Java虚拟机——内存区域与内存溢出异常（一）

运行时数据区

程序计数器

每条线程都需要有一个独立的程序计数器，各条线程之间计数器互不影响，独立存储，被称为线程私有内存。

如果线程正在执行的是一个Java方法，这个计数器记录的时正在执行的虚拟机字节码指令的地址；如果正在执行的时Native方法，这个计数器值则为空（Undefined）。此内存区域是唯一一个在Java虚拟机规范中没有规定任何OutOfMemoryError情况的区域。

Java虚拟机栈

也是线程私有，它的生命周期与线程相同。虚拟机栈描述的是Java方法执行的内存模型：每个方法执行都会创建一个栈帧（Stack Frame）用于存储局部变量表、操作数栈、动态链接、方法出口等信息。常说的“栈”一般指的是虚拟机栈中的局部变量表。

局部变量表u从南方了编译期可知的各类基本数据类型、对象引用、returnAddress类型。

局部变量表所需的内存空间在编译期间完成分配，在方法运行期间不会改变大小，但所处的栈顶可能动态扩展。

如果线程请求的栈深度大于虚拟机所允许的深度，将抛出StackOverflowError异常；如果虚拟机栈动态扩展时无法申请足够的内存，就会抛出OutOfMemoryError异常。

本地方法栈

虚拟机栈为虚拟机执行Java方法服务，也就是字节码，而本地方法栈则为虚拟机使用到的Native方法服务。

Java堆

所有线程共享的一块区域。

此内存区域的唯一目的就是存放对象实例，几乎所有的对象实例都在这里分配内存。

Java堆是垃圾收集管理的主要区域，因此还被称为“GC堆”（Garbage Collected Heap）。

根据虚拟机规范的规定，Java堆可以处于物理上不连续的内存空间中，只需要逻辑连续；在实现时，既可以是固定大小的，也可以是可扩展的，通过-Xmx和-Xms控制。

方法区

线程共享区域。主要用于存储已被虚拟机加载的类信息、常量、静态变量、即时编译器编译后的代码等数据。虽然Java虚拟机将方法区描述为堆的逻辑部分，但是他还有一个名字叫做Non-Heap，目的应该是与堆进行区分。

Java虚拟机规范对方法区的限制非常宽松，除了和Java堆一样不需要连续的存储空间，还可以选择不实现垃圾回收

运行时常量池

是方法区的一部分。Class文件中除了有类的版本、字段、方法、接口等描述信息外，还有一项信息是常量池（Constant Pool Table），用于存放编译期生成的各种字面量和符号引用，这部分信息在类加载后进入方法去的运行时常量池存放。

运行时常量池相对于Class文件常量池的另外的一个重要特征就是具备动态性，java语言并不要求常量只有编译期才能产生，也就是并非预置入Class文件中常量池的内容才能进入方法区运行时常量池，运行期间也可能有新的常量放入池中，这种特性被开发人员利用较多的就是String.intern()。

直接内存

Direct Memory并不是虚拟机运行时数据区的一部分，也不是Java虚拟机规范中定义的内存区域，但是这部分内存使用频繁，也可能导致OOM异常。

NIO类引入了一种基于通道和缓冲区的IO方式，可以使用Native函数库直接分配堆外内存，然后通过一个存储在Java堆中的DirectByteBuffer对象作为这块内存的引用进行操作，这样能在一定程度提升性能，避免了在Java堆和Native堆中来回复制数据。

直接内存的分配不受Java堆大小限制，所以-Xmx等参数信息再加直接内存可能导致总和大于物理内存限制，导致OOM异常。

关于包装类的内容在新版java中有变化，最好查阅文档里哦阿姐情况。例如jdk5之后的自动装箱和自动拆箱，基本数据类型和包装类型自动转化。

还知道整形常量池（-128-127）和字符串常量池吗？

SparkSQL介绍

Spark SQL是Spark用来处理结构化数据的一个模块，它提供了两个编程抽象：DataSet和DataFrame。

Hive SQL转化为MapReduce，然后提交给集群执行，但是MapReduce计算模型执行效率太低，于是诞生了Spark SQL。

将Spark SQL转化为RDD，然后提交给集群执行，效率很高！

RDD DataSet DataFrame

DataFrame是一个分布式数据容器，更像传统关系数据库的二维表。DataSet是DataFrame API最新扩展，是强类型的数据结构，类似于类的概念。

SparkSQL编程

SparkSession

SparkSession是SparkContext和HiveContext的结合，实际计算由SparkContext负责。

val df = spark.read.json(filepath)

org.sparl.sql.DataFrame=[age:bigint,name:string]

df.show

df.createTempView()

spark.sql(“select * from student”).show

df.createGlobalTempView()

DSL风格语法

df.printSchema

df.select(“name”).show()

import spark,implicits._

DataSet基本操作

df.rdd

自定义用户聚合函数，有强类型和弱类型。

linux下通过包管理器很难安装最新版的node和npm，幸运的是，nodesource提供了多个shell脚本，方便用户简单的安装最新版node和npm。
官方github主页：https://github.com/nodesource/distributions
例如在ubuntu下安装Node.js v10.x版本，通过命令

1
2
3
4
5
6
7

# Using Ubuntu
curl -sL https://deb.nodesource.com/setup_10.x | sudo -E bash -
sudo apt-get install -y nodejs

# Using Debian, as root
curl -sL https://deb.nodesource.com/setup_10.x | bash -
apt-get install -y nodejs

简单方便，不能再完美。

Welcome to Hexo! This is your very first post. Check documentation for more info. If you get any problems when using Hexo, you can find the answer in troubleshooting or you can ask me on GitHub.

Quick Start

Create a new post

1

$ hexo new "My New Post"

More info: Writing

Run server

1

$ hexo server

More info: Server

Generate static files

1

$ hexo generate

More info: Generating

Deploy to remote sites

1

$ hexo deploy

More info: Deployment