https://www.cnblogs.com/Chary/p/18034613
TLAB是虛擬機在堆內存的eden劃分出來的一塊專用空間，是線程專屬的。在虛擬機的TLAB功能啓動的情況下，在線程初始化時，虛擬機會爲每個線程分配一塊TLAB空間，只給當前線程使用，這樣每個線程都單獨擁有一個空間，如果需要分配內存，就在自己的空間上分配，這樣就不存在競爭的情況，可以大大提升分配效率。這裏值得注意的是，我們說TLAB是線程獨享的，但是隻是在“分配”這個動作上是線程獨享的，至於在讀取、垃圾回收等動作上都是線程共享的。而且在使用上也沒有什麼區別。
也就是說，雖然每個線程在初始化時都會去堆內存中申請一塊TLAB，並不是說這個TLAB區域的內存其他線程就完全無法訪問了，其他線程的讀取還是可以的，只不過無法在這個區域中分配內存而已。
並且，在TLAB分配之後，並不影響對象的移動和回收，也就是說，雖然對象剛開始可能通過TLAB分配內存，存放在Eden區，但是還是會被垃圾回收或者被移到Survivor Space、Old Gen等。
還有一點需要注意的是，我們說TLAB是在eden區分配的，因爲eden區域本身就不太大，而且TLAB空間的內存也非常小，默認情況下僅佔有整個Eden空間的1%。所以，必然存在一些大對象是無法在TLAB直接分配。
遇到TLAB中無法分配的大對象，對象還是可能在eden區或者老年代等進行分配的，但是這種分配就需要進行同步控制，這也是爲什麼我們經常說：小的對象比大的對象分配起來更加高效。
TLAB帶來的問題
雖然在一定程度上，TLAB大大的提升了對象的分配速度，但是TLAB並不是就沒有任何問題的。
前面我們說過，因爲TLAB內存區域並不是很大，所以，有可能會經常出現不夠的情況。在《實戰Java虛擬機》中有這樣一個例子：
比如一個線程的TLAB空間有100KB，其中已經使用了80KB，當需要再分配一個30KB的對象時，就無法直接在TLAB中分配，遇到這種情況時，有兩種處理方案：
1、如果一個對象需要的空間大小超過TLAB中剩餘的空間大小，則直接在堆內存中對該對象進行內存分配。
2、如果一個對象需要的空間大小超過TLAB中剩餘的空間大小，則廢棄當前TLAB，重新申請TLAB空間再次進行內存分配。
以上兩個方案各有利弊，如果採用方案1，那麼就可能存在着一種極端情況，就是TLAB只剩下1KB，就會導致後續需要分配的大多數對象都需要在堆內存直接分配。
如果採用方案2，也有可能存在頻繁廢棄TLAB，頻繁申請TLAB的情況，而我們知道，雖然在TLAB上分配內存是線程獨享的，但是TLAB內存自己從堆中劃分出來的過程確實可能存在衝突的，所以，TLAB的分配過程其實也是需要併發控制的。而頻繁的TLAB分配就失去了使用TLAB的意義。
爲了解決這兩個方案存在的問題，虛擬機定義了一個refill_waste的值，這個值可以翻譯爲“最大浪費空間”。
當請求分配的內存大於refill_waste的時候，會選擇在堆內存中分配。若小於refill_waste值，則會廢棄當前TLAB，重新創建TLAB進行對象內存分配。
前面的例子中，TLAB總空間100KB，使用了80KB，剩餘20KB，如果設置的refill_waste的值爲25KB，那麼如果新對象的內存大於25KB，則直接堆內存分配，如果小於25KB，則會廢棄掉之前的那個TLAB，重新分配一個TLAB空間，給新對象分配內存。
TLAB使用的相關參數
TLAB功能是可以選擇開啓或者關閉的，可以通過設置-XX:+/-UseTLAB參數來指定是否開啓TLAB分配。
TLAB默認是eden區的1%，可以通過選項-XX:TLABWasteTargetPercent設置TLAB空間所佔用Eden空間的百分比大小。
默認情況下，TLAB的空間會在運行時不斷調整，使系統達到最佳的運行狀態。如果需要禁用自動調整TLAB的大小，可以使用-XX:-ResizeTLAB來禁用，並且使用-XX：TLABSize來手工指定TLAB的大小。
TLAB的refill_waste也是可以調整的，默認值爲64，即表示使用約爲1/64空間大小作爲refill_waste，使用參數：-XX：TLABRefillWasteFraction來調整。
如果想要觀察TLAB的使用情況，可以使用參數-XX+PringTLAB 進行跟蹤。
總結
爲了保證對象的內存分配過程中的線程安全性，HotSpot虛擬機提供了一種叫做TLAB(Thread Local Allocation Buffer)的技術。
在線程初始化時，虛擬機會爲每個線程分配一塊TLAB空間，只給當前線程使用，當需要分配內存時，就在自己的空間上分配，這樣就不存在競爭的情況，可以大大提升分配效率。
所以，“堆是線程共享的內存區域”這句話並不完全正確，因爲TLAB是堆內存的一部分，它在讀取上確實是線程共享的，但是在內存分配上，是線程獨享的。
TLAB的空間其實並不大，所以大對象還是可能需要在堆內存中直接分配。那麼，對象的內存分配步驟就是先嚐試TLAB分配，空間不足之後，再判斷是否應該直接進入老年代，然後再確定是再eden分配還是在老年代分配。
