Was sind die Auswirkungen der Leistung bei der Verwendung von ZGC mit Multi-Terrass-Haufen

1. Niedrige Latenz: ZGC soll die Pausezeiten minimieren und sicherstellen, dass die Anwendung auch bei großen Haufen reagiert. Dies erreicht dies, indem die meisten Müllsammlungsarbeiten gleichzeitig mit der Anwendung durchgeführt werden, was zu Pausezeiten von weniger als 10 ms [3] [4] führt.

2. Hochdurchsatz: ZGC ist so konzipiert, dass er einen hohen Durchsatz liefert, indem die Zeit für die Müllsammlung minimiert wird. Dies stellt sicher, dass die Anwendung auch unter starkem Speicherverbrauch weiterhin effizient ausführen kann [2] [4].

3. Multi-Mapping: ZGC verwendet Multi-Mapping, um verschiedene Bereiche des virtuellen Speichers in demselben physischen Speicher zuzuordnen. Dies kann zu einer erhöhten Speicherverwendung führen, da das Betriebssystem aufgrund der zusätzlichen Zuordnungen den 3 -fachen größeren Speicherverbrauch melden kann [1].

4. Farbige Zeiger: ZGC verwendet farbige Zeiger, um Metadaten in 64-Bit-Zeigern zu speichern. Dies kann zusätzliche Arbeiten erzeugen, wenn die Zeiger die Fertigkeiten der Multi-Mapping-Technik bei der Minderung dieses Overheads hilft [2].

5. Numa-Award: ZGC ist so konzipiert, dass es numa-bewusst ist, was bedeutet, dass es effiziente Haufen und mehrere CPU-Kerne effizient verarbeiten kann. Dies stellt sicher, dass der Müllsammler die verfügbaren Hardware -Ressourcen nutzen kann [2] [4].

6. Tuning -Optionen: ZGC verfügt über mehrere Tuning -Optionen, z. B. das Festlegen der maximalen Haufengröße und der Anzahl der gleichzeitigen GC -Threads. Diese Optionen können dazu beitragen, Speicherverbrauch und Müllsammlungsleistung auszugleichen [3] [4].

7. Experimentelles Merkmal: ZGC ist ein experimentelles Merkmal und erfordert spezifische Befehlszeilenoptionen, die aktiviert werden müssen. Es ist für Anwendungen geeignet, die sehr kurze Pausezeiten erfordern und große Speicherzuweisungen verarbeiten können [1] [3].

Zusammenfassend kann die Verwendung von ZGC mit Multi-Terrass-Haufen einen geringen Latenz, einen hohen Durchsatz und eine effiziente Speicherverwaltung liefern. Es erfordert jedoch eine sorgfältige Abstimmung und kann aufgrund von Multi-Mapping zu einem erhöhten Speicherverbrauch führen.