常见垃圾回收器算法：

1、引用计数法（Reference counting）:
为每个对象配置一个整型的计数器，对象被引用时+1，引用失效时-1。存在循环引用问题，JAVA没使用；

2、标记-清除算法（Mark-Sweep）:
标记-清除算法将垃圾回收分为两个阶段：标记阶段和清除阶段。一种可行的实现是，在标记阶段首先通过根节点，标记所有从根节点开始的较大对象。因此，未被标记的对象就是未被引用的垃圾对象。然后，在清除阶段，清除所有未被标记的对象。该算法最大的问题是存在大量的空间碎片，因为回收后的空间是不连续的。在对象的堆空间分配过程中，尤其是大对象的内存分配，不连续的内存空间的工作效率要低于连续的空间。

3、复制算法（Coping）:
将现有的内存空间分为两快，每次只使用其中一块，在垃圾回收时将正在使用的内存中的存活对象复制到未被使用的内存块中，之后，清除正在使用的内存块中的所有对象，交换两个内存的角色，完成垃圾回收。
如果系统中的垃圾对象很多，复制算法需要复制的存活对象数量并不会太大。因此在真正需要垃圾回收的时刻，复制算法的效率是很高的。又由于对象在垃圾回收过程中统一被复制到新的内存空间中，因此，可确保回收后的内存空间是没有碎片的。该算法的缺点是将系统内存折半。
Java新生代的串行垃圾回收器中使用了复制算法。新生代分为Eden区，From区和To区。其中 from 空间和 to 空间可以视为用于复制的两块大小相同、地位相等，且可进行角色互换的空间块。from 和 to 空间也称为 survivor 空间，即幸存者空间，用于存放未被回收的对象。
在垃圾回收时，eden 空间中的存活对象会被复制到未使用的 survivor 空间中 (假设是 to)，正在使用的 survivor 空间 (假设是 from) 中的年轻对象也会被复制到 to 空间中 (大对象，或者老年对象会直接进入老年代，如果 to 空间已满，则对象也会直接进入老年代)。此时，eden 空间和 from 空间中的剩余对象就是垃圾对象，可以直接清空，to 空间则存放此次回收后的存活对象。这种改进的复制算法既保证了空间的连续性，又避免了大量的内存空间浪费。

4、标记-压缩算法（Mark-Compact）:

复制算法的高效性是建立在存活对象少、垃圾对象多的前提下的。这种情况在年轻代经常发生，但是在老年代更常见的情况是大部分对象都是存活对象。如果依然使用复制算法，由于存活的对象较多，复制的成本也将很高。

标记-压缩算法是一种老年代的回收算法，它在标记-清除算法的基础上做了一些优化。也首先需要从根节点开始对所有可达对象做一次标记，但之后，它并不简单地清理未标记的对象，而是将所有的存活对象压缩到内存的一端。之后，清理边界外所有的空间。这种方法既避免了碎片的产生，又不需要两块相同的内存空间，因此，其性价比比较高。

5、增量算法（Increamental Collecting）:
在垃圾回收过程中，应用软件将处于一种 CPU 消耗很高的状态。在这种 CPU 消耗很高的状态下，应用程序所有的线程都会挂起，暂停一切正常的工作，等待垃圾回收的完成。如果垃圾回收时间过长，应用程序会被挂起很久，将严重影响用户体验或者系统的稳定性。
增量算法的基本思想是，如果一次性将所有的垃圾进行处理，需要造成系统长时间的停顿，那么就可以让垃圾收集线程和应用程序线程交替执行。每次，垃圾收集线程只收集一小片区域的内存空间，接着切换到应用程序线程。依次反复，直到垃圾收集完成。使用这种方式，由于在垃圾回收过程中，间断性地还执行了应用程序代码，所以能减少系统的停顿时间。但是，因为线程切换和上下文转换的消耗，会使得垃圾回收的总体成本上升，造成系统吞吐量的下降.

6、分代（Generational Collecting）:
根据垃圾回收对象的特性，不同阶段最优的方式是使用合适的算法用于本阶段的垃圾回收，分代算法即是基于这种思想，它将内存区间根据对象的特点分成几块，根据每块内存区间的特点，使用不同的回收算法，以提高垃圾回收的效率。以 Hot Spot 虚拟机为例，它将所有的新建对象都放入称为年轻代的内存区域，年轻代的特点是对象会很快回收，因此，在年轻代就选择效率较高的复制算法。当一个对象经过几次回收后依然存活，对象就会被放入称为老生代的内存空间。在老生代中，几乎所有的对象都是经过几次垃圾回收后依然得以幸存的。因此，可以认为这些对象在一段时期内，甚至在应用程序的整个生命周期中，将是常驻内存的。如果依然使用复制算法回收老生代，将需要复制大量对象。再加上老生代的回收性价比也要低于新生代，因此这种做法也是不可取的。根据分代的思想，可以对老年代的回收使用与新生代不同的标记-压缩算法，以提高垃圾回收效率。

从不同角度分析垃圾收集器，可以将其分为不同的类型。

按线程数分，可以分为串行垃圾回收器和并行垃圾回收器。串行垃圾回收器一次只使用一个线程进行垃圾回收；并行垃圾回收器一次将开启多个线程同时进行垃圾回收。在并行能力较强的 CPU 上，使用并行垃圾回收器可以缩短 GC 的停顿时间。
按照工作模式分，可以分为并发式垃圾回收器和独占式垃圾回收器。并发式垃圾回收器与应用程序线程交替工作，以尽可能减少应用程序的停顿时间；独占式垃圾回收器 (Stop the world) 一旦运行，就停止应用程序中的其他所有线程，直到垃圾回收过程完全结束。
按碎片处理方式可分为压缩式垃圾回收器和非压缩式垃圾回收器。压缩式垃圾回收器会在回收完成后，对存活对象进行压缩整理，消除回收后的碎片；非压缩式的垃圾回收器不进行这步操作。
按工作的内存区间，又可分为新生代垃圾回收器和老年代垃圾回收器。

可以用以下指标评价一个垃圾处理器的好坏。
吞吐量：指在应用程序的生命周期内，应用程序所花费的时间和系统总运行时间的比值。系统总运行时间=应用程序耗时+GC 耗时。如果系统运行了 100min，GC 耗时 1min，那么系统的吞吐量就是 (100-1)/100=99%。
垃圾回收器负载：和吞吐量相反，垃圾回收器负载指来记回收器耗时与系统运行总时间的比值。
停顿时间：指垃圾回收器正在运行时，应用程序的暂停时间。对于独占回收器而言，停顿时间可能会比较长。使用并发的回收器时，由于垃圾回收器和应用程序交替运行，程序的停顿时间会变短，但是，由于其效率很可能不如独占垃圾回收器，故系统的吞吐量可能会较低。
垃圾回收频率：指垃圾回收器多长时间会运行一次。一般来说，对于固定的应用而言，垃圾回收器的频率应该是越低越好。通常增大堆空间可以有效降低垃圾回收发生的频率，但是可能会增加回收产生的停顿时间。
反应时间：指当一个对象被称为垃圾后多长时间内，它所占据的内存空间会被释放。
堆分配：不同的垃圾回收器对堆内存的分配方式可能是不同的。一个良好的垃圾收集器应该有一个合理的堆内存区间划分。

JVM垃圾回收器分类

一、串行收集器
1、新生代串行收集器
特点：
• 使用单线程回收；
• 独占式回收；
使用算法：复制算法
回收时所有应用线程要暂停，在单核CPU上性能比并行收集好；
启用参数：-XX:+UseSerialGC，指定使用新生代串行收集器和老年代串行收集器。

2、老年代串行收集器：
使用算法：标记-压缩算法；
对应用程序影响时间较长；
启用参数：-XX:+UseSerialGC

若使用-XX:+UseParNewGC参数，表示新生代用并行收集，老年代用串行收集；
如果使用-XX:+UseParallelGC 参数设置，表示新生代和老年代均使用并行回收收集器；

二、并行收集器

并行收集器是工作在新生代的垃圾收集器，它只简单地将串行回收器多线程化。它的回收策略、算法以及参数和串行回收器一样。
并行回收器也是独占式的回收器，在收集过程中，应用程序会全部暂停。但由于并行回收器使用多线程进行垃圾回收，因此，在并发能力比较强的 CPU 上，它产生的停顿时间要短于串行回收器，而在单 CPU 或者并发能力较弱的系统中，并行回收器的效果不会比串行回收器好，由于多线程的压力，它的实际表现很可能比串行回收器差。
开启并行回收器可以使用参数-XX:+UseParNewGC，该参数设置新生代使用并行收集器，老年代使用串行收集器。
设置参数-XX:+UseConcMarkSweepGC 可以要求新生代使用并行收集器，老年代使用 CMS。

并行收集器工作时的线程数量可以使用-XX:ParallelGCThreads 参数指定。一般，最好与 CPU 数量相当，避免过多的线程数影响垃圾收集性能。在默认情况下，当 CPU 数量小于 8 个，ParallelGCThreads 的值等于 CPU 数量，大于 8 个，ParallelGCThreads 的值等于 3+[5*CPU_Count]/8]。

三、CMS收集器（Concurrent Mark Sweep）：

使用的是标记-清除算法，同时它又是一个使用多线程并发回收的垃圾收集器。
CMS 工作时，主要步骤有：初始标记、并发标记、重新标记、并发清除和并发重置。其中初始标记和重新标记是独占系统资源的，而并发标记、并发清除和并发重置是可以和用户线程一起执行的。因此，从整体上来说，CMS 收集不是独占式的，它可以在应用程序运行过程中进行垃圾回收。

根据标记-清除算法，初始标记、并发标记和重新标记都是为了标记出需要回收的对象。并发清理则是在标记完成后，正式回收垃圾对象；并发重置是指在垃圾回收完成后，重新初始化 CMS 数据结构和数据，为下一次垃圾回收做好准备。并发标记、并发清理和并发重置都是可以和应用程序线程一起执行的。

CMS 收集器在其主要的工作阶段虽然没有暴力地彻底暂停应用程序线程，但是由于它和应用程序线程并发执行，相互抢占 CPU，所以在 CMS 执行期内对应用程序吞吐量造成一定影响。CMS 默认启动的线程数是 (ParallelGCThreads+3)/4),ParallelGCThreads 是新生代并行收集器的线程数，也可以通过-XX:ParallelCMSThreads 参数手工设定 CMS 的线程数量。当 CPU 资源比较紧张时，受到 CMS 收集器线程的影响，应用程序的性能在垃圾回收阶段可能会非常糟糕。

由于 CMS 收集器不是独占式的回收器，在 CMS 回收过程中，应用程序仍然在不停地工作。在应用程序工作过程中，又会不断地产生垃圾。这些新生成的垃圾在当前 CMS 回收过程中是无法清除的。同时，因为应用程序没有中断，所以在 CMS 回收过程中，还应该确保应用程序有足够的内存可用。因此，CMS 收集器不会等待堆内存饱和时才进行垃圾回收，而是当前堆内存使用率达到某一阈值时，便开始进行回收，以确保应用程序在 CMS 工作过程中依然有足够的空间支持应用程序运行。

这个回收阈值可以使用-XX:CMSInitiatingOccupancyFraction 来指定，默认是 68。即当老年代的空间使用率达到 68%时，会执行一次 CMS 回收。如果应用程序的内存使用率增长很快，在 CMS 的执行过程中，已经出现了内存不足的情况，此时，CMS 回收将会失败，JVM 将启动老年代串行收集器进行垃圾回收。如果这样，应用程序将完全中断，直到垃圾收集完成，这时，应用程序的停顿时间可能很长。因此，根据应用程序的特点，可以对-XX:CMSInitiatingOccupancyFraction 进行调优。如果内存增长缓慢，则可以设置一个稍大的值，大的阈值可以有效降低 CMS 的触发频率，减少老年代回收的次数可以较为明显地改善应用程序性能。反之，如果应用程序内存使用率增长很快，则应该降低这个阈值，以避免频繁触发老年代串行收集器。
标记-清除算法将会造成大量内存碎片，离散的可用空间无法分配较大的对象。在这种情况下，即使堆内存仍然有较大的剩余空间，也可能会被迫进行一次垃圾回收，以换取一块可用的连续内存，这种现象对系统性能是相当不利的，为了解决这个问题，CMS 收集器还提供了几个用于内存压缩整理的算法。
-XX:+UseCMSCompactAtFullCollection 参数可以使 CMS 在垃圾收集完成后，进行一次内存碎片整理。内存碎片的整理并不是并发进行的。-XX:CMSFullGCsBeforeCompaction 参数可以用于设定进行多少次 CMS 回收后，进行一次内存压缩。
-XX:CMSInitiatingOccupancyFraction 设置为 100，同时设置-XX:+UseCMSCompactAtFullCollection 和-XX:CMSFullGCsBeforeCompaction，日志输出如下：

四、G1收集器（Garbage First）:
G1 收集器的目标是作为一款服务器的垃圾收集器，因此，它在吞吐量和停顿控制上，预期要优于 CMS 收集器。
与 CMS 收集器相比，G1 收集器是基于标记-压缩算法的。因此，它不会产生空间碎片，也没有必要在收集完成后，进行一次独占式的碎片整理工作。G1 收集器还可以进行非常精确的停顿控制。它可以让开发人员指定当停顿时长为 M 时，垃圾回收时间不超过 N。使用参数-XX:+UnlockExperimentalVMOptions –XX:+UseG1GC 来启用 G1 回收器，设置 G1 回收器的目标停顿时间：-XX:MaxGCPauseMills=20,-XX:GCPauseIntervalMills=200。
各类收集器的参数设置：
1、串行收集：
• -XX:+UseSerialGC:在新生代和老年代使用串行回收器。
• -XX:+SuivivorRatio:设置 eden 区大小和 survivor 区大小的比例。
• -XX:+PretenureSizeThreshold:设置大对象直接进入老年代的阈值。当对象的大小超过这个值时，将直接在老年代分配。
• -XX:MaxTenuringThreshold:设置对象进入老年代的年龄的最大值。每一次 Minor GC 后，对象年龄就加 1。任何大于这个年龄的对象，一定会进入老年代。
2、并行收集：
• -XX:+UseParNewGC: 在新生代使用并行收集器。
• -XX:+UseParallelOldGC: 老年代使用并行回收收集器。
• -XX:ParallelGCThreads：设置用于垃圾回收的线程数。通常情况下可以和 CPU 数量相等。但在 CPU 数量比较多的情况下，设置相对较小的数值也是合理的。
• -XX:MaxGCPauseMills：设置最大垃圾收集停顿时间。它的值是一个大于 0 的整数。收集器在工作时，会调整 Java 堆大小或者其他一些参数，尽可能地把停顿时间控制在 MaxGCPauseMills 以内。
• -XX:GCTimeRatio:设置吞吐量大小，它的值是一个 0-100 之间的整数。假设 GCTimeRatio 的值为 n，那么系统将花费不超过 1/(1+n) 的时间用于垃圾收集。
• -XX:+UseAdaptiveSizePolicy:打开自适应 GC 策略。在这种模式下，新生代的大小，eden 和 survivor 的比例、晋升老年代的对象年龄等参数会被自动调整，以达到在堆大小、吞吐量和停顿时间之间的平衡点。
3、CMS回收：
• -XX:+UseConcMarkSweepGC: 新生代使用并行收集器，老年代使用 CMS+串行收集器。
• -XX:+ParallelCMSThreads: 设定 CMS 的线程数量。
• -XX:+CMSInitiatingOccupancyFraction:设置 CMS 收集器在老年代空间被使用多少后触发，默认为 68%。
• -XX:+UseFullGCsBeforeCompaction:设定进行多少次 CMS 垃圾回收后，进行一次内存压缩。
• -XX:+CMSClassUnloadingEnabled:允许对类元数据进行回收。
• -XX:+CMSParallelRemarkEndable:启用并行重标记。
• -XX:CMSInitatingPermOccupancyFraction:当永久区占用率达到这一百分比后，启动 CMS 回收 (前提是-XX:+CMSClassUnloadingEnabled 激活了)。
• -XX:UseCMSInitatingOccupancyOnly:表示只在到达阈值的时候，才进行 CMS 回收。
• -XX:+CMSIncrementalMode:使用增量模式，比较适合单 CPU。
4、G1回收：
• -XX:+UseG1GC：使用 G1 回收器。
• -XX:+UnlockExperimentalVMOptions:允许使用实验性参数。
• -XX:+MaxGCPauseMills:设置最大垃圾收集停顿时间。
• -XX:+GCPauseIntervalMills:设置停顿间隔时间。
其它：
-XX:+DisableExplicitGC: 禁用显示 GC。
-XX:+PrintGCDetails可以打印出回收时的日志；

测试各类回收器性能

通过以下代码进行测试：

public class GCTest {
 static HashMap map = new HashMap();

 public static void main(String[] args){
  long beginTime = System.currentTimeMillis();
  for(int i = 0 ; i < 10000; i++){
   if(map.size() * 512 /1024 /1024 >= 400){
    map.clear();
    System.out.println("clean map ." );
   }
   byte[] b1;
   for(int j = 0 ; j < 100 ; j++){
    b1 = new byte[512];
    map.put(System.nanoTime(), b1);
   }
  }

  long endTime = System.currentTimeMillis();
  System.out.println("cost time = " + (endTime - beginTime));
 }
}

1、使用参数：-Xmx512M -Xms512M -XX:+UseParNewGC -XX:+PrintGCDetails
输出日志：

[GC [ParNew: 139776K->17472K(157248K), 0.1803160 secs] 139776K->140280K(506816K), 0.1803883 secs] [Times: user=0.56 sys=0.19, real=0.18 secs]
[GC [ParNew: 157248K->17472K(157248K), 0.2711340 secs] 280056K->276200K(506816K), 0.2711889 secs] [Times: user=0.72 sys=0.31, real=0.27 secs]
[GC [ParNew: 157248K->157248K(157248K), 0.0000339 secs][Tenured: 258728K->349567K(349568K), 0.9684936 secs] 415976K->414371K(506816K), [Perm : 3000K->3000K(21248K)], 0.9686498 secs] [Times: user=0.80 sys=0.17, real=0.97 secs]
clean map .
[Full GC [Tenured: 349567K->25323K(349568K), 0.2665431 secs] 506815K->25323K(506816K), [Perm : 3000K->3000K(21248K)], 0.2666136 secs] [Times: user=0.27 sys=0.00, real=0.27 secs]
cost time = 2854
Heap
 par new generation   total 157248K, used 80438K [0x00000000dae00000, 0x00000000e58a0000, 0x00000000e58a0000)
  eden space 139776K,  57% used [0x00000000dae00000, 0x00000000dfc8d8b8, 0x00000000e3680000)
  from space 17472K,   0% used [0x00000000e3680000, 0x00000000e3680000, 0x00000000e4790000)
  to   space 17472K,   0% used [0x00000000e4790000, 0x00000000e4790000, 0x00000000e58a0000)
 tenured generation   total 349568K, used 25323K [0x00000000e58a0000, 0x00000000fae00000, 0x00000000fae00000)
   the space 349568K,   7% used [0x00000000e58a0000, 0x00000000e715af18, 0x00000000e715b000, 0x00000000fae00000)
 compacting perm gen  total 21248K, used 3008K [0x00000000fae00000, 0x00000000fc2c0000, 0x0000000100000000)
   the space 21248K,  14% used [0x00000000fae00000, 0x00000000fb0f02e0, 0x00000000fb0f0400, 0x00000000fc2c0000)
No shared spaces configured.

2、使用参数：-Xmx512M -Xms512M -XX:+UseParallelOldGC -XX:+PrintGCDetails
输出日志：

[GC [PSYoungGen: 131072K->21792K(152896K)] 131072K->129088K(502464K), 0.3064344 secs] [Times: user=0.34 sys=0.16, real=0.31 secs]
[GC [PSYoungGen: 152864K->21808K(152896K)] 260160K->254904K(502464K), 0.2977679 secs] [Times: user=0.44 sys=0.22, real=0.30 secs]
[Full GC [PSYoungGen: 21808K->0K(152896K)] [ParOldGen: 233096K->254321K(349568K)] 254904K->254321K(502464K) [PSPermGen: 2999K->2998K(21248K)], 0.6638691 secs] [Times: user=1.33 sys=0.05, real=0.67 secs]
[Full GC [PSYoungGen: 131072K->0K(152896K)] [ParOldGen: 254321K->345816K(349568K)] 385393K->345816K(502464K) [PSPermGen: 2999K->2999K(21248K)], 0.7660950 secs] [Times: user=1.80 sys=0.20, real=0.77 secs]
[Full GC [PSYoungGen: 131072K->91702K(152896K)] [ParOldGen: 345816K->349566K(349568K)] 476888K->441269K(502464K) [PSPermGen: 2999K->2999K(21248K)], 0.6766073 secs] [Times: user=1.95 sys=0.02, real=0.68 secs]
[Full GC [PSYoungGen: 131072K->108185K(152896K)] [ParOldGen: 349566K->349566K(349568K)] 480638K->457752K(502464K) [PSPermGen: 2999K->2999K(21248K)], 0.4902473 secs] [Times: user=1.31 sys=0.00, real=0.49 secs]
cost time = 4342
Heap
 PSYoungGen      total 152896K, used 131072K [0x00000000f5560000, 0x0000000100000000, 0x0000000100000000)
  eden space 131072K, 100% used [0x00000000f5560000,0x00000000fd560000,0x00000000fd560000)
  from space 21824K, 0% used [0x00000000feab0000,0x00000000feab0000,0x0000000100000000)
  to   space 21824K, 0% used [0x00000000fd560000,0x00000000fd560000,0x00000000feab0000)
 ParOldGen       total 349568K, used 349566K [0x00000000e0000000, 0x00000000f5560000, 0x00000000f5560000)
  object space 349568K, 99% used [0x00000000e0000000,0x00000000f555fba8,0x00000000f5560000)
 PSPermGen       total 21248K, used 3007K [0x00000000dae00000, 0x00000000dc2c0000, 0x00000000e0000000)
  object space 21248K, 14% used [0x00000000dae00000,0x00000000db0efe38,0x00000000dc2c0000)

3、使用参数：-Xmx512M -Xms512M -XX:+UseSerialGC -XX:+PrintGCDetails

[GC [DefNew: 139776K->17472K(157248K), 0.4048346 secs] 139776K->135714K(506816K), 0.4049386 secs] [Times: user=0.31 sys=0.09, real=0.41 secs]
[GC [DefNew: 157248K->17471K(157248K), 0.4797975 secs] 275490K->267353K(506816K), 0.4798595 secs] [Times: user=0.34 sys=0.14, real=0.48 secs]
[GC [DefNew: 157247K->157247K(157248K), 0.0000442 secs][Tenured: 249881K->349568K(349568K), 0.9324502 secs] 407129K->403081K(506816K), [Perm : 3000K->3000K(21248K)], 0.9326095 secs] [Times: user=0.81 sys=0.13, real=0.93 secs]
clean map .
[Full GC [Tenured: 349568K->33918K(349568K), 0.2950052 secs] 506815K->33918K(506816K), [Perm : 3000K->3000K(21248K)], 0.2950708 secs] [Times: user=0.30 sys=0.00, real=0.29 secs]
cost time = 3276
Heap
 def new generation   total 157248K, used 69102K [0x00000000dae00000, 0x00000000e58a0000, 0x00000000e58a0000)
  eden space 139776K,  49% used [0x00000000dae00000, 0x00000000df17b850, 0x00000000e3680000)
  from space 17472K,   0% used [0x00000000e3680000, 0x00000000e3680000, 0x00000000e4790000)
  to   space 17472K,   0% used [0x00000000e4790000, 0x00000000e4790000, 0x00000000e58a0000)
 tenured generation   total 349568K, used 33918K [0x00000000e58a0000, 0x00000000fae00000, 0x00000000fae00000)
   the space 349568K,   9% used [0x00000000e58a0000, 0x00000000e79bf988, 0x00000000e79bfa00, 0x00000000fae00000)
 compacting perm gen  total 21248K, used 3008K [0x00000000fae00000, 0x00000000fc2c0000, 0x0000000100000000)
   the space 21248K,  14% used [0x00000000fae00000, 0x00000000fb0f02e0, 0x00000000fb0f0400, 0x00000000fc2c0000)
No shared spaces configured.

4、使用参数：-Xmx512M -Xms512M -XX:+UseConcMarkSweepGC -XX:+PrintGCDetails

[GC [ParNew: 52480K->6528K(59008K), 0.1747674 secs] 52480K->50947K(517760K), 0.1748763 secs] [Times: user=0.56 sys=0.06, real=0.17 secs]
[GC [ParNew: 59008K->6528K(59008K), 0.1178512 secs] 103427K->100866K(517760K), 0.1179405 secs] [Times: user=0.27 sys=0.08, real=0.12 secs]
[GC [ParNew: 59008K->6528K(59008K), 0.1307986 secs] 153346K->151775K(517760K), 0.1308767 secs] [Times: user=0.38 sys=0.13, real=0.13 secs]
[GC [ParNew: 59008K->6528K(59008K), 0.1157400 secs] 204255K->203747K(517760K), 0.1158458 secs] [Times: user=0.33 sys=0.06, real=0.12 secs]
[GC [ParNew: 59008K->6528K(59008K), 0.1220857 secs] 256227K->254945K(517760K), 0.1221615 secs] [Times: user=0.39 sys=0.06, real=0.12 secs]
[GC [1 CMS-initial-mark: 248417K(458752K)] 255966K(517760K), 0.0040992 secs] [Times: user=0.00 sys=0.00, real=0.00 secs]
[GC [ParNew: 59008K->6528K(59008K), 0.1154741 secs] 307425K->306472K(517760K), 0.1155477 secs] [Times: user=0.34 sys=0.05, real=0.12 secs]
[GC [ParNew: 59008K->6528K(59008K), 0.1097045 secs] 358952K->357908K(517760K), 0.1097733 secs] [Times: user=0.28 sys=0.08, real=0.11 secs]
[GC [ParNew: 59008K->6526K(59008K), 0.1162599 secs] 410388K->409418K(517760K), 0.1163295 secs] [Times: user=0.34 sys=0.05, real=0.12 secs]
[GC [ParNew: 53758K->6528K(59008K), 0.1117051 secs] 456649K->454827K(517760K), 0.1117608 secs] [Times: user=0.42 sys=0.02, real=0.11 secs]
clean map .
[GC [ParNew: 59008K->59008K(59008K), 0.0000460 secs][CMS[CMS-concurrent-mark: 0.459/0.914 secs] [Times: user=2.25 sys=0.19, real=0.91 secs]
 (concurrent mode failure): 448299K->30375K(458752K), 0.2656983 secs] 507307K->30375K(517760K), [CMS Perm : 3001K->3000K(21248K)], 0.2658541 secs] [Times: user=0.26 sys=0.00, real=0.27 secs]
[GC [ParNew: 52480K->6526K(59008K), 0.0339442 secs] 82855K->63031K(517760K), 0.0339969 secs] [Times: user=0.14 sys=0.00, real=0.03 secs]
cost time = 2381
Heap
 par new generation   total 59008K, used 22863K [0x00000000dae00000, 0x00000000dee00000, 0x00000000dee00000)
  eden space 52480K,  31% used [0x00000000dae00000, 0x00000000dbdf43b8, 0x00000000de140000)
  from space 6528K,  99% used [0x00000000de140000, 0x00000000de79fac0, 0x00000000de7a0000)
  to   space 6528K,   0% used [0x00000000de7a0000, 0x00000000de7a0000, 0x00000000dee00000)
 concurrent mark-sweep generation total 458752K, used 56505K [0x00000000dee00000, 0x00000000fae00000, 0x00000000fae00000)
 concurrent-mark-sweep perm gen total 21248K, used 3008K [0x00000000fae00000, 0x00000000fc2c0000, 0x0000000100000000)

vinin note

JVM-垃圾回收器工作原理

常见垃圾回收器算法：

JVM垃圾回收器分类

测试各类回收器性能