初探JVM

JVM的位置

JVM也是一个软件,运行在操作系统之上
在这里插入图片描述

java文件的运行过程:

.java文件---->.class文件---->jvm

在这里插入图片描述

JVM体系结构

在这里插入图片描述

垃圾回收在方法区和堆中

类加载器

作用:加载.class文件

在这里插入图片描述

类加载器的种类(等级从高到低)

jvm自带的加载器:

1.启动类(根)加载器(Bootstrap ClassLoader)用来加载java核心类库,无法被java程序直接引用。

2.扩展类加载器(extensions class loader):它用来加载 Java 的扩展库。Java 虚拟机的实现会提供一
个扩展库目录。该类加载器在此目录里面查找并加载 Java 类。

3.应用程序(系统类)加载器:你写的类一般都是它加载的。

ps:rt.jar

用户自定义的类加载器:

继承java.lang.ClassLoader

双亲委派机制

一个类先从app累加器,由等级从低到高,然后推到上一层,直到bootstrap根加载器

如果在高的加载器中找到类,则直接加载,否则再往下推,直到app加载器

Native关键字

凡是带了native关键字的,说明java的范围达不到了,需要调用底层c语言的库

凡是带了native的方法,调用时会进入本地方法栈(Native Method Stack),调用本地方法接口调用本地方法库

JNI:java native interface,java本地接口(扩展java的使用,融合不同的语言为java所用,最初即是c,c++)

PC寄存器:

即程序计数器:Program Counter Register

每个线程都有一个程序计数器,是线程私有的,就是一个指针,指向方法区中的方法字节码,用来指向指令的地址

方法区:被所有线程共享,所有字段和方法字节码,以及一些特殊的方法,如构造函数,接口也在这里定义,简单来说,所有定义的方法的信息都保存在该区域,此区域 属于共享区间。

​ 方法区存储:静态变量、常量、类信息(构造方法、接口定义)、运行时的常量池也在方法区。(static final Class 常量池)

java虚拟机栈

方法先入栈,就是先执行,栈顶的方法就是正在执行的方法(main方法最先开始,最后结束)

栈存储:8大基本类型的数据,对象的引用,实例的方法

栈也叫栈内存,主管程序的运行,生命周期和线程同步。线程结束,栈内存也就释放,对于栈来说,不存在垃圾回收问题。

栈运行原理:栈帧;

栈+堆+方法区的交互关系
在这里插入图片描述

走近HotSpot

1.三种JVM

1.Sun 的 HotSpot

2.Bea 的 JRockit

3.IBM 的 J9VM

Heap,一个JVM只有一个堆内存,堆的大小可以调节。

堆存储:(这里主要指不包括方法区的)对象的实例(成员变量,方法等),数组

堆内存细分:

  • 新生区(伊甸园区) Young Generation Space Young/New
  • 养老区 Tenure generation space Old/Tenure
  • 永久区 Permanent Space Perm(jdk8后称为元空间)

GC垃圾回收主要是在 新生区和养老区,又分为 轻GC (新生区)和 重GC,如果内存不够,或者存在死循环,就会导致 java.lang.OutOfMemoryError: Java heap space

新生区是类诞生,成长,消亡的区域,一个类在这里产生,应用,最后被垃圾回收器收集,结束生命。新生区又分为两部分:伊甸区(Eden Space)和幸存者区(Survivor Space),所有的类都是在伊甸区被new出来的,幸存区有两个:0区 和 1区,当伊甸园的空间用完时,程序又需要创建对象,JVM的垃圾回收器将对伊甸园区进行垃圾回收(Minor GC)。将伊甸园中的剩余对象移动到幸存0区,若幸存0区也满了,再对该区进行垃圾回收,然后移动到1区,那如果1区也满了呢?(这里幸存0区和1区是一个互相交替的过程)再移动到养老区,若养老区也满了,那么这个时候将产生MajorGC(Full GC),进行养老区的内存清理,若养老区执行了Full GC后发现依然无法进行对象的保存,就会产生OOM异常
“OutOfMemoryError ”。

新生区,老年区,永久区

新生区

新生区是类诞生,成长,消亡的区域,一个类在这里产生,应用,最后被垃圾回收器收集,结束生命。新生区又分为两部分:伊甸区(Eden Space)和幸存者区(Survivor Space),所有的类都是在伊甸区被new出来的,幸存区有两个:0区 和 1区,当伊甸园的空间用完时,程序又需要创建对象,JVM的垃圾回收器将对伊甸园区进行垃圾回收(Minor GC)”轻GC"。将伊甸园中的剩余对象移动到幸存0区,若幸存0区也满了,再对该区进行垃圾回收,然后移动到1区,那如果1区也满了呢?(这里幸存0区和1区是一个互相交替的过程),产生MajorGC(Full GC)再移动到养老区,如果养老区,新生区都满了,则oom"out of memoryerror"

老年区

真理:有99%的的对象都是临时对象,很多在新生区就死亡

永久区

  • jdk6之前:称为永久代,常量池在方法区,永久代是方法区的实现
  • jdk7:永久代,但是慢慢退化了,常量池在堆中
  • jdk8之后:无永久代,常量池在元空间

在这里插入图片描述

jvm内存查询:

  public static void main(String[] args) {
        //虚拟机试图使用的最大内存
        long maxMemory = Runtime.getRuntime().maxMemory();//以字节为单位
        System.out.println("最大内存为: "+maxMemory/1024/1024+"MB");

        //返回JVM的总内存
        long totalMemory = Runtime.getRuntime().totalMemory();
        System.out.println("初始化占的内存为:"+ totalMemory/1024/1024+"MB");

        //-Xmx 设置最大内存大小   1/4
        //-Xms 设置初始分配大小   1/64
    }

初始分配(Initial heap size )默认占cpu的1/64,最大内存(the maximum heap size)默认占用1/4

在这里插入图片描述
)]

上图设置jvm参数和输出GC信息

在这里插入图片描述

上图为GC信息输出

年轻代、老年代、元空间(可以看出老年代加上年轻代的内存),元空间逻辑上存在,实际上不存在(在本地内存)

使用Jprofiler分析oom原因

GC

垃圾回收只有在堆和方法区存在

记住GC口诀: 分代收集算法
次数频繁Young区,次数较少Old区,基本不动Perm(永久区)区

GC分两类:轻GC(普通的GC),重GC(全局GC)

普通GC:只针对新生代区域的GC
全局GC:针对老年代的GC,偶尔伴随对新生代的GC以及对永久代的GC

引用计数法

对象每引用一次给对象分配的计数器加1,对没有引用的对象(计数器为0)进行清除

缺点:

  • 每次引用对象都要维护计数器,计数器本身也有消耗
  • 较难处理循环引用

(jvm一般不用这个算法)

复制算法

主要是新生区使用

Survivoer的from和to区的区分:谁空谁是to

伊甸园的剩余的对象(GC后存活的)都会移动到幸存区(Survivor)。

复制算法即是:from区内存用完,(或者说to区有有一些从Eden来的对象)从from区拷贝存活的对象,放到to区,from和to在交换身份

-XX:MaxTenuringThreshold 任期时间=>设置对象在新生代中存活的次数

优点:

  • 没有碎片内存

缺点:

  • 浪费内存空间

最佳使用场景:新生区,对象存活度较低

标记清除

1.扫描对象,对活着的对象进行标记

2.扫描对象,对没有标记的对象进行清除

优点:

  • 不需要额外的内存

缺点

  • 两次扫描浪费时间
  • 会产生内存碎片

标记清除压缩(标记整理)

1.扫描对象,对活着的对象进行标记

2.扫描对象,对没有标记的对象进行清除

3.将对象向一端移动,清除内存碎片

缺点:

多了移动的成本

总结

内存效率:复制算法>标记清除算法>标记压缩算法

内存整齐度:复制=标记压缩>标记清除

内存利用率:标记压缩=标记清除>复制算法

没有最好的算法,只有最合适的算法,jvm中根据分代选择算法----》分代收集算法

年轻代:存活率低,用复制算法

老年代:存活率高,区域大,标记清除+标记压缩(5次标记清除,1次压缩)

疑问:
什么时候进行GC?
参考:https://blog.youkuaiyun.com/pdf0824/article/details/77018879

堆与栈的区别:

1.物理地址:堆的物理地址分配不是连续的,因此性能较慢,栈的底层数据结构是栈,内存分配是连续的,性能较好

2.内存分别:堆是不连续的,内存分配在运行期决定,因此大小不固定,一般堆的大小远远大于栈;栈的内存分配是在编译期决定,大小是固定的。

3.存放的内容:

堆中存储的是对象的实例,实例变量(对象的内容),

栈中存储的是局部变量,局部的基本类型变量和对象的引用

各内存区域存储的内容:

方法区:Class模板(信息),static方法和变量,常量池

栈:对象引用,基本类型变量,局部变量

堆:对象的实例,实例对象

注:

实例变量(非static修饰的成员变量)和对象是关联在一起的

详细内容见博客:https://blog.youkuaiyun.com/u013241673/article/details/78574770

标题“51单片机通过MPU6050-DMP获取姿态角例程”解析 “51单片机通过MPU6050-DMP获取姿态角例程”是一个基于51系列单片机(一种常见的8位微控制器)的程序示例,用于读取MPU6050传感器的数据,并通过其内置的数字运动处理器(DMP)计算设备的姿态角(如倾斜角度、旋转角度等)。MPU6050是一款集成三轴加速度计和三轴陀螺仪的六自由度传感器,广泛应用于运动控制和姿态检测领域。该例程利用MPU6050的DMP功能,由DMP处理复杂的运动学算法,例如姿态融合,将加速度计和陀螺仪的数据进行整合,从而提供稳定且实时的姿态估计,减轻主控MCU的计算负担。最终,姿态角数据通过LCD1602显示屏以字符形式可视化展示,为用户提供直观的反馈。 从标签“51单片机 6050”可知,该项目主要涉及51单片机和MPU6050传感器这两个关键硬件组件。51单片机基于8051内核,因编程简单、成本低而被广泛应用;MPU6050作为惯性测量单元(IMU),可测量设备的线性和角速度。文件名“51-DMP-NET”可能表示这是一个与51单片机及DMP相关的网络资源或代码库,其中可能包含C语言等适合51单片机的编程语言的源代码、配置文件、用户手册、示例程序,以及可能的调试工具或IDE项目文件。 实现该项目需以下步骤:首先是硬件连接,将51单片机与MPU6050通过I2C接口正确连接,同时将LCD1602连接到51单片机的串行数据线和控制线上;接着是初始化设置,配置51单片机的I/O端口,初始化I2C通信协议,设置MPU6050的工作模式和数据输出速率;然后是DMP配置,启用MPU6050的DMP功能,加载预编译的DMP固件,并设置DMP输出数据的中断;之后是数据读取,通过中断服务程序从DMP接收姿态角数据,数据通常以四元数或欧拉角形式呈现;再接着是数据显示,将姿态角数据转换为可读的度数格
MathorCup高校数学建模挑战赛是一项旨在提升学生数学应用、创新和团队协作能力的年度竞赛。参赛团队需在规定时间内解决实际问题,运用数学建模方法进行分析并提出解决方案。2021年第十一届比赛的D题就是一个典型例子。 MATLAB是解决这类问题的常用工具。它是一款强大的数值计算和编程软件,广泛应用于数学建模、数据分析和科学计算。MATLAB拥有丰富的函数库,涵盖线性代数、统计分析、优化算法、信号处理等多种数学操作,方便参赛者构建模型和实现算法。 在提供的文件列表中,有几个关键文件: d题论文(1).docx:这可能是参赛队伍对D题的解答报告,详细记录了他们对问题的理解、建模过程、求解方法和结果分析。 D_1.m、ratio.m、importfile.m、Untitled.m、changf.m、pailiezuhe.m、huitu.m:这些是MATLAB源代码文件,每个文件可能对应一个特定的计算步骤或功能。例如: D_1.m 可能是主要的建模代码; ratio.m 可能用于计算某种比例或比率; importfile.m 可能用于导入数据; Untitled.m 可能是未命名的脚本,包含临时或测试代码; changf.m 可能涉及函数变换; pailiezuhe.m 可能与矩阵的排列组合相关; huitu.m 可能用于绘制回路图或流程图。 matlab111.mat:这是一个MATLAB数据文件,存储了变量或矩阵等数据,可能用于后续计算或分析。 D-date.mat:这个文件可能包含与D题相关的特定日期数据,或是模拟过程中用到的时间序列数据。 从这些文件可以推测,参赛队伍可能利用MATLAB完成了数据预处理、模型构建、数值模拟和结果可视化等一系列工作。然而,具体的建模细节和解决方案需要查看解压后的文件内容才能深入了解。 在数学建模过程中,团队需深入理解问题本质,选择合适的数学模
以下是关于三种绘制云图或等高线图算法的介绍: 一、点距离反比插值算法 该算法的核心思想是基于已知数据点的值,计算未知点的值。它认为未知点的值与周围已知点的值相关,且这种关系与距离呈反比。即距离未知点越近的已知点,对未知点值的影响越大。具体来说,先确定未知点周围若干个已知数据点,计算这些已知点到未知点的距离,然后根据距离的倒数对已知点的值进行加权求和,最终得到未知点的值。这种方法简单直观,适用于数据点分布相对均匀的情况,能较好地反映数据在空间上的变化趋势。 二、双线性插值算法 这种算法主要用于处理二维数据的插值问题。它首先将数据点所在的区域划分为一个个小的矩形单元。当需要计算某个未知点的值时,先找到该点所在的矩形单元,然后利用矩形单元四个顶点的已知值进行插值计算。具体过程是先在矩形单元的一对对边上分别进行线性插值,得到两个中间值,再对这两个中间值进行线性插值,最终得到未知点的值。双线性插值能够较为平滑地过渡数据值,特别适合处理图像缩放、地理数据等二维场景中的插值问题,能有效避免插值结果出现明显的突变。 三、面距离反比 + 双线性插值算法 这是一种结合了面距离反比和双线性插值两种方法的算法。它既考虑了数据点所在平面区域对未知点值的影响,又利用了双线性插值的平滑特性。在计算未知点的值时,先根据面距离反比的思想,确定与未知点所在平面区域相关的已知数据点集合,这些点对该平面区域的值有较大影响。然后在这些已知点构成的区域内,采用双线性插值的方法进行进一步的插值计算。这种方法综合了两种算法的优点,既能够较好地反映数据在空间上的整体分布情况,又能保证插值结果的平滑性,适用于对插值精度和数据平滑性要求较高的复杂场景。
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