G1停顿预测模型本质是衰减加权历史数据，非简单平均：用衰减均值（davg）和衰减标准差（dsd）结合置信因子动态预测本次GC可回收Region数，以逼近-XX:MaxGCPauseMillis目标。
停顿预测模型本质是加权历史数据，不是简单平均
G1 的 MaxGCPauseMillis 不是硬性上限，而是它用衰减平均（Decaying Average）从历史 GC 步骤耗时中“猜”这次能干多少事。关键不是算“平均每次花多久”，而是让最近几次的耗时数据权重更高——因为 JVM 行为随负载变化快，上周的 GC 时间对今天参考价值远低于 5 分钟前那一次。
get_new_prediction 函数怎么用衰减均值和衰减标准差做预测
这个函数在 hotspot/src/share/vm/gc_implementation/g1/g1CollectorPolicy.hpp 里，核心逻辑就一行：
return MAX2(seq->davg() + sigma() * seq->dsd(), seq->davg() * confidence_factor(seq->num()));
它实际做了两件事：
-
seq->davg()是衰减均值：越近的 GC 耗时权重越大，公式里 α 默认取 0.9，意味着上次数据占 10% 权重，其余 90% 来自之前所有数据的加权结果 -
seq->dsd()是衰减标准差，衡量历史耗时波动程度；sigma()默认是 0.5（来自G1ConfidencePercent=50），所以davg() + 0.5 * dsd()相当于“均值 + 半个波动范围”，是个偏保守的预估上限 - 当历史样本少于 5 次时，
confidence_factor()会大于 1（比如只有 2 次就拉到 2.0），强制放大预测值，避免因数据太少而低估耗时、导致超时
Region 回收数量怎么被这个预测值决定
预测出“本次最多能花 MaxGCPauseMillis 对应的毫秒数”，再除以每个 Region 的历史平均回收耗时（也由 TruncatedSeq 维护），就得到本轮 Mixed GC 最多选几个 Region 进 CSet。但注意：
- 这个“每个 Region 耗时”不是固定值，而是按类型区分的：Eden Region、Old Region、Humongous Region 各自维护独立的
TruncatedSeq - 真正进 CSet 的 Old Region 数量，还受
-XX:G1MixedGCCountTarget和-XX:G1OldCSetRegionThresholdPercent限制，预测值只是上限，不保证一定用满 - 如果老年代碎片严重，或者 Humongous 对象扎堆，即使预测允许回收 20 个 Region，G1 也可能只选 8 个——因为剩下那些回收收益太低（垃圾少、跨 Region 引用多、RSet 扫描开销大）
为什么你看到的实际停顿常比 MaxGCPauseMillis 短，甚至波动很大
衰减预测模型只管“回收动作本身”的耗时，不包括 STW 阶段的初始标记（Initial Mark）和最终标记（Remark）——这两步时间取决于 GC Roots 大小和并发标记期间对象图变动量，完全不受 davg 控制。另外：
- Young GC 也共享同一套预测逻辑，但它的 Region 类型单一（基本全是 Eden），所以预测更稳；Mixed GC 混合多种 Region，
dsd天然更大，预测抖动更明显 - 一旦发生
Concurrent Mode Failure或退化为 Full GC，整个预测模型就失效了——这时候看的是内存压力，不是算法 -
TruncatedSeq默认只存最近 10 次数据，如果你的应用每小时才触发一次 Mixed GC，那模型几乎一直在用“过期数据”做决策
