G1模型如何利用历史GC数据实时估算各Region回收收益？
- 内容介绍
- 相关推荐
本文共计741个文字，预计阅读时间需要3分钟。
G1垃圾回收模型并非依赖静态规则，而是基于持续观察和动态授权——它使用衰减平均值（Decaying Average）将历史GC行为翻译成对下一次回收的精确估计。核心不是记录所有数据，而是让最近的体现来说明计算。
衰减均值怎么算？不是简单平均
G1 对每个 Region 的回收耗时、扫描对象数、复制数据量等关键指标，都维护一个衰减均值。公式本质是：
新均值 = α × 当前观测值 + (1 − α) × 旧均值
其中 α 是衰减因子（通常取 0.7–0.95），数值越大，越看重最新一次实测结果；越小，则历史数据影响越持久。比如某 Region 上次回收花了 8ms，之前均值是 6ms，α=0.8，那新均值就是 0.8×8 + 0.2×6 = 7.6ms。它天然淡化了上周那次异常慢的 20ms 回收，避免被偶然抖动带偏。
本文共计741个文字，预计阅读时间需要3分钟。
G1垃圾回收模型并非依赖静态规则，而是基于持续观察和动态授权——它使用衰减平均值（Decaying Average）将历史GC行为翻译成对下一次回收的精确估计。核心不是记录所有数据，而是让最近的体现来说明计算。
衰减均值怎么算？不是简单平均
G1 对每个 Region 的回收耗时、扫描对象数、复制数据量等关键指标，都维护一个衰减均值。公式本质是：
新均值 = α × 当前观测值 + (1 − α) × 旧均值
其中 α 是衰减因子（通常取 0.7–0.95），数值越大，越看重最新一次实测结果；越小，则历史数据影响越持久。比如某 Region 上次回收花了 8ms，之前均值是 6ms，α=0.8，那新均值就是 0.8×8 + 0.2×6 = 7.6ms。它天然淡化了上周那次异常慢的 20ms 回收，避免被偶然抖动带偏。