考察点
GC 题分两层：基础层是三种算法和可达性分析，进阶层是具体收集器，G1 是现在面试的主流焦点（JDK 9 起是默认收集器）。面试官想确认你理解 G1 为什么能替代 CMS——Region 化、可预测停顿这两个关键词必须讲透。大数据岗位还会追问 Spark/Flink 作业的 GC 调优经验，以及什么时候该换 ZGC/Shenandoah。
参考答案
三种基础算法
标记-清除：标记出存活对象，回收剩下的。两个硬伤：效率随堆变大下降，清除后产生大量不连续碎片，大对象可能明明有内存却分配不出去。
复制算法：把内存分两半，用一半存一半，回收时把存活对象拷到另一半，整体清掉旧的一半。没有碎片，但浪费一半内存。新生代对象朝生夕死，所以实际做法是 Eden 加两个 Survivor（默认 8:1:1），每次只用 Eden 和一个 Survivor，存活对象复制到另一个 Survivor，浪费的只有 10%。
标记-整理：标记后让存活对象向一端移动，清掉边界外的内存。没有碎片也不浪费空间，但移动对象要更新所有引用，停顿长，适合老年代这种回收频率低、存活率高的区域。
对象生死判定
不用引用计数（解决不了循环引用），用可达性分析：从 GC Roots 出发，走不到的对象就是死的。GC Roots 包括栈帧里的局部变量、静态变量、JNI 引用、活动线程等。即使不可达也不是立刻死，finalize() 给了最后一次缓刑机会，但它不确定性太强，JDK 9 起已废弃，工程上没人依赖它。引用分强软弱虚四级，软引用适合内存敏感缓存（内存不够才回收），虚引用主要用来跟踪堆外内存回收。
G1 的设计核心
G1（Garbage First）把堆切成一组大小相等的 Region（每个 1MB 到 32MB，2 的幂，整个堆大约 2048 个），每个 Region 逻辑上扮演 Eden、Survivor、Old 或 Humongous（存超过半个 Region 的大对象）角色，不再物理连续分代。Region 之间用 Remembered Set 记录谁引用了我，避免全堆扫描。
回收流程四个阶段：
- 初始标记（STW，极短）：只标记 GC Roots 直接关联的对象，借 Minor GC 顺带完成。
- 并发标记：和用户线程并行，遍历堆做可达性分析，用 SATB（原始快照）算法处理并发期间的引用变化。
- 最终标记（STW，短）：处理 SATB 残留的少量变化。
- 筛选回收（STW）：按每个 Region 的回收价值（回收空间/耗时）排序，挑收益最高的一批 Region，把存活对象复制到空 Region，整体释放旧 Region。这就是 Garbage First 名字的由来。
可预测停顿是卖点
G1 允许用 -XX:MaxGCPauseMillis（默认 200ms）设目标停顿时间，它会据此反推这次能回收多少个 Region——不是保证，是尽力逼近。对比 CMS：CMS 并发清除后产生碎片，碎片多到一定程度会触发 Full GC（Serial Old），一停就是几秒，这是它的致命伤；G1 的筛选回收本质是复制算法，边回收边整理，没有碎片问题。G1 的代价是内存开销大（RSet 和写屏障维护，可能占到堆的 10-20%），小堆（6-8GB 以下）用 G1 未必比 CMS/Parallel 划算。
工程上，大数据 executor 堆大（16GB 以上很常见），G1 基本是默认选择。调优套路：先看 GC 日志里 Full GC 频率和 Mixed GC 停顿，Humongous 分配频繁就调大 Region（-XX:G1HeapRegionSize）；并发标记来不及就加 -XX:ConcGCThreads、提前 -XX:InitiatingHeapOccupancyPercent（默认 45%）。切忌只看平均值，P99 停顿才是用户体验。
可能的追问
- Minor GC、Mixed GC、Full GC 的区别？ Minor 只收新生代；Mixed 是 G1 特有，收所有新生代加一批高收益老年代 Region；Full GC 收整个堆，停顿最长，是要极力避免的。
- 什么情况 G1 会退化 Full GC？ 复制存活对象时找不到空 Region（Evacuation Failure），或并发标记没跑完老年代就满了（Concurrent Mark Failure），都会退化成单线程 Full GC。
- ZGC 和 G1 怎么选？ ZGC 停顿控制在 10ms 以内且与堆大小无关，适合超大堆（TB 级）低延迟场景；代价是吞吐略降、内存占用更高，且需要较新 JDK。一般大数据计算引擎 G1 够用。
- 怎么判断是不是内存泄漏而不是 GC 问题？ Full GC 后老年代占用持续走高不回落，基本可以确定泄漏；dump 堆后用 MAT 的 Dominator Tree 找占内存最大的引用链。