分代收集理论是基于对象生命周期统计规律的经验总结：98%对象朝生夕灭，活不过首次Minor GC；能撑过5次GC的对象多长期存活，验证了弱分代与强分代假说；晋升阈值15及动态年龄判定均源于实证数据适配。

分代收集理论不是凭空设计的机制，而是建立在大量真实程序运行数据之上的经验总结。它的合理性，直接由对象生命周期的统计规律支撑。

98%的对象“朝生夕灭”有实证

IBM 等机构长期跟踪 Java 应用发现：约 98% 的新创建对象，在第一次 Minor GC 时就已不可达；80%–95% 的对象甚至活不过一次 GC。这类对象集中在方法调用、循环体、HTTP 请求处理等场景中，比如临时 String、局部 ArrayList、DTO 实例等。

• 这意味着新生代只需扫描一小块内存（Eden + 一个 Survivor），就能回收绝大多数垃圾
• 也解释了为什么复制算法在这里高效——每次只搬极少数存活对象，清空整块区域即可

活过 5 次 GC 的对象大概率“老而不死”

数据同时显示：能撑过 5 次 Minor GC 的对象，后续继续存活的概率急剧上升；其中大部分最终会晋升到老年代，并长期驻留。例如缓存容器、连接池、单例服务实例、静态配置对象等。

• 这验证了“强分代假说”——高龄对象稳定性高，变动少，不值得高频扫描
• 因此老年代可拉长回收间隔，用标记类算法集中处理，虽单次耗时高，但整体开销更优

晋升阈值 15 并非硬性指标，而是动态适配的结果

默认年龄阈值设为 15，并非数学推导所得，而是基于历史统计：绝大多数能活到 15 次 GC 的对象，基本已进入稳定期；再往上提升阈值，对降低晋升频率收益极小，反而增加 Survivor 区压力。

• JVM 还引入动态年龄判断：当某年龄及以上对象总和超过 Survivor 空间一半，就提前晋升——这是对统计偏差的实时响应
• 大对象（如 >2MB 的数组）直接进老年代，也是为避开复制开销，符合“大而稳”的实际分布

不同应用类型存在差异，但整体趋势稳定

Web 服务类应用中，短命对象比例常达 95% 以上；批处理或大数据计算任务中，中生命周期对象略多，但“两极分化”特征依然显著——极短命与极长存占主导，中间段稀疏。

• 这种分布使分代结构具备广泛适应性，而非仅适配某种特定业务
• ZGC、Shenandoah 等新一代收集器弱化分代刚性，但仍未抛弃“按存活时间分组管理”的核心思想