博客
关于我
在TLAB(线程本地分配缓存)上分配对象
阅读量:334 次
发布时间:2019-03-03

本文共 665 字,大约阅读时间需要 2 分钟。

JVM的Thread Local Allocation Buffer(TLAB)是一种优化技术,旨在提升多线程环境下的内存分配效率。传统的分配方式在多线程环境下会导致频繁的同步操作,影响性能。TLAB通过为每个线程分配私有缓存空间,解决了这一问题。

TLAB的作用

TLAB的主要作用是为每个线程分配私有内存缓存,用于存放新对象的分配指针。由于线程私有的分配空间不会发生对象逃逸,JVM将其优化为栈分配方式。当线程终止时,这些对象会自动回收,无需等待GC。对于可能发生逃逸的对象,JVM仍会将其分配到共享的堆空间(eden区),确保其他线程也能访问这些对象。

使用TLAB的性能差异

TLAB默认启用,可以通过参数-XX:-UseTLAB关闭。启用TLAB的程序通常在内存分配速度上更快,特别是在多线程环境下。关闭TLAB时,所有线程都将共享同一堆空间,频繁的同步操作会显著增加程序开销。

分配策略

TLAB的分配策略基于对象大小和线程需求。对于小对象,若TLAB空间足够,直接分配到线程的私有缓存中。若空间不足或对象过大,JVM会将其分配到堆空间。TLAB的分配是动态的,线程会根据需求申请和释放空间。JVM内部通过refill_waste参数控制空间浪费比例,确保合理分配。

Java对象分配过程

JVM的对象分配流程从栈优先分配开始,若对象可能逃逸则分配到堆中。若不符合栈分配条件,进入TLAB分配。若TLAB空间不足,进入慢分配模式,直接分配到堆空间。对于大对象,直接进入老年代分配。整个流程确保了内存分配的效率和正确性。

转载地址:http://sstm.baihongyu.com/

你可能感兴趣的文章
Python基础之基本数据类型一《数字与字符串》
查看>>
python基础之--迭代器和生成器及异常处理
查看>>
python基础之--包和模块
查看>>
python基础之---面向对象--属性和方法
查看>>
python基础之---语句
查看>>
python基础之---正则表达式
查看>>
python基础之---函数式编程
查看>>
Python基础——MySQL数据库基本操作
查看>>
Python基础_列表 list
查看>>
python基础---->常用模块
查看>>
Python基础(2):控制结构
查看>>
Python基础 | 关于“循环”那些事
查看>>
python系列【仅供参考】:python 远程rdp
查看>>
python基于flask搭建http服务(四)—— Docker容器化部署
查看>>
Python块键盘/鼠标输入
查看>>
python在使用HTMLTestRunner时,报告为空,错误提示<_io.TextIOWrapper name='<stderr>' mode='w' encoding='utf_8'>...
查看>>
python在gpu上运行_【python】python开启GPU加速
查看>>
Python在def函数中使用for循环
查看>>
Python在def函数中使用for循环
查看>>
Python在Conda环境中,但在Windows虚拟环境中没有激活
查看>>