JVM原理与优化(编录)

虚拟机中的共划分为三个代:年轻代(Young Generation)、年老点(Old Generation)和持久代(Permanent Generation)。其中持久代主要存放的是Java类的类信息,与垃圾收集要收集的Java对象关系不大。年轻代和年老代的划分是对垃圾收集影响比较大的。 



年轻代: 
所有新生成的对象首先都是放在年轻代的。年轻代的目标就是尽可能快速的收集掉那些生命周期短的对象。年轻代分三个区。一个Eden区,两个Survivor区(一般而言)。大部分对象在Eden区中生成。当Eden区满时,还存活的对象将被复制到Survivor区(两个中的一个),当这个Survivor区满时,此区的存活对象将被复制到另外一个Survivor区,当这个Survivor区也满了的时候,从第一个Survivor区复制过来的并且此时还存活的对象,将被复制“年老区(Tenured)”。需要注意,Survivor的两个区是对称的,没先后关系,所以同一个区中可能同时存在从Eden复制过来 对象,和从前一个Survivor复制过来的对象,而复制到年老区的只有从第一个Survivor去过来的对象。而且,Survivor区总有一个是空的。同时,根据程序需要,Survivor区是可以配置为多个的(多于两个),这样可以增加对象在年轻代中的存在时间,减少被放到年老代的可能。 

年老代: 
在年轻代中经历了N次垃圾回收后仍然存活的对象,就会被放到年老代中。因此,可以认为年老代中存放的都是一些生命周期较长的对象。

持久代: 
用于存放静态文件,如今Java类、方法等。持久代对垃圾回收没有显著影响,但是有些应用可能动态生成或者调用一些class,例如Hibernate等,在这种时候需要设置一个比较大的持久代空间来存放这些运行过程中新增的类。持久代大小通过-XX:MaxPermSize=<N>进行设置。 

什么情况下触发垃圾回收 
由于对象进行了分代处理,因此垃圾回收区域、时间也不一样。GC有两种类型:Scavenge GC和Full GC。 

Scavenge GC 
一般情况下,当新对象生成,并且在Eden申请空间失败时,就会触发Scavenge GC,对Eden区域进行GC,清除非存活对象,并且把尚且存活的对象移动到Survivor区。然后整理Survivor的两个区。这种方式的GC是对年轻代的Eden区进行,不会影响到年老代。因为大部分对象都是从Eden区开始的,同时Eden区不会分配的很大,所以Eden区的GC会频繁进行。因而,一般在这里需要使用速度快、效率高的算法,使Eden去能尽快空闲出来。 

Full GC 
对整个堆进行整理,包括Young、Tenured和Perm。Full GC因为需要对整个对进行回收,所以比Scavenge GC要慢,因此应该尽可能减少Full GC的次数。在对JVM调优的过程中,很大一部分工作就是对于FullGC的调节。有如下原因可能导致Full GC: 
· 年老代(Tenured)被写满 
· 持久代(Perm)被写满 
· System.gc()被显示调用 
·上一次GC之后Heap的各域分配策略动态变化



更大的年轻代必然导致更小的年老代,大的年轻代会延长普通GC的周期,但会增加每次GC的时间;小的年老代会导致更频繁的Full GC 
更小的年轻代必然导致更大年老代,小的年轻代会导致普通GC很频繁,但每次的GC时间会更短;大的年老代会减少Full GC的频率 
如何选择应该依赖应用程序对象生命周期的分布情况:如果应用存在大量的临时对象,应该选择更大的年轻代;如果存在相对较多的持久对象,年老代应该适当增大。但很多应用都没有这样明显的特性,在抉择时应该根据以下两点:(A)本着Full GC尽量少的原则,让年老代尽量缓存常用对象,JVM的默认比例1:2也是这个道理 (B)通过观察应用一段时间,看其他在峰值时年老代会占多少内存,在不影响Full GC的前提下,根据实际情况加大年轻代,比如可以把比例控制在1:1。但应该给年老代至少预留1/3的增长空间 

http://xiangdefei.iteye.com/blog/2023644

内容概要:本文提出了一种基于主从博弈理论的售电商多元零售套餐设计多级市场购电策略,旨在优化售电商在复杂电力市场环境下的运营决策。通过构建主从博弈模型,将售电商作为领导者制定差异化零售套餐,用户作为追随者根据自身效用做出用电购电选择,从而实现供需双方的动态互动均衡。研究结合Matlab进行仿真码实现,完整复现了从模型构建、变量设定、均衡求解到结果分析的全过程,验证了该策略在提升售电商市场收益、降低用户用电成本、促进多级电力市场(如批发市场零售市场)协调运行方面的有效性,具备较高的理论深度工程应用价值; 适合人群:具备一定电力系统基础、博弈论知识及优化建模能力,从事电力市场、能源经济、综合能源系统等方向的科研人员、高校研究生及行业从业者; 使用场景及目标:①用于研究售电商在竞争性电力市场中的动态定价机制多元化套餐设计方法;②支撑售电商在多级市场环境下的购电组合优化风险规避决策;③为需求响应建模、用户行为分析及主从博弈在能源系统中的应用提供可复现的仿真框架码参考; 阅读建议:本文理论推导编程实践紧密结合,建议读者结合Matlab码逐模块学习模型实现过程,重点关注目标函数构建、约束条件处理、均衡点求解算法(如KKT条件应用)等关键环节,并可在现有模型基础上引入不确定性因素(如可再生能源出力波动、负荷预测误差)以拓展模型的鲁棒性实用性。
内容概要:本文详细介绍了基于Matlab实现的5节点电力系统潮流计算,重点采用牛顿-拉夫逊法(牛拉法)和PQ分解法两种经典数值算法进行求解。通过构建节点导纳矩阵、建立功率平衡方程并对其进行线性化处理,系统阐述了两种方法在迭求解过程中的实现机制。资源涵盖完整的算法流程、高可读性码实现、详尽的注释说明以及收敛特性分析,直观展示了牛拉法在收敛速度精度上的优势,以及PQ分解法在简化计算方面的实用性,帮助读者深入掌握电力系统稳态分析的核心原理工程应用技巧。; 适合人群:具备电力系统分析基础理论知识,熟悉Matlab编程环境,从事电气工程、电力系统规划、运行控制等领域研究的研究生、科研人员及工程技术人员。; 使用场景及目标:①深入理解牛顿-拉夫逊法PQ分解法的数学原理结构差异;②通过编程实践提升对潮流计算中雅可比矩阵构造、修正方程求解收敛判据设置的能力;③为复杂电网的稳态仿真、优化调度、状态估计及后续动态分析提供扎实的算法基础技术储备; 阅读建议:建议结合经典电力系统分析教材同步学习,先掌握算法的理论推导,再逐行调试Matlab码,重点关注不同初值设定、参数变化对收敛性能的影响,鼓励自行修改网络拓扑或负荷参数以观察算法表现,从而深化对潮流计算鲁棒性适用性的理解。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值