面试题答案
一键面试1. 内存分配策略与垃圾回收算法的协同工作
TLAB（Thread - Local Allocation Buffer）与垃圾回收算法
- TLAB原理：TLAB是Java堆内存中的一块线程私有的区域，每个线程在分配对象时，优先在自己的TLAB中进行分配。这样可以避免多线程竞争堆内存分配时的锁开销。
- 与垃圾回收算法协同：
- CMS（Concurrent Mark - Sweep）：CMS在并发标记和清理阶段，TLAB的存在不影响CMS对堆内存的整体扫描。由于TLAB是线程私有的，CMS在回收时不需要特殊处理TLAB。当TLAB空间不足时，线程会重新申请新的TLAB空间，申请过程可能会涉及到与堆内存的交互，但这不会干扰CMS的并发回收流程。
- G1（Garbage - First）：G1将堆内存划分为多个Region，TLAB是在每个线程中独立存在的。G1在回收时，同样不需要特殊处理TLAB。TLAB的分配和使用与G1对Region的管理是相互独立的，只是在垃圾回收时，G1会清理包含在Region中的已分配对象，其中可能包含来自TLAB的对象。
偏向锁与垃圾回收算法
- 偏向锁原理：偏向锁是一种优化锁获取的机制，当一个线程首次获取锁时，会在锁对象的Mark Word中记录该线程的ID，后续该线程再次获取锁时，只需要检查Mark Word中的线程ID是否与自己一致，若一致则无需再次获取锁，从而减少锁竞争开销。
- 与垃圾回收算法协同：
- CMS：在CMS的并发标记阶段，如果发现某个对象的偏向锁被持有，CMS会将偏向锁撤销，使其恢复到无锁状态，然后再进行正常的标记和回收。这是因为CMS在并发回收过程中需要准确判断对象的可达性，偏向锁的存在可能会干扰这种判断。
- G1：G1在回收过程中同样需要处理偏向锁。当G1进行垃圾回收时，会对对象的偏向锁状态进行处理，撤销偏向锁以确保能够准确标记和回收对象。
2. 高并发场景下协同可能遇到的问题及解决方案
问题
- TLAB相关问题：
- TLAB空间竞争：在高并发场景下，可能会出现大量线程同时快速耗尽自己的TLAB空间，导致频繁申请新的TLAB空间，增加了堆内存的竞争压力。
- TLAB内存浪费：如果TLAB的大小设置不合理，可能会导致部分TLAB空间在使用完之前，线程就结束了，从而造成内存浪费。
- 偏向锁相关问题：
- 偏向锁撤销开销：在高并发场景下，锁竞争频繁，偏向锁可能频繁被撤销，这会带来额外的性能开销。因为撤销偏向锁需要进行一系列的操作，如恢复锁对象的Mark Word状态等。
- 偏向锁误判：如果一个对象在初始化后很快被多个线程竞争访问，偏向锁可能会导致不必要的偏向锁撤销和重新偏向操作，降低系统性能。
解决方案
- TLAB相关解决方案：
- 优化TLAB分配策略：可以根据应用的特点和线程模型，动态调整TLAB的大小。例如，对于线程生命周期较长且对象分配频繁的应用，可以适当增大TLAB的初始大小；对于线程短暂且对象分配不频繁的应用，减小TLAB的初始大小。同时，可以采用更智能的TLAB分配算法，如基于线程活跃度和对象分配频率的分配算法，以减少TLAB空间竞争。
- 回收闲置TLAB：可以定期检查线程的TLAB使用情况，对于长时间闲置的TLAB，将其内存归还给堆内存，以减少内存浪费。
- 偏向锁相关解决方案：
- 调整偏向锁启用条件：可以根据应用的实际情况，调整偏向锁的启用条件。例如，对于锁竞争频繁的场景，可以适当延迟偏向锁的启用时间，或者直接禁用偏向锁，采用轻量级锁或重量级锁机制。
- 优化偏向锁撤销算法：可以对偏向锁撤销算法进行优化，减少撤销操作的开销。例如，采用更高效的Mark Word状态恢复方法，或者在撤销偏向锁时，尽量复用已有的数据，避免重复计算。