一、JVM垃圾回收机制（桌面/服务器端）
1. 核心算法：分代收集
新生代回收（Minor GC）
触发条件：Eden区满时触发
算法：复制算法（Eden → Survivor区）
过程：存活对象在Survivor区间复制，年龄+1；年龄超阈值（默认15）晋升老年代
老年代回收（Major GC/Full GC）
触发条件：老年代空间不足
算法：标记-清除（产生碎片）或标记-整理（无碎片）
耗时：10倍于Minor GC，导致应用暂停（STW）
2. 对象存活判定：可达性分析
GC Roots类型：
虚拟机栈局部变量
方法区静态变量与常量
JNI引用对象
解决循环引用：不可达对象判定为垃圾（对比引用计数法）
3. GC触发场景
| GC类型 | 触发条件 | 影响范围 |
|---|---|---|
| Minor GC | Eden区满 | 仅新生代 |
| Full GC | 老年代满/调用System.gc() | 全堆+方法区 |
| MetaSpace GC | 类元数据超限 | 元空间 |
二、Dalvik垃圾回收机制（Android 4.4及之前）
1. 核心设计：移动端适配
堆结构：
Zygote堆：预加载系统类（进程间共享）
Active堆：应用独享，对象分配主区域
回收算法：标记-清除（Mark-Sweep）
位图标记：独立空间记录对象状态，减少对象头开销
三次STW：
每次暂停约5-10ms，导致界面卡顿
2. 致命缺陷
全堆扫描：每次GC需遍历所有对象
内存碎片：清除后产生不连续空间，大对象分配失败
高功耗：频繁GC增加CPU负载
三、ART垃圾回收机制（Android 5.0+）
1. 革命性优化
2. 核心机制解析
并发标记清除（CMS）：
标记阶段：
初始标记（STW暂停1次）：标记根对象（耗时≤1ms）
并发标记：与应用线程并行遍历引用链
最终标记（非STW）：处理引用变更（ModUnionTable记录脏数据）
清除阶段：后台线程异步回收
分代策略增强：
年轻代：复制算法（Minor GC <2ms）
老年代：标记-整理（避免碎片）
大对象直存老年代：避免年轻代频繁回收
3. GC触发条件
| GC原因 | 触发场景 | 线程影响 |
|---|---|---|
| kGcCauseForAlloc | 分配对象时内存不足 | STW暂停 |
| kGcCauseBackground | 后台并发GC（堆使用达阈值） | 无STW |
| kGcCauseExplicit | 调用System.gc() | STW暂停 |
四、三大运行时GC机制对比
| 维度 | JVM | Dalvik | ART |
|---|---|---|---|
| 堆结构 | 新生代+老年代+元空间 | Zygote堆+Active堆 | Image/Zygote/Allocation/Large Object Space |
| 回收算法 | 分代收集（复制+标记整理） | 标记-清除（全堆扫描） | CMS（并发标记+增量清除） |
| STW暂停 | Full GC时显著暂停 | 3次暂停/次GC | 仅1次初始标记暂停 |
| 碎片处理 | 标记整理压缩 | 无优化（依赖Bionic） | 在线内存压缩（ART 10+） |
| 移动端优化 | 无 | 写时复制共享Zygote堆 | AOT+JIT混合编译 |
| 典型GC耗时 | Full GC：100ms+ | 每次暂停5-10ms | Minor GC：<2ms；Full GC：5-10ms |
五、面试标准答案（背诵版）
Q：JVM、Dalvik与ART的GC核心区别？
A： 三者本质是不同场景的运行时环境，核心差异如下：
算法设计：
JVM：分代收集（新生代复制算法+老年代标记整理）
Dalvik：标记-清除（全堆扫描，三次STW卡顿严重）
ART：并发标记清除（CMS仅1次STW，增量清除减少卡顿）
堆结构：
JVM：新生代（Eden+Survivor）+老年代
Dalvik：Zygote堆（共享）+Active堆（进程独享）
ART：四空间划分（Image预加载类+Large Object专存大对象）
移动端优化：
Dalvik：写时复制共享系统类（节省内存）
ART：AOT预编译减少运行时开销，并发GC降低STW至1次
性能指标：
卡顿：ART（5ms）< Dalvik（30ms）< JVM Full GC（100ms+）
内存利用率：ART > JVM > Dalvik（碎片问题）128
Q：ART如何实现高效GC？
A： 四大关键技术：
并发标记：通过ModUnionTable记录引用变更，标记阶段仅需1次STW
增量清除：回收过程与应用线程并行
堆分区：Large Object Space隔离大对象，减少年轻代压力
AOT预编译：安装时生成机器码，减少运行时解释开销
)
的SVM多分类预测)
)
