Java Unsafe 堆外内存高效读写技巧
2026-05-14 11:45:42
0浏览
收藏
本文深入剖析了Java中Unsafe类进行堆外内存操作的核心风险与最佳实践,强调allocateMemory绕过GC虽能提升性能,但必须严格配对freeMemory以防内存泄漏或崩溃;putX/getX系列方法无边界检查,极易引发越界写入和JVM崩溃;严禁混用DirectByteBuffer地址与Unsafe裸指针,避免清理逻辑冲突;并强烈建议新项目全面转向Java 16+的MemorySegment与VarHandles——它提供类型安全、自动资源管理、运行时边界校验及JVM统一管控,在保障稳定性的同时兼顾高性能,真正实现“快而不险”。

Unsafe.allocateMemory 会绕过 GC,但必须配对 freeMemory
直接调用 Unsafe.allocateMemory 分配的内存完全脱离 JVM 堆管理,GC 不会扫描、不会移动、也不会回收它。这是性能提升的根源,也是泄漏的起点。
关键点在于:分配和释放必须严格成对出现,且不能依赖对象生命周期自动触发。
allocateMemory返回的是long类型的地址值,不是 Java 对象,没有引用计数或可达性语义- 不调用
freeMemory(address)→ 内存永远驻留,直到进程退出 - 重复调用
freeMemory同一个地址 → 可能引发 SIGSEGV(段错误),JVM 崩溃 - 在多线程中释放前未确保无其他线程正在读写该地址 → 数据竞争或非法访问
putX/getX 系列方法不检查边界,越界写入直接破坏相邻内存
Unsafe.putLong、Unsafe.putInt 等方法不做任何数组长度或内存区域边界校验。它们只认地址 + 偏移量,写到哪就是哪。
常见错误现象:SIGSEGV、IllegalAccessError、随机值读取、JVM 意外退出、甚至影响其他进程(在共享内存场景下)。
- 务必手动计算偏移量,例如
base + 8 * index,避免硬编码 magic number - 分配时预留足够空间,比如要存 100 个
long,至少申请100 * 8字节,再加一点 padding 防踩边界 - 调试阶段可用
Unsafe.copyMemory配合Arrays.fill初始化整块内存,降低脏数据干扰 - 不要在
String、Object实例的字段偏移上乱写 —— 跨 JDK 版本字段布局可能变化,极易崩溃
Unsafe 不是 ByteBuffer,别混用 address 和 buffer.address()
有人试图把 DirectByteBuffer 的地址拿出来交给 Unsafe 操作,这是高危操作。
DirectByteBuffer 内部确实通过 Unsafe 分配内存,但它封装了清理逻辑(Cleaner)、容量检查、字节序处理等。直接提取其地址并绕过这些机制,等于撕掉安全阀。
buffer.address()是受保护的私有方法,需反射调用,且返回值在某些 JDK 版本中可能是 0 或无效值(如 G1 GC 下 buffer 被压缩迁移后)- 即使拿到有效地址,也不能擅自调用
freeMemory—— 这会与DirectByteBuffer自身的 Cleaner 冲突,造成 double-free - 若真需要混合使用,应统一走
MemorySegment(Java 16+),它提供类型安全视图 + try-with-resources 自动释放
生产环境慎用 Unsafe,优先考虑 MemorySegment + VarHandle
sun.misc.Unsafe 在 JDK 9+ 被模块系统限制,默认不可访问;JDK 17+ 中部分方法被标记为 deprecated;未来版本可能彻底移除。它不是“高性能捷径”,而是“遗留兼容通道”。
真正面向长期维护的新项目,应切换到 Java 外部内存 API:
MemorySegment.allocateNative(size)返回可关闭资源,配合 try-with-resources 保证释放VarHandle提供类型安全、带内存屏障的读写,自动处理对齐与大小端- 所有操作都经过运行时边界检查(可选关闭,但默认开启),大幅降低误操作风险
- 底层仍可能映射到
Unsafe,但由 JVM 统一管控,不暴露裸地址
复杂点不在“怎么快”,而在于“怎么稳”——堆外内存一旦出错,日志里往往没有栈踪迹,只有 java.lang.OutOfMemoryError: Direct buffer memory 或静默崩溃。越早放弃裸 Unsafe,越晚半夜被报警叫醒。
好了,本文到此结束,带大家了解了《Java Unsafe 堆外内存高效读写技巧》,希望本文对你有所帮助!关注golang学习网公众号,给大家分享更多文章知识!
Spring Boot 表单提交多态反序列化解析
- 上一篇
- Spring Boot 表单提交多态反序列化解析
- 下一篇
- HTML CSS Typed OM类型安全操作内联样式
查看更多
最新文章
-
- 文章 · java教程 | 1天前 | 线程池 · Java教程 · java 并发编程 ForkJoinPool ForkJoinTask managedBlock ManagedBlocker
- Java ForkJoinPool managedBlock 怎样避免阻塞任务拖住并行计算
- 489浏览 收藏
-
- 文章 · java教程 | 2天前 |
- Java DatagramChannel 怎样设置非阻塞接收
- 337浏览 收藏
-
- 文章 · java教程 | 2天前 |
- Java WebSocket.Listener 怎样控制下一条消息的接收节奏
- 370浏览 收藏
-
- 文章 · java教程 | 2天前 |
- Java Flow Publisher 怎样实现背压协议
- 339浏览 收藏
-
- 文章 · java教程 | 2天前 |
- Java CompletableFuture resultNow 怎样读取已完成结果
- 302浏览 收藏
-
- 文章 · java教程 | 2天前 |
- Java Foreign Function 怎样管理 MemorySegment 生命周期
- 259浏览 收藏
-
- 文章 · java教程 | 2天前 |
- Java switch pattern 怎样显式处理 null
- 220浏览 收藏
-
- 文章 · java教程 | 2天前 |
- Java 紧凑源文件怎样直接运行单文件程序
- 461浏览 收藏
-
- 文章 · java教程 | 2天前 |
- Java String.lines 怎样保留文本末尾的空行
- 337浏览 收藏
-
- 文章 · java教程 | 2天前 |
- Java WatchService 怎样处理 OVERFLOW 事件避免漏文件
- 360浏览 收藏
-
- 文章 · java教程 | 2天前 |
- Java String.stripIndent 怎样保留文本块的相对缩进
- 320浏览 收藏
-
- 文章 · java教程 | 2天前 |
- Java PathMatcher 怎样按 glob 规则筛选文件
- 246浏览 收藏
查看更多
课程推荐
-
- 前端进阶之JavaScript设计模式
- 设计模式是开发人员在软件开发过程中面临一般问题时的解决方案,代表了最佳的实践。本课程的主打内容包括JS常见设计模式以及具体应用场景,打造一站式知识长龙服务,适合有JS基础的同学学习。
- 543次学习
-
- GO语言核心编程课程
- 本课程采用真实案例,全面具体可落地,从理论到实践,一步一步将GO核心编程技术、编程思想、底层实现融会贯通,使学习者贴近时代脉搏,做IT互联网时代的弄潮儿。
- 516次学习
-
- 简单聊聊mysql8与网络通信
- 如有问题加微信:Le-studyg;在课程中,我们将首先介绍MySQL8的新特性,包括性能优化、安全增强、新数据类型等,帮助学生快速熟悉MySQL8的最新功能。接着,我们将深入解析MySQL的网络通信机制,包括协议、连接管理、数据传输等,让
- 500次学习
-
- JavaScript正则表达式基础与实战
- 在任何一门编程语言中,正则表达式,都是一项重要的知识,它提供了高效的字符串匹配与捕获机制,可以极大的简化程序设计。
- 487次学习
-
- 从零制作响应式网站—Grid布局
- 本系列教程将展示从零制作一个假想的网络科技公司官网,分为导航,轮播,关于我们,成功案例,服务流程,团队介绍,数据部分,公司动态,底部信息等内容区块。网站整体采用CSSGrid布局,支持响应式,有流畅过渡和展现动画。
- 485次学习
查看更多
AI推荐
-
- PubMedQA
- 深入了解PubMedQA生物医学问答数据集,涵盖其核心功能、使用方法及在临床决策、药物研发等场景的应用,助力提升NLP模型性能。
- 498次使用
-
- H2O EvalGPT
- H2O EvalGPT是H2O.ai推出的开源LLM评估平台,提供详细的大模型性能排行榜、行业特定基准测试及A/B测试功能,助您快速选择最适合项目的高性能大语言模型。
- 557次使用
-
- LMArena
- LMArena是加州大学伯克利分校推出的AI模型匿名评测平台。通过盲测投票机制,用户可对比不同大模型回答并生成实时排行榜,助力开发者优化模型及用户选择最佳AI工具。
- 582次使用
-
- HELM
- 深入了解斯坦福推出的HELM(Holistic Evaluation of Language Models)大模型评测体系。本文解析其核心功能、安装配置步骤及应用场景,涵盖准确性、公平性、鲁棒性等多维度指标,助力开发者全面优化语言模型性能。
- 534次使用
-
- MMBench
- MMBench是由上海人工智能实验室等机构联合推出的多模态基准测试平台,提供细粒度能力评估、大规模数据集及VLMEvalKit工具。本文详细介绍其核心功能、安装使用方法及应用场景,助力开发者全面评估多模态模型性能。
- 346次使用
查看更多
相关文章
-
- Java try-with-resources 多个资源关闭顺序是什么
- 2026-09-10 501浏览
-
- 矩阵主副对角线快速定位技巧
- 2026-05-31 501浏览
-
- Java多态优化流程代码与行为分发改进
- 2026-05-26 501浏览
-
- JVM 类元数据双亲委派链表深度解析
- 2026-05-21 501浏览
-
- 反射异常处理:InvocationTargetException解析与应用
- 2026-05-16 501浏览
