高性能代码与垃圾回收（GC）之间的协调关系，业界已形成共识：优秀的代码并非刻意“对抗”GC，而是顺应其运作规律，使对象的生命周期与回收机制形成默契。这样不仅能减轻GC负担，还能缩短应用停顿时间，从而显著提升系统整体吞吐量。
首先明确一个核心判断：对象生存期越短、作用域越局部，GC的压力就越小。因此，应优先让对象在方法内部创建、使用并消亡，避免其“逃逸”出函数作用域。以下几点实操细节值得关注：不要为了方便，将临时计算结果直接塞入全局缓存而不设置任何淘汰策略；在循环体或生命周期较长的对象（如Servlet、Handler等组件）中，使用完的强引用要及时置空；此外，static关键字需谨慎使用，特别是用它持有大对象或集合时，极易导致老年代垃圾堆积，触发频繁的Full GC。
接下来看引用类型的选择。Java和Python均提供不同强度的引用，正确选用能帮助GC清晰识别哪些对象可回收。在缓存场景中，推荐优先使用WeakReference或SoftReference（Java），或在Python中采用weakref.WeakKeyDictionary。一个常见陷阱是ThreadLocal，长期持有对象而不清理，实测中可能占据堆内存23%以上，引发大量内存泄漏案例。Python方面同样需要注意：混用__del__与weakref.ref()容易造成循环依赖，阻塞回收流程。简而言之，引用类型并非形同虚设，选对类型就是为GC减轻负担。
日常编码中的某些操作习惯，表面简洁优雅，实则悄悄放大GC压力。例如字符串拼接，循环中切勿使用+，Java中应老老实实采用StringBuilder，Python则用str.join()。集合初始化时最好预估容量，像new ArrayList(100)这样的写法，能比默认扩容节省大量内存和数组复制开销。缓冲区也应尽量复用，例如ByteBuffer或bytearray，每次重新分配新数组成本高昂。还有一个容易被忽略的细节：在高频路径上创建包装类对象，比如Integer.valueOf()在-128～127范围外会新建对象，累积过多也会成为负担。
最后，代码结构若能顺应分代回收机制，效果会更佳。JVM新生代采用复制算法，Python的分代GC按代龄触发，代码完全可顺着这一思路设计。例如短期使用的DTO、临时列表，让它们停留在方法栈内，不要升级为字段。批处理时可拆成小批次，Python中显式调用gc.collect(0)，Java中根据场景手动触发Minor GC（需谨慎）。此外，Java的逃逸分析默认开启，那些未逃逸出方法作用域的对象可直接在栈上分配，绕开堆内存与GC。充分利用这一机制，对性能提升十分可观。
