杭州营销型网站建设西安专业网站建设

深圳市罗湖区福寿殡葬用品店 2026/09/09 20:15:04

直接内存的分配与回收核心是 “Native 层分配内存 + Java 层持有引用 + Cleaner 机制回收”,全程需 JVM 与操作系统协同,具体原理如下:

一、直接内存的分配原理

1. 分配触发入口
  • 核心途径:通过ByteBuffer.allocateDirect(int capacity)(JDK 推荐)或Unsafe.allocateMemory(long size)(底层 Native 调用)触发分配。
  • 关键前提:分配前会检查直接内存已用容量是否超过-XX:MaxDirectMemorySize限制,若超过直接抛出OutOfMemoryError: Direct buffer memory
2. 分配核心流程
  1. 调用 Native 方法(如Unsafe.allocateMemory),向操作系统申请 “堆外内存”(直接内存)。
  2. 操作系统在本地内存中划分一块连续空间,返回该空间的起始地址(Native 地址)。
  3. 在 Java 堆中创建DirectByteBuffer对象,该对象仅存储 “Native 地址、内存容量、读写指针” 等元数据,不存储实际数据。
  4. DirectByteBuffer关联Cleaner对象(虚引用),绑定释放直接内存的回调逻辑(Deallocator),为后续回收做准备。
  5. 返回DirectByteBuffer对象给应用程序,程序通过该对象的 API(如get()put())间接操作 Native 层的直接内存。
3. 分配关键细节
  • 分配成本:高于堆内存,需跨 JVM 与操作系统调用,且直接内存的物理空间分配由操作系统管理(如内存对齐、空间分配策略)。
  • 无冗余开销:直接内存是原生内存块,无 Java 对象头、对齐填充等堆内存特有的冗余消耗。

二、直接内存的回收原理(与前文释放流程呼应,聚焦 “原理本质”)

1. 回收的核心依赖
  • 核心机制:Cleaner虚引用 + JVM 垃圾回收,无需手动干预(Unsafe手动分配除外)。
  • 关键对象:Cleaner持有DirectByteBuffer的虚引用和Deallocator释放器,虚引用不影响DirectByteBuffer的 GC 回收。
2. 回收核心流程
  1. 应用层释放DirectByteBuffer的所有强引用(如置为null、超出作用域),使其成为 GC 不可达对象。
  2. JVM 执行 GC 时,标记DirectByteBuffer为可回收对象,同时将关联的Cleaner加入引用队列(ReferenceQueue)。
  3. JVM 后台线程ReferenceHandler扫描引用队列,发现Cleaner后调用其clean()方法。
  4. clean()方法触发Deallocatorrun()方法,通过Unsafe.freeMemory(Native地址)调用 Native 函数。
  5. 操作系统回收对应的直接内存空间,GC 后续将DirectByteBuffer从 Java 堆中彻底回收。
3. 回收关键细节
  • 回收时机:依赖 GC 触发,若 GC 迟迟不执行,即使DirectByteBuffer不可达,直接内存也不会立即释放。
  • 手动分配特例:若通过Unsafe.allocateMemory直接分配,无Cleaner关联,必须手动调用Unsafe.freeMemory释放,否则导致内存泄漏。

三、分配与回收的核心对比

环节核心操作依赖组件关键约束
分配操作系统划分配外内存,Java 堆创建引用对象UnsafeDirectByteBufferMaxDirectMemorySize和系统总内存限制
回收触发 Native 释放函数,回收堆外内存Cleaner、GC、ReferenceHandler依赖DirectByteBuff
版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系我们进行投诉反馈,一经查实,立即删除!

小企业网站建设山东省建设厅网站

YOLO镜像支持GraphQL查询接口定制在智能制造车间的边缘服务器上,一台搭载YOLO模型的视觉检测节点正以每秒30帧的速度分析传送带上的产品缺陷。与此同时,三个不同的前

2026/06/30 13:20:05

黄石网站建设深圳外贸网站建设

第一章:R语言随机森林与高精度分类概述随机森林(Random Forest)是一种基于集成学习的机器学习算法,广泛应用于分类与回归任务中。在R语

2026/06/30 12:32:31

旅游网站建设山东网站建设

社交媒体图文匹配:提升用户发布体验万物识别-中文-通用领域的技术突破在社交媒体平台中,用户每天上传数以亿计的图片内容,如何让这些视觉信息与文字描述精准匹配&#

2026/06/30 12:57:34

英文网站建设山东网站建设

HuggingFace镜像网站同步更新lora-scripts项目,加速模型加载速度在生成式人工智能(AIGC)技术席卷各行各业的今天,越来越多

2026/06/30 13:32:36

网站建设书医院网站建设方案

在清晨的播客录制间里,一位创作者正通过AI语音助手与"虚拟嘉宾"进行深度对话——不同角色的声音切换流畅自然,情感表达细腻生动。这不再是科幻电影的场景

2026/06/30 11:24:55

遵义网站建设网站建设上海

AI配音进入精细化时代:时长比例调节(0.75x–1.25x)实战解析在短视频、虚拟主播和动画制作日益繁荣的今天,一个常被忽视却极为关键的问题浮

2026/06/30 11:25:25

深圳外贸网站建设河北网站建设

引言在物联网、工业互联网与运维监控领域,时序数据正以前所未有的速度迅猛增长。海量设备持续产生的数据流,对数据库提出了双重核心要求:既要支撑高速数据写入

2026/06/30 11:54:28

网站建设协议荆门网站建设

快速体验打开 InsCode(快马)平台 https://www.inscode.net输入框内输入如下内容:开发一个Redis数据可视化客户端的原型,能够图形化展示Red

2026/06/30 10:42:22

门户网站建设广东网站建设

第一章:Open-AutoGLM向量检索调优概述在大规模语言模型与知识检索融合的背景下,Open-AutoGLM作为支持自动化语义检索的开源框架,其向量检索模

2026/06/30 09:57:47