前言

G1 GC，全稱Garbage-First Garbage Collector，通過-XX:+UseG1GC引數來啟用，作為體驗版隨著JDK 6u14版本面世，在JDK 7u4版本發行時被正式推出，相信熟悉JVM的同學們都不會對它感到陌生。在JDK 9中，G1被提議設定為預設垃圾收集器（JEP 248）。在官網中，是這樣描述G1的：

The Garbage-First (G1) collector is a server-style garbage collector, targeted for multi-processor machines with large memories. It meets garbage collection (GC) pause time goals with a high probability, while achieving high throughput. The G1 garbage collector is fully supported in Oracle JDK 7 update 4 and later releases. The G1 collector is designed for applications that:
Can operate concurrently with applications threads like the CMS collector.
Compact free space without lengthy GC induced pause times.
Need more predictable GC pause durations.
Do not want to sacrifice a lot of throughput performance.
Do not require a much larger Java heap.

從官網的描述中，我們知道G1是一種伺服器端的垃圾收集器，應用在多處理器和大容量記憶體環境中，在實現高吞吐量的同時，儘可能的滿足垃圾收集暫停時間的要求。它是專門針對以下應用場景設計的:

• 像CMS收集器一樣，能與應用程式執行緒併發執行。
• 整理空閒空間更快。
• 需要GC停頓時間更好預測。
• 不希望犧牲大量的吞吐效能。

G1收集器的設計目標是取代CMS收集器，它同CMS相比，在以下方面表現的更出色：

• G1是一個有整理記憶體過程的垃圾收集器，不會產生很多記憶體碎片。
• G1的Stop The World(STW)更可控，G1在停頓時間上添加了預測機制，使用者可以指定期望停頓時間。

有了以上的特性，難怪有人說它是一款駕馭一切的垃圾收集器。本文帶大家來了解一下G1 GC的一些關鍵技術，為能正確的使用它，做好理論基礎的鋪墊。

G1中幾個重要概念

在G1的實現過程中，引入了一些新的概念，對於實現高吞吐、沒有記憶體碎片、收集時間可控等功能起到了關鍵作用。下面我們就一起看一下G1中的這幾個重要概念。

Region

傳統的GC收集器將連續的記憶體空間劃分為新生代、老年代和永久代（JDK 8去除了永久代，引入了元空間Metaspace），這種劃分的特點是各代的儲存地址（邏輯地址，下同）是連續的。如下圖所示：

而G1的各代儲存地址是不連續的，每一代都使用了n個不連續的大小相同的Region，每個Region佔有一塊連續的虛擬記憶體地址。如下圖所示：

在上圖中，我們注意到還有一些Region標明瞭H，它代表Humongous，這表示這些Region儲存的是巨大物件（humongous object，H-obj），即大小大於等於region一半的物件。H-obj有如下幾個特徵：

• H-obj直接分配到了old gen，防止了反覆拷貝移動。
• H-obj在global concurrent marking階段的cleanup 和 full GC階段回收。
• 在分配H-obj之前先檢查是否超過 initiating heap occupancy percent和the marking threshold, 如果超過的話，就啟動global concurrent marking，為的是提早回收，防止 evacuation failures 和 full GC。

為了減少連續H-objs分配對GC的影響，需要把大物件變為普通的物件，建議增大Region size。

一個Region的大小可以通過引數-XX:G1HeapRegionSize設定，取值範圍從1M到32M，且是2的指數。如果不設定，那麼G1會根據Heap大小自動決定。相關的設定程式碼如下：

// share/vm/gc_implementation/g1/heapRegion.cpp
// Minimum region size; we won't go lower than that.
// We might want to decrease this in the future, to deal with small
// heaps a bit more efficiently.
#define MIN_REGION_SIZE  (      1024 * 1024 )
// Maximum region size; we don't go higher than that. There's a good
// reason for having an upper bound. We don't want regions to get too
// large, otherwise cleanup's effectiveness would decrease as there
// will be fewer opportunities to find totally empty regions after
// marking.
#define MAX_REGION_SIZE  ( 32 * 1024 * 1024 )
// The automatic region size calculation will try to have around this
// many regions in the heap (based on the min heap size).
#define TARGET_REGION_NUMBER          2048
void HeapRegion::setup_heap_region_size(size_t initial_heap_size, size_t max_heap_size) {
  uintx region_size = G1HeapRegionSize;
  if (FLAG_IS_DEFAULT(G1HeapRegionSize)) {
    size_t average_heap_size = (initial_heap_size + max_heap_size) / 2;
    region_size = MAX2(average_heap_size / TARGET_REGION_NUMBER,
                       (uintx) MIN_REGION_SIZE);
  }
  int region_size_log = log2_long((jlong) region_size);
  // Recalculate the region size to make sure it's a power of
  // 2. This means that region_size is the largest power of 2 that's
  // <= what we've calculated so far.
  region_size = ((uintx)1 << region_size_log);
  // Now make sure that we don't go over or under our limits.
  if (region_size < MIN_REGION_SIZE) {
    region_size = MIN_REGION_SIZE;
  } else if (region_size > MAX_REGION_SIZE) {
    region_size = MAX_REGION_SIZE;
  }
}

SATB

全稱是Snapshot-At-The-Beginning，由字面理解，是GC開始時活著的物件的一個快照。它是通過Root Tracing得到的，作用是維持併發GC的正確性。
那麼它是怎麼維持併發GC的正確性的呢？根據三色標記演算法，我們知道物件存在三種狀態：

• 白：物件沒有被標記到，標記階段結束後，會被當做垃圾回收掉。
• 灰：物件被標記了，但是它的field還沒有被標記或標記完。
• 黑：物件被標記了，且它的所有field也被標記完了。

由於併發階段的存在，Mutator和Garbage Collector執行緒同時對物件進行修改，就會出現白物件漏標的情況，這種情況發生的前提是：

• Mutator賦予一個黑物件該白物件的引用。
• Mutator刪除了所有從灰物件到該白物件的直接或者間接引用。

對於第一個條件，在併發標記階段，如果該白物件是new出來的，並沒有被灰物件持有，那麼它會不會被漏標呢？Region中有兩個top-at-mark-start（TAMS）指標，分別為prevTAMS和nextTAMS。在TAMS以上的物件是新分配的，這是一種隱式的標記。對於在GC時已經存在的白物件，如果它是活著的，它必然會被另一個物件引用，即條件二中的灰物件。如果灰物件到白物件的直接引用或者間接引用被替換了，或者刪除了，白物件就會被漏標，從而導致被回收掉，這是非常嚴重的錯誤，所以SATB破壞了第二個條件。也就是說，一個物件的引用被替換時，可以通過write barrier 將舊引用記錄下來。

//  share/vm/gc_implementation/g1/g1SATBCardTableModRefBS.hpp
// This notes that we don't need to access any BarrierSet data
// structures, so this can be called from a static context.
template <class T> static void write_ref_field_pre_static(T* field, oop newVal) {
  T heap_oop = oopDesc::load_heap_oop(field);
  if (!oopDesc::is_null(heap_oop)) {
    enqueue(oopDesc::decode_heap_oop(heap_oop));
  }
}
// share/vm/gc_implementation/g1/g1SATBCardTableModRefBS.cpp
void G1SATBCardTableModRefBS::enqueue(oop pre_val) {
  // Nulls should have been already filtered.
  assert(pre_val->is_oop(true), "Error");
  if (!JavaThread::satb_mark_queue_set().is_active()) return;
  Thread* thr = Thread::current();
  if (thr->is_Java_thread()) {
    JavaThread* jt = (JavaThread*)thr;
    jt->satb_mark_queue().enqueue(pre_val);
  } else {
    MutexLockerEx x(Shared_SATB_Q_lock, Mutex::_no_safepoint_check_flag);
    JavaThread::satb_mark_queue_set().shared_satb_queue()->enqueue(pre_val);
  }
}

SATB也是有副作用的，如果被替換的白物件就是要被收集的垃圾，這次的標記會讓它躲過GC，這就是float garbage。因為SATB的做法精度比較低，所以造成的float garbage也會比較多。

RSet

全稱是Remembered Set，是輔助GC過程的一種結構，典型的空間換時間工具，和Card Table有些類似。還有一種資料結構也是輔助GC的：Collection Set（CSet），它記錄了GC要收集的Region集合，集合裡的Region可以是任意年代的。在GC的時候，對於old->young和old->old的跨代物件引用，只要掃描對應的CSet中的RSet即可。

邏輯上說每個Region都有一個RSet，RSet記錄了其他Region中的物件引用本Region中物件的關係，屬於points-into結構（誰引用了我的物件）。而Card Table則是一種points-out（我引用了誰的物件）的結構，每個Card 覆蓋一定範圍的Heap（一般為512Bytes）。G1的RSet是在Card Table的基礎上實現的：每個Region會記錄下別的Region有指向自己的指標，並標記這些指標分別在哪些Card的範圍內。 這個RSet其實是一個Hash Table，Key是別的Region的起始地址，Value是一個集合，裡面的元素是Card Table的Index。

下圖表示了RSet、Card和Region的關係

上圖中有三個Region，每個Region被分成了多個Card，在不同Region中的Card會相互引用，Region1中的Card中的物件引用了Region2中的Card中的物件，藍色實線表示的就是points-out的關係，而在Region2的RSet中，記錄了Region1的Card，即紅色虛線表示的關係，這就是points-into。
而維繫RSet中的引用關係靠post-write barrier和Concurrent refinement threads來維護，操作虛擬碼如下：

void oop_field_store(oop* field, oop new_value) {
  pre_write_barrier(field);             // pre-write barrier: for maintaining SATB invariant
  *field = new_value;                   // the actual store
  post_write_barrier(field, new_value); // post-write barrier: for tracking cross-region reference
}

post-write barrier記錄了跨Region的引用更新，更新日誌緩衝區則記錄了那些包含更新引用的Cards。一旦緩衝區滿了，Post-write barrier就停止服務了，會由Concurrent refinement threads處理這些緩衝區日誌。

RSet究竟是怎麼輔助GC的呢？在做YGC的時候，只需要選定young generation region的RSet作為根集，這些RSet記錄了old->young的跨代引用，避免了掃描整個old generation。 而mixed gc的時候，old generation中記錄了old->old的RSet，young->old的引用由掃描全部young generation region得到，這樣也不用掃描全部old generation region。所以RSet的引入大大減少了GC的工作量。

Pause Prediction Model

Pause Prediction Model 即停頓預測模型。它在G1中的作用是：

G1 uses a pause prediction model to meet a user-defined pause time target and selects the number of regions to collect based on the specified pause time target.

G1 GC是一個響應時間優先的GC演算法，它與CMS最大的不同是，使用者可以設定整個GC過程的期望停頓時間，引數-XX:MaxGCPauseMillis指定一個G1收集過程目標停頓時間，預設值200ms，不過它不是硬性條件，只是期望值。

那麼G1怎麼滿足使用者的期望呢？就需要這個停頓預測模型了。G1根據這個模型統計計算出來的歷史資料來預測本次收集需要選擇的Region數量，從而儘量滿足使用者設定的目標停頓時間。

停頓預測模型是以衰減標準偏差為理論基礎實現的：

//  share/vm/gc_implementation/g1/g1CollectorPolicy.hpp
double get_new_prediction(TruncatedSeq* seq) {
    return MAX2(seq->davg() + sigma() * seq->dsd(),
                seq->davg() * confidence_factor(seq->num()));
}

在這個預測計算公式中：davg表示衰減均值，sigma()返回一個係數，表示信賴度，dsd表示衰減標準偏差，confidence_factor表示可信度相關係數。而方法的引數TruncateSeq，顧名思義，是一個截斷的序列，它只跟蹤了序列中的最新的n個元素。

在G1 GC過程中，每個可測量的步驟花費的時間都會記錄到TruncateSeq（繼承了AbsSeq）中，用來計算衰減均值、衰減變數，衰減標準偏差等：

// src/share/vm/utilities/numberSeq.cpp

void AbsSeq::add(double val) {
  if (_num == 0) {
    // if the sequence is empty, the davg is the same as the value
    _davg = val;
    // and the variance is 0
    _dvariance = 0.0;
  } else {
    // otherwise, calculate both
    _davg = (1.0 - _alpha) * val + _alpha * _davg;
    double diff = val - _davg;
    _dvariance = (1.0 - _alpha) * diff * diff + _alpha * _dvariance;
  }
}

比如要預測一次GC過程中，RSet的更新時間，這個操作主要是將Dirty Card加入到RSet中，具體原理參考前面的RSet。每個Dirty Card的時間花費通過_cost_per_card_ms_seq來記錄，具體預測程式碼如下：

//  share/vm/gc_implementation/g1/g1CollectorPolicy.hpp

 double predict_rs_update_time_ms(size_t pending_cards) {
    return (double) pending_cards * predict_cost_per_card_ms();
 }
 double predict_cost_per_card_ms() {
    return get_new_prediction(_cost_per_card_ms_seq);
 }

get_new_prediction就是我們開頭說的方法，現在大家應該基本明白停頓預測模型的實現原理了。

GC過程

講完了一些基本概念，下面我們就來看看G1的GC過程是怎樣的。

G1 GC模式

G1提供了兩種GC模式，Young GC和Mixed GC，兩種都是完全Stop The World的。

• Young GC：選定所有年輕代裡的Region。通過控制年輕代的region個數，即年輕代記憶體大小，來控制young GC的時間開銷。
• Mixed GC：選定所有年輕代裡的Region，外加根據global concurrent marking統計得出收集收益高的若干老年代Region。在使用者指定的開銷目標範圍內儘可能選擇收益高的老年代Region。

由上面的描述可知，Mixed GC不是full GC，它只能回收部分老年代的Region，如果mixed GC實在無法跟上程式分配記憶體的速度，導致老年代填滿無法繼續進行Mixed GC，就會使用serial old GC（full GC）來收集整個GC heap。所以我們可以知道，G1是不提供full GC的。

上文中，多次提到了global concurrent marking，它的執行過程類似CMS，但是不同的是，在G1 GC中，它主要是為Mixed GC提供標記服務的，並不是一次GC過程的一個必須環節。global concurrent marking的執行過程分為四個步驟：

• 初始標記（initial mark，STW）。它標記了從GC Root開始直接可達的物件。
• 併發標記（Concurrent Marking）。這個階段從GC Root開始對heap中的物件標記，標記執行緒與應用程式執行緒並行執行，並且收集各個Region的存活物件資訊。
• 最終標記（Remark，STW）。標記那些在併發標記階段發生變化的物件，將被回收。
• 清除垃圾（Cleanup）。清除空Region（沒有存活物件的），加入到free list。

第一階段initial mark是共用了Young GC的暫停，這是因為他們可以複用root scan操作，所以可以說global concurrent marking是伴隨Young GC而發生的。第四階段Cleanup只是回收了沒有存活物件的Region，所以它並不需要STW。

Young GC發生的時機大家都知道，那什麼時候發生Mixed GC呢？其實是由一些引數控制著的，另外也控制著哪些老年代Region會被選入CSet。

• G1HeapWastePercent：在global concurrent marking結束之後，我們可以知道old gen regions中有多少空間要被回收，在每次YGC之後和再次發生Mixed GC之前，會檢查垃圾佔比是否達到此引數，只有達到了，下次才會發生Mixed GC。
• G1MixedGCLiveThresholdPercent：old generation region中的存活物件的佔比，只有在此引數之下，才會被選入CSet。
• G1MixedGCCountTarget：一次global concurrent marking之後，最多執行Mixed GC的次數。
• G1OldCSetRegionThresholdPercent：一次Mixed GC中能被選入CSet的最多old generation region數量

除了以上的引數，G1 GC相關的其他主要的引數有：

GC日誌

G1收集器的日誌與其他收集器有很大不同，源於G1獨立的體系架構和資料結構，下面這兩段日誌來源於美團點評的CRM系統線上生產環境。

Young GC日誌

我們先來看看Young GC的日誌：

garbage-first heap total 3145728K, used 336645K [0x0000000700000000, 0x00000007c0000000, 0x00000007c0000000)
//這行表示使用了G1垃圾收集器，total heap 3145728K，使用了336645K。
region size 1024K, 172 young (176128K), 13 survivors (13312K)
Region大小為1M，青年代佔用了172個（共176128K），倖存區佔用了13個（共13312K）。
Metaspace used 29944K, capacity 30196K, committed 30464K, reserved 1077248K
class space used 3391K, capacity 3480K, committed 3584K, reserved 1048576K
//java 8的新特性，去掉永久區，添加了元資料區，這塊不是本文重點，不再贅述。需要注意的是，之所以有committed和reserved，是因為沒有設定MetaspaceSize=MaxMetaspaceSize。
[GC pause (G1 Evacuation Pause) (young)
//GC原因，新生代minor GC。
[G1Ergonomics (CSet Construction) start choosing CSet, _pending_cards: 1461, predicted base time: 35.25 ms, remaining time: 64.75 ms, target pause time: 100.00 ms]
//發生minor GC和full GC時，所有相關region都是要回收的。而發生併發GC時，會根據目標停頓時間動態選擇部分垃圾對並多的Region回收，這一步就是選擇Region。_pending_cards是關於RSet的Card Table。predicted base time是預測的掃描card table時間。
[G1Ergonomics (CSet Construction) add young regions to CSet, eden: 159 regions, survivors: 13 regions, predicted young region time: 44.09 ms]
//這一步是新增Region到collection set，新生代一共159個Region，13個倖存區Region，這也和之前的（172 young (176128K), 13 survivors (13312K)）吻合。預計收集時間是44.09 ms。
[G1Ergonomics (CSet Construction) finish choosing CSet, eden: 159 regions, survivors: 13 regions, old: 0 regions, predicted pause time: 79.34 ms, target pause time: 100.00 ms]
//這一步是對上面兩步的總結。預計總收集時間79.34ms。
[Parallel Time: 8.1 ms, GC Workers: 4]
//由於收集過程是多執行緒並行（併發）進行，這裡是4個執行緒，總共耗時8.1ms（wall clock time）
[GC Worker Start (ms): Min: 27884.5, Avg: 27884.5, Max: 27884.5, Diff: 0.1]
//收集執行緒開始的時間，使用的是相對時間，Min是最早開始時間，Avg是平均開始時間，Max是最晚開始時間，Diff是Max-Min（此處的0.1貌似有問題）
[Ext Root Scanning (ms): Min: 0.4, Avg: 0.8, Max: 1.2, Diff: 0.8, Sum: 3.1]
//掃描Roots花費的時間，Sum表示total cpu time，下同。
[Update RS (ms): Min: 0.0, Avg: 0.3, Max: 0.6, Diff: 0.6, Sum: 1.4] [Processed Buffers: Min: 0, Avg: 2.8, Max: 5, Diff: 5, Sum: 11]
//Update RS (ms)是每個執行緒花費在更新Remembered Set上的時間。
[Scan RS (ms): Min: 0.0, Avg: 0.1, Max: 0.1, Diff: 0.1, Sum: 0.3]
//掃描CS中的region對應的RSet，因為RSet是points-into，所以這樣實現避免了掃描old generadion region，但是會產生float garbage。
[Code Root Scanning (ms): Min: 0.0, Avg: 0.1, Max: 0.2, Diff: 0.2, Sum: 0.6]
//掃描code root耗時。code root指的是經過JIT編譯後的程式碼裡，引用了heap中的物件。引用關係儲存在RSet中。
[Object Copy (ms): Min: 4.9, Avg: 5.1, Max: 5.2, Diff: 0.3, Sum: 20.4]
//拷貝活的物件到新region的耗時。
[Termination (ms): Min: 0.0, Avg: 0.0, Max: 0.0, Diff: 0.0, Sum: 0.0]
//執行緒結束，在結束前，它會檢查其他執行緒是否還有未掃描完的引用，如果有，則"偷"過來，完成後再申請結束，這個時間是執行緒之前互相同步所花費的時間。
[GC Worker Other (ms): Min: 0.0, Avg: 0.4, Max: 1.3, Diff: 1.3, Sum: 1.4]
//花費在其他工作上（未列出）的時間。
[GC Worker Total (ms): Min: 6.4, Avg: 6.8, Max: 7.8, Diff: 1.4, Sum: 27.2]
//每個執行緒花費的時間和。
[GC Worker End (ms): Min: 27891.0, Avg: 27891.3, Max: 27892.3, Diff: 1.3]
//每個執行緒結束的時間。
[Code Root Fixup: 0.5 ms]
//用來將code root修正到正確的evacuate之後的物件位置所花費的時間。
[Code Root Migration: 1.3 ms]
//更新code root 引用的耗時，code root中的引用因為物件的evacuation而需要更新。
[Code Root Purge: 0.0 ms]
//清除code root的耗時，code root中的引用已經失效，不再指向Region中的物件，所以需要被清除。
[Clear CT: 0.2 ms]
//清除card table的耗時。
[Other: 5.8 ms]
[Choose CSet: 0.0 ms]
[Ref Proc: 5.0 ms]
[Ref Enq: 0.1 ms]
[Redirty Cards: 0.0 ms]
[Free CSet: 0.2 ms]
//其他事項共耗時5.8ms，其他事項包括選擇CSet，處理已用物件，引用入ReferenceQueues，釋放CSet中的region到free list。
[Eden: 159.0M(159.0M)->0.0B(301.0M) Survivors: 13.0M->11.0M Heap: 328.8M(3072.0M)->167.3M(3072.0M)]
//新生代清空了，下次擴容到301MB。

global concurrent marking 日誌

對於global concurrent marking過程，它的日誌如下所示：

66955.252: [G1Ergonomics (Concurrent Cycles) request concurrent cycle initiation, reason: occupancy higher than threshold, occupancy: 1449132032 bytes, allocation request: 579608 bytes, threshold: 1449
551430 bytes (45.00 %), source: concurrent humongous allocation]
2014-12-10T11:13:09.532+0800: 66955.252: Application time: 2.5750418 seconds
 66955.259: [G1Ergonomics (Concurrent Cycles) request concurrent cycle initiation, reason: requested by GC cause, GC cause: G1 Humongous Allocation]
{Heap before GC invocations=1874 (full 4):
 garbage-first heap   total 3145728K, used 1281786K [0x0000000700000000, 0x00000007c0000000, 0x00000007c0000000)
  region size 1024K, 171 young (175104K), 27 survivors (27648K)
 Metaspace       used 116681K, capacity 137645K, committed 137984K, reserved 1171456K
  class space    used 13082K, capacity 16290K, committed 16384K, reserved 1048576K
 66955.259: [G1Ergonomics (Concurrent Cycles) initiate concurrent cycle, reason: concurrent cycle initiation requested]
2014-12-10T11:13:09.539+0800: 66955.259: [GC pause (G1 Humongous Allocation) (young) (initial-mark)
…….
2014-12-10T11:13:09.597+0800: 66955.317: [GC concurrent-root-region-scan-start]
2014-12-10T11:13:09.597+0800: 66955.318: Total time for which application threads were stopped: 0.0655753 seconds
2014-12-10T11:13:09.610+0800: 66955.330: Application time: 0.0127071 seconds
2014-12-10T11:13:09.614+0800: 66955.335: Total time for which application threads were stopped: 0.0043882 seconds
2014-12-10T11:13:09.625+0800: 66955.346: [GC concurrent-root-region-scan-end, 0.0281351 secs]
2014-12-10T11:13:09.625+0800: 66955.346: [GC concurrent-mark-start]
2014-12-10T11:13:09.645+0800: 66955.365: Application time: 0.0306801 seconds
2014-12-10T11:13:09.651+0800: 66955.371: Total time for which application threads were stopped: 0.0061326 seconds
2014-12-10T11:13:10.212+0800: 66955.933: [GC concurrent-mark-end, 0.5871129 secs]
2014-12-10T11:13:10.212+0800: 66955.933: Application time: 0.5613792 seconds
2014-12-10T11:13:10.215+0800: 66955.935: [GC remark 66955.936: [GC ref-proc, 0.0235275 secs], 0.0320865 secs]
 [Times: user=0.05 sys=0.00, real=0.03 secs]
2014-12-10T11:13:10.247+0800: 66955.968: Total time for which application threads were stopped: 0.0350098 seconds
2014-12-10T11:13:10.248+0800: 66955.968: Application time: 0.0001691 seconds
2014-12-10T11:13:10.250+0800: 66955.970: [GC cleanup 1178M->632M(3072M), 0.0060632 secs]
 [Times: user=0.02 sys=0.00, real=0.01 secs]
2014-12-10T11:13:10.256+0800: 66955.977: Total time for which application threads were stopped: 0.0088462 seconds
2014-12-10T11:13:10.257+0800: 66955.977: [GC concurrent-cleanup-start]
2014-12-10T11:13:10.259+0800: 66955.979: [GC concurrent-cleanup-end, 0.0024743 secs

這次發生global concurrent marking的原因是：humongous allocation，上面提過在巨大物件分配之前，會檢測到old generation 使用佔比是否超過了 initiating heap occupancy percent（45%），因為
1449132032(used)+ 579608(allocation request:) > 1449551430(threshold)，所以觸發了本次global concurrent marking。對於具體執行過程，上面的表格已經詳細講解了。值得注意的是上文中所說的initial mark往往伴隨著一次YGC，在日誌中也有體現：GC pause (G1 Humongous Allocation) (young) (initial-mark)。

後記

因為篇幅的關係，也受限於能力水平，本文只是簡單了介紹了G1 GC的基本原理，很多細節沒有涉及到，所以說只能算是為研究和使用它的同學打開了一扇門。一個日本人專門寫了一本書《徹底解剖「G1GC」 アルゴリズ》詳細的介紹了G1 GC，這本書也被作者放到了GitHub上，詳見參考文獻5。另外，莫樞在這方面也研究的比較多，讀者可以去高階語言虛擬機器論壇向他請教，本文的很多內容也是我在此論壇上請教過後整理的。總而言之，G1是一款非常優秀的垃圾收集器，儘管還有些不完美（預測模型還不夠智慧），但是希望有更多的同學來使用它，研究它，提出好的建議，讓它變的更加完善。