🎯 Unit 5.3 — GC 알고리즘 4가지

F-lab Java 1주차 / Phase 5 / Unit 5.3 본격 학습 자료
9-섹션 마스터 프롬프트 형식으로 깊이 파헤친다.

선수 지식: Unit 5.2 (Heap의 세대 구조)
다음 Unit: 5.4 — GC 종류와 선택 기준

이 Unit의 의미: GC 의 4가지 핵심 알고리즘 비교.
각 알고리즘의 동작 원리, 장단점, 자바가 무엇을 채택했는지.
면접에서 "왜 자바는 Reference Counting 안 쓰나요?" 같은 깊이 있는 질문 대비.

🌍 1. 세상 속 비유

4가지 GC 알고리즘 = "4가지 청소 방식"

큰 사무실을 청소하는 4가지 방법을 상상해보세요.

방식 1 — "방문자 카운터" (Reference Counting)

모든 물건에 방문자 수 카운터 부착
누군가 사용 시작 → +1
누군가 사용 끝 → -1
카운터 0 → 즉시 버림

장점: 즉각적, 멈춤 없음
단점: 순환 참조 문제 — A 가 B 사용, B 가 A 사용 → 둘 다 안 버려짐 ❌

방식 2 — "사용 중 표시" (Mark-and-Sweep)

청소 시간에 모든 직원 정지 (STW)
사용 중인 물건에 포스트잇 붙이기 (Mark)
포스트잇 없는 것 모두 버림 (Sweep)
다시 일 시작

장점: 순환 참조 해결, 단순
단점: STW, 빈 자리 곳곳 (단편화)

방식 3 — "사용 중 표시 + 정리" (Mark-Sweep-Compact)

Mark-Sweep 의 같은 시작
추가로 남은 물건들을 한쪽으로 정렬
빈 공간 한쪽에 모음

장점: 단편화 해소
단점: 정리 비용, 객체 이동

방식 4 — "세대별 청소" (Generational)

신입 책상 (Eden) 자주 청소
일반 책상 (Survivor) 가끔 청소
임원 책상 (Old) 거의 안 청소
각자 다른 청소 방식

장점: 효율적
단점: 구조 복잡

→ 이게 4가지 GC 알고리즘. 자바는 방식 4 (Generational) 채택.

핵심 한 문장

"GC 알고리즘은 '쓰레기를 어떻게 식별하고 제거할까' 의 4가지 답이다."

각 알고리즘의 trade-off:

순환 참조 처리?
STW 길이?
단편화?
효율성?

비유 정리:

비유	GC 알고리즘	장점	단점
방문자 카운터	Reference Counting	즉시, 멈춤 X	순환 참조
포스트잇 표시	Mark-Sweep	단순	단편화
표시 + 정리	Mark-Sweep-Compact	압축	이동 비용
세대별 청소	Generational	효율	복잡

🔥 2. 탄생 배경

"쓰레기를 어떻게 알아낼까?" — 가장 본질적 질문

GC 의 핵심 문제:

"Heap 의 어떤 객체가 사용 중 이고, 어떤 게 쓰레기 인가?"

이 질문에 답하는 방식이 알고리즘 의 차이.

알고리즘 1 — Reference Counting (1950s) ⭐

가장 직관적인 방식, 1950년대 LISP에서 처음 등장.

아이디어:

모든 객체에 참조 카운트 필드 추가
참조 +1 / -1 → 카운트 추적
카운트 0 → 즉시 회수

장점:

즉각적 (0이 되는 순간 회수)
STW 없음
단순한 개념

문제 발견 — 순환 참조 ⚠️ :

A → B → A
A 의 카운트 = 1 (B 가 가리킴)
B 의 카운트 = 1 (A 가 가리킴)

외부에서 A, B 사용 안 해도
서로 가리키는 한 카운트 0 안 됨
→ 메모리 누수 ❌

채택 사례:

Python (보조 GC 와 함께)
Objective-C, Swift (ARC)
C++ (shared_ptr)
→ 자바는 채택 X

알고리즘 2 — Mark-Sweep (1960) ⭐

LISP 언어의 John McCarthy 가 1960년에 제안.

아이디어:

GC 시 모든 살아있는 객체 마킹 (Mark)
마킹 안 된 객체 모두 회수 (Sweep)

장점:

순환 참조 해결 (Reachability 기반)
단순한 알고리즘
모든 GC 의 토대

단점:

STW 필요
단편화 발생

메모리 그림:

Before:
[A][B][C][D][E][F]
Mark: A, C, E 가 Live

After Sweep:
[A][_][C][_][E][_]
   비움    비움    비움
   ← 단편화

알고리즘 3 — Mark-Sweep-Compact

Mark-Sweep 의 단편화를 해결.

아이디어:

Mark-Sweep 후 압축 (Compact) 단계 추가
살아있는 객체를 한쪽으로 모음

장점:

단편화 해소
큰 객체 할당 가능

단점:

Compact 비용 (객체 이동)
참조 업데이트 필요

메모리 그림:

Sweep 후:
[A][_][C][_][E][_]

Compact 후:
[A][C][E][_][_][_]
       ← 모든 빈 공간 뒤로

알고리즘 4 — Generational (1980s) ⭐

약한 세대 가설 (Unit 5.1) 활용.

아이디어:

Heap을 Young / Old 분리
Young: Copying GC (자주, 빠름)
Old: Mark-Sweep-Compact (가끔, 큰 정리)

장점:

매우 효율적
세대별 최적화

단점:

구조 복잡
Old → Young 참조 추적 (Card Table)

자바의 선택 — Generational ⭐

자바는 Generational GC 를 기본 채택:

왜?:
1. 약한 세대 가설 의 통찰 활용
2. STW 짧음 (Minor GC)
3. 큰 정리는 가끔만 (Major GC)
4. 현대 모든 자바 GC 가 이 기반

→ Serial, Parallel, CMS, G1, ZGC 모두 Generational + 추가 최적화.

핵심 통찰

"GC 알고리즘의 진화 = '효율 + 안전' 의 추구."

Reference Counting의 직관성 → 순환 참조 문제 발견 → Mark-Sweep 의 안전성 → 단편화 문제 → Mark-Sweep-Compact의 압축 → 모든 객체 똑같이 다루는 비효율 → Generational의 효율.

각 알고리즘은 이전 알고리즘의 한계를 해결. 자바는 가장 진화된 형태인 Generational 채택, 이후 G1, ZGC 등으로 더 진화.

💣 3. 없으면 생기는 문제

알고리즘 차이를 모르면 다양한 상황에서 막힙니다.

시나리오 1: "왜 자바는 Reference Counting 안 쓰나?"

면접 질문:

"Python 처럼 Reference Counting 쓰면 즉시 회수 가능하지 않나요?"

알고리즘 모르면:

"음... 자바가 그냥 그렇게 만들었나봐요"
→ 시니어 자격 의심

알고리즘 알면:

"순환 참조 문제 때문입니다."
구체적 예시 + 그림으로 설명
"Python 도 Reference Counting 만으론 부족해서 Cycle Detector 보조 사용"
→ 시니어 인식

시나리오 2: 단편화의 의미 이해 못함

운영 환경:

Heap 사용량: 70%
그러나 1MB 이상 객체 할당 시 OOM

알고리즘 모르면:

"Heap 30% 남았는데 왜 OOM?"
이해 불가

알고리즘 알면:

"단편화 때문"
"Mark-Sweep 후 빈 공간이 작은 조각들로 흩어져 있음"
"큰 연속 공간이 부족"
→ Compact 가 있는 알고리즘 (G1 등) 으로 전환

시나리오 3: ILIC 운영의 GC 알고리즘 선택

신규 ILIC 시스템 배포:

Heap: 8GB
평균 응답 100ms
기본 GC 사용 → 가끔 5초 멈춤

알고리즘 모르면:

"이상하다... 메모리 늘려?"
근본 해결 X

알고리즘 알면:

"Parallel GC 의 Old 영역 Full GC 가 길음"
"G1 또는 ZGC 로 전환"
"G1 = Region 기반 + 부분 압축, ZGC = 거의 멈춤 없음"

시나리오 4: Python 에서 자바로 전환

Python 개발자가 자바 시작:

"GC 가 자주 멈춰요. Python 은 안 그랬는데?"

알고리즘 모르면:

이유 못 찾음

알고리즘 알면:

"Python 은 Reference Counting 위주 → 즉시 회수"
"자바는 Generational + Mark-Sweep → 가끔 STW"
"각 알고리즘의 trade-off"
→ 정확한 비교

시나리오 5: 면접 깊이 질문

"GC 알고리즘의 진화를 설명해주세요"
"Mark-Sweep 의 단점이 뭔가요?"
"왜 자바는 Mark-Sweep-Compact 와 Copying 둘 다 쓰나요?"

알고리즘 모르면:

깊이 있는 답 불가

알고리즘 알면:

4가지 알고리즘의 진화 + 장단점
자바의 채택 이유
→ 시니어 답변

시나리오 6: 메모리 누수 분석

관찰: Heap 사용량 계속 증가
GC 후에도 줄지 않음

알고리즘 모르면:

"GC 가 안 동작하나?"

알고리즘 알면:

"GC 는 동작하는데 Reachability 가 있는 객체는 못 회수"
"참조 끊김 어디서 안 되는지 분석"
→ static 컬렉션, ThreadLocal 등 의심

알고리즘 이해의 중요성

시나리오	알고리즘 모르면	알고리즘 알면
Reference Counting 질문	막막함	순환 참조 설명
단편화 OOM	이해 X	Compact 알고리즘 선택
운영 GC 선택	기본 사용	상황별 선택
언어 비교	표면적	깊이 있는 비교
면접 깊이 질문	탈락	시니어 답변
메모리 누수	"GC 문제"	"참조 문제"

→ 알고리즘 이해는 시니어의 차별화 영역.

✅ 4. 해결책 — 4가지 알고리즘 정확히

알고리즘 1: Reference Counting ⭐

핵심 동작

모든 객체에 참조 카운트 보유:

객체 A:
  - 데이터
  - 참조 카운트: 1

참조 추가/제거 시:

Object x = a;  // a 의 카운트 +1
x = null;      // a 의 카운트 -1

카운트 0 → 즉시 회수.

장점 ⭐

1. 즉각적 회수

카운트 0 되는 순간 즉시 메모리 해제
메모리 효율적

2. STW 없음

별도 GC 사이클 없음
사용자 응답에 영향 X

3. 분산된 작업

매 참조 변경 시 조금씩 작업
한 번에 큰 부하 없음

단점 ⭐⭐ (중요)

1. 순환 참조 문제 ⚠️ (자기 점검 Q1)

class Node {
    Node next;
}

Node a = new Node();
Node b = new Node();

a.next = b;  // a → b
b.next = a;  // b → a (순환!)

a = null;  // a 의 외부 참조 끊음
b = null;  // b 의 외부 참조 끊음

// 그러나:
// a 의 카운트: 1 (b.next 가 가리킴)
// b 의 카운트: 1 (a.next 가 가리킴)
// → 카운트 0 안 됨 → 메모리 누수 ❌

그림:

[Stack] (외부 참조 없음)

[Heap]
  Node A ─→ Node B
       ↑      │
       └──────┘
       
A 의 카운트: 1 (B 의 next)
B 의 카운트: 1 (A 의 next)
→ 둘 다 회수 X

2. 카운트 관리 비용

매 참조 변경마다 +1 / -1
멀티스레드 환경에서 동기화 필요

3. 메모리 오버헤드

모든 객체에 카운트 필드 추가
8 byte 객체에 4 byte 카운트?

채택 언어

언어	사용
Python	Reference Counting + Cycle Detector (보조)
Objective-C	ARC (Automatic Reference Counting)
Swift	ARC
C++	shared_ptr
Java	❌ 사용 안 함

알고리즘 2: Mark-and-Sweep ⭐

핵심 동작

2단계:

Mark 단계:

GC Root 부터 시작
도달 가능한 객체 모두 마킹

Sweep 단계:

마킹 안 된 객체 모두 회수

[Stack]
  ref1, ref2

[Heap]
  Object A ←─── ref1     (Mark)
  Object B               (X)
  Object C ←─── ref2     (Mark)
  Object D ←─ A          (Mark)
  Object E               (X)

동작 그림

Step 1: Initial

[Heap]
  A B C D E F G H
  ↑   ↑       ↑
  GC Root 들

Step 2: Mark

[Heap]
  A* B C* D E F* G H
  *=마킹됨 (Live)
  
GC Root 에서 도달 가능: A, C, F

Step 3: Sweep

[Heap]
  A _ C _ _ F _ _
       (B,D,E,G,H 회수)

장점 ⭐

1. 순환 참조 해결

Reachability 기반 → 순환은 외부 참조 없으면 회수됨
Reference Counting 의 가장 큰 단점 해결

2. 단순한 알고리즘

쉬운 구현
모든 GC 의 토대

단점 ⭐

1. STW 필요

마킹 중 객체 변경 X
모든 Application Thread 정지

2. 단편화 발생 ⚠️

Sweep 후 빈 공간이 곳곳에
큰 객체 할당 어려움

After Sweep:
[A][_][C][_][_][F][_][_]

→ 8 byte 빈 공간 5개
→ 그러나 16 byte 객체 할당 불가 (연속 공간 없음)

3. Mark 시간 비례

객체 수 많을수록 Mark 시간 증가

자바에서의 사용

자바의 GC 는 Mark-Sweep 의 변형:

Old Generation 의 GC 에 사용
Compact 가 추가된 형태 (Mark-Sweep-Compact)

알고리즘 3: Mark-Sweep-Compact ⭐

핵심 동작

3단계:

Mark: 살아있는 객체 마킹
Sweep: 죽은 객체 회수
Compact: 살아있는 객체를 한쪽으로 압축

동작 그림

Step 1-2: Mark + Sweep (같음)

After Sweep:
[A][_][C][_][_][F][_][_]

Step 3: Compact

After Compact:
[A][C][F][_][_][_][_][_]
       (살아있는 것 앞쪽 모음)
       (빈 공간 뒤로)

장점 ⭐

1. 단편화 해소

빈 공간이 한곳에 모임
큰 객체도 할당 가능

2. 메모리 효율

사용 중 영역 축소

단점 ⭐

1. Compact 비용

객체 이동 비용
모든 참조 업데이트 필요

2. STW 길어짐

Mark + Sweep + Compact = 더 긴 STW

자바에서의 사용

Old Generation 에서 사용:

Old GC = Mark-Sweep-Compact (전통)
G1 GC 도 Old 영역에 부분 적용

알고리즘 4: Generational ⭐⭐⭐ (자바의 실제)

핵심 동작

약한 세대 가설 활용:

Young 영역 (Eden + Survivor)
Old 영역
각자 다른 알고리즘

Young 영역: Copying GC

Eden + From → To 로 복사
자동 압축
매우 빠름

Old 영역: Mark-Sweep-Compact

가끔 발생
STW 길지만 자주 X

Copying GC 의 동작 (Young 영역)

Before Minor GC:
[Eden + From]
  A B C D E (B, D 는 Garbage)

[To]
  비어있음

Copying:
  살아있는 A, C, E 를 To 로 복사

After:
[Eden + From]
  비움

[To]
  A C E

효과:

자동 압축
단편화 X
빠름 (살아있는 것 적음)

장점 ⭐

1. 매우 효율적

약한 세대 가설 활용
Young 자주 GC, 빠름
Old 가끔 GC, 큼

2. 단편화 해소

Young: Copying 으로 자동
Old: Compact

3. 짧은 STW (보통)

Minor GC: ~10ms
Major GC: 가끔만

단점 ⭐

1. 구조 복잡

Eden + Survivor 0/1 + Old
Promotion 로직
Card Table 필요

2. 메모리 오버헤드

Survivor 영역 (실제 사용은 절반)
Card Table 자체

자바의 채택 ⭐

자바 모든 GC 의 기반:

Serial GC (가장 단순)
Parallel GC (멀티 스레드)
CMS (Concurrent)
G1 (Region)
ZGC (저지연)

→ 모두 Generational + 추가 최적화.

4가지 알고리즘 비교 표 ⭐⭐ (면접 답변 핵심)

	Reference Counting	Mark-Sweep	Mark-Sweep-Compact	Generational
순환 참조	❌ 누수	✅ 해결	✅ 해결	✅ 해결
STW	없음	김	매우 김	짧음 (Minor)
단편화	없음	있음	없음 (압축)	없음 (Young 자동)
즉시 회수	✅	X	X	X
구조	단순	단순	보통	복잡
자바 채택	❌	△ (변형)	△ (Old 영역)	✅

알고리즘 진화의 흐름

1. Reference Counting (1950s)
   ↓ 순환 참조 문제 발견
   
2. Mark-Sweep (1960s)
   ↓ 단편화 문제 발견
   
3. Mark-Sweep-Compact (1970s)
   ↓ 모든 객체 같게 다루는 비효율
   
4. Generational (1980s) ⭐
   ↓ 자바 채택 (1995)
   ↓ 더 발전
   
5. G1, ZGC, Shenandoah (2010s+)
   ↓ Region 기반, Concurrent

→ 알고리즘 진화 = GC 진화.

🏗️ 5. 내부 동작 원리

Reference Counting 의 자세한 메커니즘

# Python 예시 (자바 아님, 이해용)
a = SomeObject()  # a 의 카운트: 1
b = a              # 카운트: 2
a = None           # 카운트: 1
b = None           # 카운트: 0 → 즉시 회수

JVM 이라면 (가상):

// 의사 코드 — 자바는 이렇게 안 함
class Object {
    int referenceCount;
    
    void onReferenceAdded() { referenceCount++; }
    void onReferenceRemoved() {
        referenceCount--;
        if (referenceCount == 0) {
            free(this);  // 즉시 해제
        }
    }
}

모든 참조 변경 시 카운트 갱신 — 비용 높음.

순환 참조의 정확한 문제

class Person {
    Person friend;  // 친구 참조
}

// 시나리오
Person alice = new Person();   // alice: cnt=1 (외부 변수)
Person bob = new Person();     // bob: cnt=1

alice.friend = bob;  // bob: cnt=2
bob.friend = alice;  // alice: cnt=2

alice = null;  // alice 객체: cnt=1 (bob.friend 가 가리킴)
bob = null;    // bob 객체: cnt=1 (alice.friend 가 가리킴)

// 외부 참조 모두 끊겼는데
// 서로 1씩 카운트 → 영원히 회수 X

시각화:

[Stack] (비어있음 — 외부 참조 X)

[Heap]
  alice 객체 (cnt=1) ──→ bob 객체 (cnt=1)
       ↑                    │
       └────────────────────┘
       (cycle)

→ 누수.

Mark-Sweep 이라면 해결:

GC Root: 외부 참조 없음
→ Reachability: alice, bob 둘 다 도달 불가
→ Sweep 시 회수

Mark 의 자세한 알고리즘

DFS (Depth-First Search) 사용:

1. GC Root 들을 work-list 에 추가
2. while work-list 비어있지 않음:
   a. 객체 하나 꺼냄
   b. 마킹
   c. 그 객체의 모든 참조를 work-list 에 추가
3. 끝나면 마킹 안 된 것이 Garbage

시간 복잡도:

객체 수 N
참조 수 E
O(N + E)

Sweep 의 자세한 알고리즘

for each 객체 in Heap:
    if 마킹 안 됨:
        free(객체)
    else:
        clear_mark(객체)  // 다음 GC 위해

Free List:

회수된 메모리를 추적
다음 할당 시 사용

Compact 의 자세한 메커니즘

객체 이동 + 참조 업데이트:

Step 1: 새 위치 계산
  A: 0x1000 → 0x1000 (그대로)
  C: 0x2000 → 0x1100 (앞으로 이동)
  F: 0x3000 → 0x1200 (앞으로 이동)

Step 2: 객체 복사
  C 의 데이터 → 0x1100
  F 의 데이터 → 0x1200

Step 3: 모든 참조 업데이트
  A 가 C 를 참조 → 0x2000 → 0x1100
  외부에서 F 참조 → 0x3000 → 0x1200

비용:

객체 복사
참조 추적 + 업데이트
→ STW 길어짐

Copying GC 의 효율성

Young 영역에서 사용:

Eden + From: [A][B][C][D][E]
              ↓ Live: A, C, E

To: 비어있음
              ↓ Copying

To: [A][C][E]
Eden + From: 통째로 비움

왜 빠른가:
1. 살아있는 객체만 복사 (보통 적음)
2. 빈 공간 통째로 비움 (free 호출 없음)
3. 자동 압축 (별도 단계 X)

시간: O(Live 객체 수)

Generational 의 통합 흐름

새 객체 생성:
  → Eden 할당

Eden 가득:
  → Minor GC (Copying)
  → Eden + From → To
  → 살아남은 객체 age +1

Survivor 가득 또는 age = 15:
  → Promotion (Old 로 이동)

Old 가득:
  → Major GC (Mark-Sweep-Compact)
  → 또는 G1 의 Mixed GC

Old + Metaspace 가득:
  → Full GC (전체)

Card Table 의 필요성 ⭐

문제: Old → Young 참조

@Service
public class FareCache {  // Old 에 살아있음
    private List<Fare> recent = new ArrayList<>();  // Young 에 있을 수 있음
}

Minor GC 시 Eden + From 만 보면, Old 의 cache 가 가리키는 Young 객체 를 Live 로 인식 못 함.

해결 — Card Table ⭐ :

[Old]
  Region 0: [Card 0][Card 1][Card 2][Card 3]
                       ↓
                       dirty (Young 참조 있음)

Minor GC:
1. GC Root 스캔
2. dirty 카드만 추가 스캔
3. 마킹

Write Barrier:

Old → Young 참조 발생 시 자동 dirty 마킹
JVM 이 컴파일러 수준에서 자동 삽입

// 사용자 코드
oldObject.youngRef = youngObject;

// JVM 내부 (실제 바이트코드)
oldObject.youngRef = youngObject;
markCardAsDirty(oldObject);  // ← Write Barrier

→ Generational GC 의 핵심 메커니즘.

💻 6. 실전 코드 예시

예시 1: 순환 참조 시뮬레이션 (자바에서는 안전)

class Person {
    String name;
    Person friend;
    
    Person(String name) {
        this.name = name;
    }
}

public class CycleDemo {
    public static void main(String[] args) {
        Person alice = new Person("Alice");
        Person bob = new Person("Bob");
        
        alice.friend = bob;
        bob.friend = alice;
        
        // 외부 참조 끊음
        alice = null;
        bob = null;
        
        // GC 발생 시 — Mark-Sweep 이므로 둘 다 회수 ✅
        // (Reference Counting 이었다면 누수)
        
        System.gc();
    }
}

→ 자바 = Mark-Sweep 기반 → 순환 참조 안전.

예시 2: 메모리 누수 — 의외의 패턴

// ❌ 자바에서 실제 메모리 누수 패턴
public class CacheDemo {
    private static final List<Customer> cache = new ArrayList<>();
    
    public static void addCustomer(Customer c) {
        cache.add(c);
        // cache 는 static → GC Root
        // cache 가 c 를 참조 → c 영원히 Live
        // → 누수
    }
}

→ 자바도 참조가 살아있으면 GC 못 함. Mark-Sweep 이라도.

예시 3: GC 알고리즘별 시각화

public class GCVisualizer {
    
    // 시나리오: 100개 객체 생성, 절반은 살리기
    public static void main(String[] args) {
        List<byte[]> survivors = new ArrayList<>();
        
        for (int i = 0; i < 100; i++) {
            byte[] data = new byte[1024 * 100];  // 100KB
            
            if (i % 2 == 0) {
                survivors.add(data);  // 절반만 살림
            }
            // 나머지는 메서드 종료 시 Garbage
        }
        
        System.out.println("실제 살아있는 객체: 50");
        System.out.println("총 생성 객체: 100");
        // → 50 회수 필요
        
        System.gc();
        System.out.println("GC 후 → 50 회수됨");
    }
}

알고리즘별 동작:

Reference Counting: 즉시 50 회수 (참조 없어진 순간)
Mark-Sweep: GC 시 50 마킹 + 50 sweep
Mark-Sweep-Compact: Sweep + 50 살아있는 것 압축
Generational: Eden 의 100개 → Minor GC → 50 만 Survivor 로

예시 4: ILIC 의 GC 알고리즘 선택

// ILIC 운영 환경 — JVM 옵션
// -XX:+UseSerialGC      // Serial (단일 스레드)
// -XX:+UseParallelGC    // Parallel (멀티 스레드)
// -XX:+UseG1GC          // G1 (Region 기반) — Java 9+ 기본
// -XX:+UseZGC           // ZGC (저지연)

// 권장:
java -XX:+UseG1GC \
     -Xms2g -Xmx2g \
     -XX:MaxGCPauseMillis=200 \
     -Xlog:gc*:file=gc.log \
     -jar ilic.jar

선택 기준:

작은 Heap, 단일 CPU: Serial
처리량 우선 (배치): Parallel
일반 백엔드: G1
저지연 필수 (대용량): ZGC

예시 5: GC 로그에서 알고리즘 확인

java -XX:+PrintCommandLineFlags -version

출력 예시:

-XX:InitialHeapSize=...
-XX:+UseG1GC                ← 사용 중인 GC
-XX:+UseCompressedClassPointers
...

또는:

java -Xlog:gc*:stdout YourApp

GC 로그에서 알고리즘 이름 확인 가능.

예시 6: 단편화 실험

public class FragmentationDemo {
    public static void main(String[] args) {
        List<byte[]> arrays = new ArrayList<>();
        
        // 100개 작은 배열 할당
        for (int i = 0; i < 100; i++) {
            arrays.add(new byte[1024 * 100]);  // 100KB
        }
        
        // 짝수 인덱스만 살림 (홀수는 Garbage 대상)
        for (int i = 1; i < 100; i += 2) {
            arrays.set(i, null);
        }
        
        System.gc();  // GC 발생
        
        // Mark-Sweep 만 했다면:
        // 살아있는 것: [A][_][C][_][E][_][G][_]...
        // → 단편화 ⚠️
        
        // Mark-Sweep-Compact 후:
        // [A][C][E][G][_][_][_][_][_]...
        // → 압축 ✅
        
        // 큰 객체 할당 시도
        try {
            byte[] huge = new byte[1024 * 1024 * 50];  // 50MB
            // Mark-Sweep 만이라면 OOM 가능
            // Compact 후라면 OK
        } catch (OutOfMemoryError e) {
            System.out.println("단편화로 OOM!");
        }
    }
}

→ 자바는 Compact 가 있어 안전. C/C++ 등에서는 단편화 위험.

예시 7: ILIC 의 GC 알고리즘별 성능 비교

# Parallel GC (Java 8 기본)
java -XX:+UseParallelGC -Xmx2g -jar ilic.jar
# 결과: Throughput 높음, Full GC 시 STW 1초

# G1 GC (Java 9+ 기본)
java -XX:+UseG1GC -Xmx2g -jar ilic.jar
# 결과: Throughput 약간 낮음, STW ~200ms

# ZGC (Java 11+)
java -XX:+UseZGC -Xmx2g -jar ilic.jar
# 결과: Throughput 약간 더 낮음, STW ~10ms

선택 기준:

API 응답 안정성 → G1 또는 ZGC
배치 처리 → Parallel
사용자 응답 우선 → ZGC

⚠️ 7. 주의사항 & 흔한 실수

실수 1: "자바도 Reference Counting 쓴다"

Q: "자바 GC 알고리즘?"
A: "Reference Counting 같은 거?" ❌

정답: 자바는 Generational + Mark-Sweep-Compact 사용. Reference Counting 사용 안 함.

실수 2: 순환 참조가 자바에서 누수라고 생각

"순환 참조 만들면 메모리 누수네!"

진실: 자바는 Mark-Sweep 기반이라 순환 참조 안전.

// 자바에서는 OK
a.friend = b;
b.friend = a;
a = null;
b = null;
// → GC 시 둘 다 회수

순환 참조가 누수인 경우는 외부에서도 참조 할 때:

static List<Person> all = new ArrayList<>();
all.add(alice);
all.add(bob);
// → all 이 살아있어 둘 다 누수

실수 3: Mark-Sweep 만 사용한다고 생각

"자바는 Mark-Sweep 사용합니다"

정답: Generational + Mark-Sweep-Compact (Old) + Copying (Young).

각 영역마다 다른 알고리즘.

실수 4: STW 가 항상 길다고 생각

"GC 동안 항상 1초씩 멈춰요"

정답:

Minor GC: ~10ms
Major GC: ~100~500ms
Full GC: ~수 초

GC 알고리즘 + Heap 크기에 따라 다름. ZGC 면 ms 단위.

실수 5: Compact 가 모든 GC 에 있다고 생각

Q: "Mark-Sweep 단편화는?"
A: "Compact 있어서 OK 아닌가요?" ❌

정답: 순수 Mark-Sweep 은 Compact 없음. 단편화 발생.

자바의 Old GC 는 Mark-Sweep-Compact (압축 추가).

실수 6: GC 알고리즘 무시 = 운영 사고

java -jar myapp.jar  # 기본 GC 사용

문제:

Java 8 기본: Parallel (처리량 우선, 응답성 X)
Java 9+ 기본: G1 (균형)

상황별 권장:

작은 Heap (~4GB): G1 또는 Parallel
큰 Heap (4~32GB): G1
매우 큰 Heap (32GB+): ZGC, Shenandoah
저지연 필수: ZGC

실수 7: System.gc() 로 GC 강제

public void process() {
    // 처리
    System.gc();  // ❌ 권장 X
}

문제:

JVM 이 무시할 수도 있음
Full GC → 긴 STW
성능 영향

원칙: GC 는 JVM 이 알아서.

🔗 8. 연관 개념 맵

Phase 5 (GC) 내 흐름

[Unit 5.1: GC 기본 + 약한 세대 가설] ✓
        ↓
[Unit 5.2: Heap 의 세대 구조] ✓
        ↓
[Unit 5.3: GC 알고리즘 4가지] ← 지금 여기 ★
        ↓
[Unit 5.4: GC 종류와 선택 기준] (마지막)

알고리즘 진화 정리

시기	알고리즘	주요 개선
1950s	Reference Counting	즉시 회수
1960s	Mark-Sweep	순환 참조 해결
1970s	Mark-Sweep-Compact	단편화 해결
1980s	Generational	효율 ↑
1990s	Concurrent (CMS)	STW 짧음
2010s	G1 (Region)	큰 Heap
2010s	ZGC	매우 짧은 STW

다른 언어와의 비교

언어	GC 알고리즘
Java	Generational + Mark-Sweep-Compact + Copying
C#/.NET	Generational + Mark-Sweep-Compact (비슷)
Go	Concurrent Mark-Sweep (저지연 우선)
Python	Reference Counting + Cycle Detector
JavaScript (V8)	Generational + Mark-Sweep
Ruby	Mark-Sweep-Compact + Generational
Rust	GC 없음 (소유권)

면접 단골 질문 매핑

질문	이 Unit에서의 답
"GC 알고리즘?"	RC, Mark-Sweep, MSC, Generational
"왜 자바는 RC 안 씀?"	순환 참조 + 카운트 비용
"Mark-Sweep 단점?"	단편화
"자바 GC 의 특징?"	Generational + 영역별 다른 알고리즘
"Copying GC?"	Young 영역에서 사용

📝 9. 핵심 요약 — 3줄 정리

1️⃣ GC 알고리즘은 4가지 — Reference Counting, Mark-Sweep, Mark-Sweep-Compact, Generational.

Reference Counting 은 참조 카운트로 즉시 회수, 순환 참조 시 누수. Mark-Sweep 은 GC Root 추적으로 마킹 후 회수, 단편화 발생. Mark-Sweep-Compact 은 압축 추가로 단편화 해소. Generational 은 약한 세대 가설로 영역별 다른 알고리즘 적용.

2️⃣ 자바는 Generational + 영역별 다른 알고리즘을 사용한다.

Young 영역 (Eden + Survivor) 은 Copying GC — Eden + From 의 살아있는 객체를 To 로 복사, 자동 압축. Old 영역은 Mark-Sweep-Compact — 마킹 + 회수 + 압축. Reference Counting 은 사용 X (순환 참조 + 카운트 비용 때문). Card Table + Write Barrier 로 Old → Young 참조 추적.

3️⃣ 알고리즘 선택 = 효율 / 단편화 / STW 의 trade-off.

Reference Counting: 즉시 회수, 멈춤 X / 순환 참조 누수. Mark-Sweep: 단순, 안전 / 단편화. Compact: 단편화 해소 / STW 길어짐. Generational: 약한 세대 가설로 균형 / 구조 복잡. Java 의 모든 GC (Serial, Parallel, CMS, G1, ZGC) 가 Generational + 추가 최적화. 운영 시 G1 (균형) 또는 ZGC (저지연) 권장.

🎓 학습 자기 점검

기본 이해

4가지 GC 알고리즘을 나열할 수 있다
각 알고리즘의 핵심 동작을 설명할 수 있다
각 알고리즘의 장단점을 비교할 수 있다
자바가 채택한 알고리즘을 안다 (Generational)

실전 적용

순환 참조가 자바에서 안전한 이유를 설명할 수 있다
단편화 문제를 시각화할 수 있다
ILIC 운영에 적합한 GC 알고리즘을 선택할 수 있다
GC 로그에서 알고리즘을 식별할 수 있다

면접 대비 (5분 답변)

"GC 알고리즘 종류?" 답변 가능
"왜 자바는 RC 안 쓰나요?" 답변 가능
"Mark-Sweep 의 단점?" 답변 가능
"Generational 이 효율적인 이유?" 답변 가능

자기 점검 질문 답변

Q1: 순환 참조가 Reference Counting 에서 왜 문제인지 그림으로 그려보라.

답: 외부 참조가 모두 끊겼는데, 객체끼리 상호 참조 하면 카운트가 0 안 돼서 누수.

상세 시각화:

Step 1: 정상 상태

[Stack]
  alice (변수)
  bob (변수)

[Heap]
  Person "Alice"  cnt=1 (alice 가 가리킴)
  Person "Bob"    cnt=1 (bob 이 가리킴)

Step 2: 상호 참조 추가

alice.friend = bob;  // bob: cnt=2 (alice.friend 가 가리킴)
bob.friend = alice;  // alice: cnt=2 (bob.friend 가 가리킴)

[Stack]
  alice ────┐
  bob ──────┼─┐
            │ │
[Heap]      ▼ ▼
  Person "Alice"  cnt=2 ──→ Person "Bob"  cnt=2
       ↑                          │
       └──────────────────────────┘

Step 3: 외부 참조 끊음

alice = null;  // alice 객체: cnt=2-1=1
bob = null;    // bob 객체: cnt=2-1=1

[Stack] (비어있음)

[Heap]
  Person "Alice"  cnt=1 ──→ Person "Bob"  cnt=1
       ↑                          │
       └──────────────────────────┘
       
       두 객체 모두 cnt=1 (서로 가리킴)
       → 영원히 cnt=0 안 됨
       → 메모리 누수 ❌

핵심 문제:

외부에서는 도달 불가 (사용 중 X)
그러나 카운트 0 안 됨
→ Reference Counting 만으로 처리 불가

해결책들:

1. Cycle Detection (Python 의 보조)

주기적으로:
  - 카운트 0 안 됐지만 도달 불가능한 객체 식별
  - 그것들 회수

2. Mark-Sweep (자바의 선택)

GC Root 에서 시작
→ alice, bob 객체 도달 불가
→ Mark 안 됨
→ Sweep 시 회수

3. Weak Reference (약한 참조)

class Person {
    WeakReference<Person> friend;  // 약한 참조
    // → 카운트 증가 X
    // → 순환 참조 발생 X
}

→ 자바는 Mark-Sweep 으로 우아하게 해결.

Q2: Mark-and-Sweep 에서 OOM 이 발생할 수 있는 이유는?

한 줄 답: 단편화 (Fragmentation) 때문에 큰 연속 공간 부족.

상세 설명:

Mark-Sweep 만 사용 시 Compact 단계 없음:

Step 1: 초기 상태

[Heap] (1GB)
  [객체A 100MB][객체B 100MB][객체C 100MB][객체D 100MB][객체E 100MB]
  ... 10개 100MB 객체로 가득

Step 2: GC 발생 — 짝수 객체만 Live

Mark:
  A (Live), B (Garbage), C (Live), D (Garbage), E (Live), ...

Sweep:
  [A 100MB][_ 100MB][C 100MB][_ 100MB][E 100MB][_ 100MB]...
            ← 빈 공간들 흩어짐

Step 3: 큰 객체 할당 시도

byte[] big = new byte[300 * 1024 * 1024];  // 300MB

문제:

Heap 의 빈 공간 총합 = 500MB (충분해 보임)
그러나 연속된 빈 공간 = 100MB 가 최대
300MB 연속 공간 없음
→ OOM ⚠️

시각화:

빈 공간들:
  100MB(B) + 100MB(D) + 100MB(F) + 100MB(H) + 100MB(J) = 500MB

그러나 위치:
  [A][__][C][__][E][__][G][__][I][__]
      ↑ 연속 100MB 만

→ "메모리 부족" 이 아닌 "연속된 공간 부족".

비유 — 주차장의 단편화

주차장 (10대 주차 가능):
  [차1][_][차3][_][차5][_][차7][_][차9][_]

빈 자리: 5개 (절반 비어있음)
그러나 트럭 (3대 자리 필요):
  → 연속 3대 자리 없음
  → 주차 불가 ⚠️

해결책 — Compact

Compact 후:
  [차1][차3][차5][차7][차9][_][_][_][_][_]
                          ← 연속된 빈 공간

이제 트럭 주차 가능 ✅

자바의 실제

자바의 Old GC = Mark-Sweep-Compact:

Compact 단계로 단편화 해소
연속된 큰 공간 확보
큰 객체 할당 가능

→ 자바가 Mark-Sweep-Compact 채택한 이유.

G1 의 특수한 경우

G1 GC 는 Region 기반:

Heap 을 작은 Region 으로 분할
각 Region 안에서 압축
또는 Region 통째로 회수

G1 의 Humongous Object:

Region 의 절반 이상 객체
별도 처리
→ 단편화 문제 적음

다음 Unit으로

GC 종류와 선택 기준 을 학습할 준비 완료
Serial, Parallel, CMS, G1, ZGC 의 차이가 궁금하다
운영 환경에서 어떤 GC 를 선택할지 만날 준비 완료

🎯1주차 Unit 5.3 — GC 알고리즘 4가지

댓글