老年代频繁更新指向新生代的引用会显著加剧卡表维护开销，拖慢Minor GC速度：写屏障高频触发增加mutator开销，脏卡页激增导致扫描成本线性上升，且多核下易因false sharing和总线争用放大性能损耗。

老年代频繁更新指向新生代的引用，会直接加剧卡表维护开销，进而拖慢 Minor GC 速度——这不是理论风险，而是真实可测的性能瓶颈。

写屏障被高频触发，带来持续 mutator 开销

每次老年代对象字段赋值为新生代对象（如 map.put(key, new String(...))），HotSpot 的后写屏障都会介入：计算目标地址所属卡页索引、原子标记对应 card_table[index] = 1。这个过程虽轻量，但若每毫秒发生数千次跨代写入，就会累积显著 CPU 占用。

• 写屏障本身不阻塞线程，但会增加每条赋值指令的执行周期
• 在 x86 平台上，lock xadd 等原子操作在高并发下易引发总线争用
• 尤其在多核密集写场景（如缓存池批量刷新、事件聚合器更新 payload），卡表更新可能成为热点路径

脏卡页数量激增，Minor GC 扫描成本线性上升

卡表精度是“卡页级”的：一个 512 字节卡页内只要有一个跨代引用，整页就被标记为脏。当大量老年代对象反复修改对新生代的引用时，原本分散的少量脏卡会迅速蔓延成大片连续脏区域。

• Minor GC 需遍历所有脏卡页索引，再逐页解析对象指针
• 一页内可能仅 1 个引用跨代，却要扫描整页内存（含大量无关对象）
• 若脏卡页从几十涨到上万，GC Roots 构建阶段耗时明显增长，Young GC pause 可能翻倍

卡表空间与同步代价隐性放大

卡表本身是堆外 byte 数组，按老年代大小固定分配（例如 4GB 老年代 → ~8MB 卡表）。问题不在容量，而在访问模式：

• 写屏障随机更新不同索引，导致 CPU cache line 频繁失效
• 多个线程同时标记邻近卡页时，会因 false sharing 引发缓存一致性协议开销
• 某些 GC 参数（如 -XX:+UseCondCardMark）可跳过已为 dirty 的重复标记，但默认不启用

对比不同 GC 器的实际表现

CMS 和 G1 对这类压力的响应差异明显：

• CMS：仅用全局卡表，无 RSet 细粒度管理；脏卡泛滥时，Minor GC 必须扫描全部脏页，浮动垃圾也更易堆积
• G1：每个 Region 自带 RSet，跨代引用记录到具体源卡页；虽内存开销大，但 Minor GC 只需查目标 Region 的 RSet，局部性更好
• ZGC/Shenandoah：彻底弃用卡表，靠读屏障+染色指针实现几乎零写屏障开销，天然规避该问题