jvm学习(2)——常用jvm参数

本文详细介绍了Java中三种重要的内存管理参数:Trace跟踪参数、堆的分配参数和栈的分配参数。包括如何调整堆内存大小、设置新生代与老年代比例、配置线程栈大小等,并提供了关于内存溢出时的处理策略。

主要是三种参数

       Trace跟踪参数

       堆的分配参数

       栈的分配参数

1.Trace跟踪参数

-XX:+PrintGCDetails            打印GC详细信息

-XX:+PrintGCDateStamps   输出GC的时间戳(以日期的形式,如 2013-05-04T21:53:59.234+0800)

-Xloggc:log/gc.log                将gc信息输出到文件,:后表示文件路径


2.堆的分配参数

-Xmx  最大化堆内存大小

–Xms  初始化对内存大小

程序在Runtime中含有三个信息分别是 

runtime.maxMemory() 即最大化堆内存大小

runtime.totalMemory() 当前运行分配的总内存大小,java会尽量维持在最小堆内存

runtime.freeMemory() 当前运行分配的总内存中有多少是没被占用的

堆内存 

由新生代和老年代组成,新生代中又分为两个Survivor区和eden

 

-Xmn                          设置新生代大小

-XX:NewRatio            新生代(eden+2*s)和老年代(不包含永久区)的比值 ,4 表示 新生代:老年代=1:4,即年轻代占堆的1/5

-XX:SurvivorRatio      设置两个Survivor区和eden的比 ,8表示 Survivor :eden=2:8,即一个Survivor占年轻代的1/10

如下图

 堆溢出问题

-XX:+HeapDumpOnOutOfMemoryError    OOM时导出堆到文件

-XX:+HeapDumpPath                                导出OOM的路径

如:

-Xmx20m -Xms5m -XX:+HeapDumpOnOutOfMemoryError -XX:HeapDumpPath=d:/a.dump

或者在堆溢出时执行一个脚本

nXX:OnOutOfMemoryError

OOM时,执行一个脚本

-XX:OnOutOfMemoryError=D:/tools/jdk1.7_40/bin/printstack.bat %p

 

堆内存总结:

根据实际事情调整新生代和幸存代的大小

方推荐新生代占堆的3/8

幸存代占新生代的1/10

OOM时,记得Dump出堆,确保可以排查现场问题

堆溢出错误:java.lang.OutOfMemoryError

*******有时候堆空间实际占用非常少,但是永久区溢出 一样抛出OOM


 

3.栈内存参数

-Xss 每个线程私有,对于线程运行不可缺少

常只有几百K    越大能容纳的线程数越少

定了函数调用的深度  越大能递归调用的次数越大

个线程都有独立的栈空间

部变量、参数 分配在栈上

栈空间溢出错误:java.lang.StackOverflowError

 

常见堆栈错误见链接https://blog.youkuaiyun.com/sinat_29912455/article/details/51125748

 

内容概要:本文系统介绍了算术优化算法(AOA)的基本原理、核心思想及Python实现方法,并通过图像分割的实际案例展示了其应用价值。AOA是一种基于种群的元启发式算法,其核心思想来源于四则运算,利用乘除运算进行全局勘探,加减运算进行局部开发,通过数学优化器加速函数(MOA)和数学优化概率(MOP)动态控制搜索过程,在全局探索与局部开发之间实现平衡。文章详细解析了算法的初始化、勘探与开发阶段的更新策略,并提供了完整的Python代码实现,结合Rastrigin函数进行测试验证。进一步地,以Flask框架搭建前后端分离系统,将AOA应用于图像分割任务,展示了其在实际工程中的可行性与高效性。最后,通过收敛速度、寻优精度等指标评估算法性能,并提出自适应参数调整、模型优化和并行计算等改进策略。; 适合人群:具备一定Python编程基础和优化算法基础知识的高校学生、科研人员及工程技术人员,尤其适合从事人工智能、图像处理、智能优化等领域的从业者;; 使用场景及目标:①理解元启发式算法的设计思想与实现机制;②掌握AOA在函数优化、图像分割等实际问题中的建模与求解方法;③学习如何将优化算法集成到Web系统中实现工程化应用;④为算法性能评估与改进提供实践参考; 阅读建议:建议读者结合代码逐行调试,深入理解算法流程中MOA与MOP的作用机制,尝试在不同测试函数上运行算法以观察性能差异,并可进一步扩展图像分割模块,引入更复杂的预处理或后处理技术以提升分割效果。
评论
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