Shenandoah:OpenJDK 的垃圾回收器
2025-04-26 01:00:51作者:盛欣凯Ernestine
1. 项目介绍
Shenandoah 是 OpenJDK 项目中的一个实验性垃圾回收器,旨在为大型 Java 应用程序提供低延迟的垃圾回收服务。它是对 G1 垃圾回收器的改进,通过并发的方式来减少停顿时间,使得服务在高负载环境下能够更加连续稳定。
2. 项目快速启动
首先,您需要在您的系统上安装 Git 和 JDK。以下是快速启动 Shenandoah 的步骤:
# 克隆项目仓库
git clone https://github.com/openjdk/shenandoah.git
# 切换到项目目录
cd shenandoah
# 编译代码
./make.sh
# 编译成功后,可以找到构建的垃圾回收器jar包
# 通常在build/jdk-15/images/jdk/bin目录下
请注意,Shenandoah 目前是作为实验性特性存在于 OpenJDK 之中,可能需要特定版本的 JDK 才能编译和使用。
3. 应用案例和最佳实践
应用案例
- 大型 Java 应用程序,如大型电商平台的服务器后端。
- 实时数据处理系统,例如流处理引擎。
- 任何需要低延迟垃圾回收的场景。
最佳实践
- 在启用 Shenandoah 之前,请确保您的应用程序是线程安全的,因为并发标记阶段会遍历所有的活跃对象。
- 使用
-XX:+UnlockExperimentalVMOptions -XX:+UseShenandoahGC参数启动 JVM 来启用 Shenandoah。 - 适当地调整 JVM 参数,例如堆大小
-Xmx和-Xms,以及垃圾回收相关参数,以获得最佳性能。 - 监控垃圾回收器性能,使用如 JFR(Java Flight Recorder)等工具来记录和分析垃圾回收事件。
4. 典型生态项目
Shenandoah 作为 OpenJDK 的一部分,与整个 Java 生态系统兼容。以下是一些可能受益于 Shenandoah 的典型生态项目:
- Apache Kafka:用于构建实时数据管道和流应用程序。
- Spring Boot:用于快速开发 Java 应用程序的框架。
- Elasticsearch:一个分布式、RESTful 搜索和分析引擎。
通过使用 Shenandoah,这些项目可以减少垃圾回收的停顿时间,提供更加平滑的用户体验和更高的系统吞吐量。
登录后查看全文
热门项目推荐
ERNIE-4.5-VL-28B-A3B-ThinkingERNIE-4.5-VL-28B-A3B-Thinking 是 ERNIE-4.5-VL-28B-A3B 架构的重大升级,通过中期大规模视觉-语言推理数据训练,显著提升了模型的表征能力和模态对齐,实现了多模态推理能力的突破性飞跃Python00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
MiniMax-M2MiniMax-M2是MiniMaxAI开源的高效MoE模型,2300亿总参数中仅激活100亿,却在编码和智能体任务上表现卓越。它支持多文件编辑、终端操作和复杂工具链调用Python00
HunyuanVideo-1.5暂无简介00
MiniCPM-V-4_5MiniCPM-V 4.5 是 MiniCPM-V 系列中最新且功能最强的模型。该模型基于 Qwen3-8B 和 SigLIP2-400M 构建,总参数量为 80 亿。与之前的 MiniCPM-V 和 MiniCPM-o 模型相比,它在性能上有显著提升,并引入了新的实用功能Python00
Spark-Formalizer-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
GOT-OCR-2.0-hf阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00
项目优选
收起
deepin linux kernel
C
24
7
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
暂无简介
Dart
615
140
Ascend Extension for PyTorch
Python
167
187
React Native鸿蒙化仓库
JavaScript
240
315
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
647
255
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
373
3.18 K
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.09 K
618
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
62
19
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
261
92