标记-整理算法是面向堆内存的带停顿碎片整理机制，核心代价体现为移动成本（取决于存活对象数量与大小）、停顿时间（STW，含标记、滑动计算、引用更新与校验）和引用更新开销（需遍历所有跨区引用，占比达35%~50%）。
标记-整理算法本质上就是一种面向堆内存的、带停顿的碎片整理机制，它的“代价”不是抽象概念，而是可量化的时间开销与资源消耗，核心体现在三方面：移动成本、停顿时间（STW）、引用更新开销。
移动成本：取决于存活对象数量与大小
整理阶段需将所有存活对象向一端紧凑复制或滑动。移动数据量 = 所有存活对象的总字节数。例如：老年代占用 2GB，存活率 85%，则需移动约 1.7GB 数据。这不仅是内存带宽压力，还触发大量 CPU 缓存失效（cache line miss），尤其在大堆（>16GB）场景下，移动耗时呈非线性增长。
- 对象越小、越多 → 指针操作和元数据更新越频繁，单位字节开销更高
- 对象越大（如大数组、缓存块）→ 单次拷贝耗时长，但总次数少，更易被 DMA 或 memcpy 优化
- 若使用“滑动”而非“复制”（如 Serial Old 的部分实现），可省去目标空间分配，但要求内存页连续且无保护位冲突
停顿时间（STW）：与存活对象分布强相关
STW 不仅包含移动本身，还包括：标记遍历、计算滑动偏移、更新所有跨区引用、校验整理后对象头。其中，引用更新是最大变量——它必须扫描整个老年代、新生代的 GC Roots、元空间的类静态字段、JNI 全局引用等。
- 存活对象集中在内存前半段 → 滑动距离短，但引用更新仍需全量扫描
- 存活对象高度离散 → 滑动过程需多次跳转，CPU 预取失效严重，吞吐下降明显
- 现代收集器（如 G1、ZGC）通过分区（Region）和并发标记缓解此问题，但老年代全局整理（如 Parallel Old）仍无法规避长 STW
引用更新开销：隐性但关键的性能瓶颈
每次对象地址变更，所有指向它的引用都必须重写。这些引用可能位于：
- 老年代内部（如 HashMap 的桶数组）
- 新生代中（如年轻代对象持有了老年代缓存句柄）
- 元空间（如 Class 对象的 static final 字段）
- JNI 全局引用表（C 层长期持有的 jobject）
更新方式决定代价：串行遍历慢但简单；并发更新需读写屏障 + 原子操作，增加指令开销；增量式更新（如 CMS 的 card table 扫描）则引入额外内存标记负担。实测表明，在 4GB 老年代、10 万级活跃引用的典型 Web 应用中，引用更新常占整理总耗时的 35%~50%。
不复杂但容易忽略
