JVM进行年轻代垃圾回收时，需要准确判断年轻代对象是否还被老年代对象引用，要是直接遍历整个老年代去查找引用关系，会带来极高的性能开销。卡表和记忆集的出现就是为了解决这个问题，它们通过记录老年代对年轻代的引用关系，让GC时只需要扫描有引用记录的区域，不需要全堆扫描。
卡表与记忆集的核心原理
记忆集的作用
记忆集是一种抽象的数据结构，用来记录不同代际之间的引用关系。在分代回收的场景下，记忆集会记录老年代中哪些区域引用了年轻代的对象，这样年轻代GC时就不需要扫描整个老年代，只需要扫描记忆集标记的区域即可。
卡表的实现逻辑
卡表是记忆集的一种具体实现方式，它将整个老年代的内存空间划分成固定大小的区域，每个区域对应一个卡页，卡表就是一个字节数组，每个元素对应一个卡页的状态。如果某个卡页内的对象引用了年轻代的对象，就把这个卡页对应的卡表元素标记为脏卡。
年轻代GC时，只需要遍历卡表中标记为脏卡的卡页，检查这些卡页内的对象对年轻代的引用即可，不需要扫描整个老年代，这就是规避全堆扫描的核心逻辑。
排查机制生效的常用思路
1. 查看GC日志验证扫描范围
首先可以开启JVM的GC日志，观察年轻代GC时的扫描范围相关参数。可以通过-XX:+PrintGCDetails -XX:+PrintGCDateStamps参数开启详细GC日志，查看GC过程中扫描的卡表相关信息。
示例的JVM启动参数如下：
java -XX:+UseParNewGC -XX:+UseConcMarkSweepGC -XX:+PrintGCDetails -XX:+PrintGCDateStamps -XX:NewRatio=2 -Xmx512m -Xms512m Main
2. 验证卡表脏卡标记逻辑
可以通过代码模拟老年代引用年轻代对象的场景，观察卡表的标记情况。下面的示例代码会先创建年轻代对象，再让老年代对象引用该年轻代对象，触发卡表的脏卡标记。
import java.util.ArrayList;
import java.util.List;
public class CardTableTest {
// 老年代对象列表，用来持有年轻代对象的引用
private static List<Object> oldReferences = new ArrayList<>();
public static void main(String[] args) {
// 先触发几次年轻代GC，让部分对象进入老年代
for (int i = 0; i < 10; i++) {
allocateObjects();
System.gc();
}
// 此时oldReferences中的对象已经进入老年代
// 再创建新的年轻代对象，让老年代对象引用它
Object youngObj = new Object();
oldReferences.add(youngObj);
// 再次触发年轻代GC，此时GC会通过卡表找到这个引用，不会回收youngObj
System.gc();
}
private static void allocateObjects() {
List<byte[]> temp = new ArrayList<>();
for (int i = 0; i < 100; i++) {
temp.add(new byte[1024 * 10]);
}
}
}
3. 分析卡表相关的JVM参数配置
可以通过JVM参数调整卡表的相关配置，排查参数是否合理。常见的相关参数如下：
| 参数名称 | 参数作用 | 默认值 |
|---|---|---|
| -XX:CardTableSize | 设置卡表的大小，单位是字节 | 根据堆大小自动计算 |
| -XX:+UseCardTable | 是否启用卡表机制 | 默认开启 |
| -XX:G1ConcRefinementThreads | G1回收器下处理脏卡的线程数 | 根据CPU核心数自动计算 |
常见问题排查案例
如果发现年轻代GC时间异常变长，可能是卡表相关的机制出现了问题，比如脏卡过多、卡表处理线程不足等。可以按照以下步骤排查：
- 第一步：查看GC日志中年轻代GC的耗时，确认是否是扫描卡表阶段耗时过高
- 第二步：检查是否有大量老年代对象频繁引用年轻代对象，导致脏卡数量激增
- 第三步：如果是G1回收器，查看并发优化线程的数量是否合理，是否存在脏卡处理不及时的情况
- 第四步：调整卡表相关参数，比如适当增大卡表大小，或者增加脏卡处理线程数，观察GC耗时是否下降
注意事项
需要注意的是，不同的垃圾回收器对卡表和记忆集的实现会有差异，比如G1回收器的记忆集是记录跨Region的引用关系，而Parallel Scavenge和CMS回收器是基于分代的卡表实现。排查的时候需要结合使用的垃圾回收器类型来分析，不能一概而论。
另外，卡表的维护也会带来一定的性能开销，每次老年代对象引用年轻代对象的时候，都需要更新卡表的状态，所以如果应用中存在大量跨代引用的场景，也需要考虑是否要调整分代的大小，减少跨代引用的数量。