在过去二十年里，垃圾回收器一直被当作一种”语言层面的便利”来讨论：只要写起来舒服，停顿大一点也能接受；只要吞吐量不掉，内存占用多一点也无所谓。但当主流工作负载从单核迁移到数十核、从一致内存迁移到非均匀内存架构、从本地 SSD 迁移到 NVMe 与持久内存之后，这种”语言层面”的视角开始失效——GC 必须看懂硬件。
一、旧假设为什么开始失效
传统分代 GC 的两条核心假设是：绝大多数对象”朝生暮死”，以及把对象从一个区域整体复制到另一个区域比原地修复便宜。这两条假设在 DRAM 一致内存时代几乎总是成立，所以很长一段时间里，工程界并不需要重新审视 GC 与硬件的关系。
变化发生在三个方向：
第一，DRAM 带宽与缓存未命中率之间的差距被进一步放大，一次”看似便宜”的指针追逐，其实跨越了三层缓存和一次内存控制器调度。
第二，NUMA 架构下，远端节点访问延迟比同节点高出数倍，GC 线程与 mutator 线程在不同节点之间迁移时，停顿的来源不再是算法本身，而是节点之间的跨链带宽。
第三，持久内存与高速 NVMe 改变了”内存”这个概念的边界，把对象放到哪一层存储介质上，开始影响 GC 的代价结构。
这些变化让 GC 的设计从”算法选择题”变成了”系统设计题”。
二、缓存感知：把对象放进对的位置
新一代 GC 在对象分配阶段就开始考虑缓存层级：小对象被放进与当前执行线程绑定的线程局部缓存区，中对象被放进与节点绑定的区域，大对象则被直接放进主堆之外的连续内存。这意味着对象分配的开销不再只是”找到一块空地”，而是”找到一块对当前线程、对当前 NUMA 节点、对当前工作负载最合适的位置”。
这种分配策略带来的副作用是显著的：跨核同步开销降低，缓存命中率提升，更重要的是 GC 自己触发的”伪共享”问题被显著缓解。
三、NUMA 亲和：让线程贴着它的内存跑
当 GC 决定在哪个节点上分配对象、在哪个节点上执行回收线程时，它实际上在回答一个跨学科问题：这一轮回收停顿的尾部延迟，由哪几个硬件参数决定？
新一代运行时把 mutator 线程与 GC 线程绑定到对象所在的节点，并允许在回收阶段把部分工作”借用”到其他节点——但只在跨节点带宽足够时这么做。结果是，停顿的尾部延迟有了可预测的模型，而不再像过去那样依赖”运气”。
四、压缩策略与硬件协作
对象晋升是分代 GC 中最贵的环节之一：把活对象从年轻代复制到老年代，并更新所有指向它的指针。新一代 GC 把这件事拆成两步——先在后台完成大部分对象移动，再在前台用极短的时间窗完成指针重映射与写屏障收敛。
这一步真正变化的，是与硬件预取、TLB 刷新、内存控制器调度节奏的协同：GC 会主动在预取窗口里发起对象移动，让硬件的预取器”以为”这是一次正常访问；会主动错开 TLB 刷新的高峰，让 mutator 不会突然遭遇命中率塌陷。最终效果是：停顿时长被”摊薄”到与硬件节奏对齐，而不是被一次性暴露。
五、编程语言生态正在重新洗牌
这些变化不是单点优化，而是正在重新定义”现代 GC 的硬指标”：p99 停顿、p99.9 停顿、跨 NUMA 节点的尾部延迟、以及在最坏情况下系统仍能维持的吞吐量下限。过去这些指标大多在监控面板上被作为”附录”展示，而现在，它们开始成为 GC 选型的首要参数。
对于工程团队来说，这意味着 GC 不再是可以”忽略”的部分：理解新一代 GC 的硬件模型，理解对象在缓存层级与 NUMA 节点之间的迁移规律，理解压缩、并发、停顿摊薄之间的取舍——这些知识，正在从”运行时内部细节”升级为”系统设计的必修课”。
六、给工程师的三个具体建议
第一，重新审视分配模式：短命小对象的过度分配，比过去更明显地影响 GC 工作量。
第二，把对延迟敏感的线程显式绑核，并与运行时的 NUMA 亲和策略对齐。
第三，建立 p99.9 停顿的监控，而不是只看平均停顿。这些调整几乎不需要改业务代码，却能让系统在峰值负载下保持更稳定的行为。
当垃圾回收器开始看懂硬件，”停顿”就不再是语言层面的副作用，而是系统设计的一部分。这条变化曲线才刚刚开始，但它已经足以改变我们对”性能”和”可预测性”的整体认识。