多种环境下的电力线图片,如空中视角,覆盖不同场景条件,提升模型的泛化能力和鲁棒性。 任务适配性强: 标注格式兼容YOLO等主流深度学习框架,便于快速集成和模型开发,支持目标检测任务的直接应用。 实用价值突出: 专注于电力线检测,为智能电网、自动化巡检和能源设施监控提供关键数据支撑,具有较高的行业应用价值。
【弹簧阻尼器】基于卡尔曼滤波弹簧质量阻尼器系统噪声测量实时状态估计研究(Matlab代码实现)内容概要:本文围绕“基于卡尔曼滤波的弹簧质量阻尼器系统噪声测量与实时状态估计”展开研究,利用Matlab代码实现对系统状态的精确估计。重点在于应用卡尔曼滤波技术处理系统中存在的噪声干扰,提升对弹簧质量阻尼器系统动态行为的实时观测能力。文中详细阐述了系统建模、噪声特性分析及卡尔曼滤波算法的设计与实现过程,展示了滤波算法在抑制测量噪声、提高状态估计精度方面的有效性。同时,该研究属于更广泛的信号处理与状态估计技术应用范畴,适用于复杂动态系统的监控与控制。; 适合人群:具备一定控制系统理论基础和Matlab编程经验的高校研究生、科研人员及工程技术人员,尤其适合从事动态系统建模、状态估计与滤波算法研究的相关人员。; 使用场景及目标:①应用于机械、航空航天、自动化等领域中对振动系统状态的高精度实时估计;②为噪声环境下的传感器数据融合与状态预测提供算法支持;③作为卡尔曼滤波算法在实际物理系统中应用的教学与科研案例。; 阅读建议:建议读者结合Matlab代码实践,深入理解系统建模与滤波器设计的关键步骤,关注噪声建模与滤波参数调优对估计性能的影响,并可进一步拓展至扩展卡尔曼滤波(EKF)或无迹卡尔曼滤波(UKF)在非线性系统中的应用。
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