一、先了解下必备的知识前提
内存中的托管与非托管，可简单理解为：
托管：可借助GC从内存中释放的数据对象（以下要描述的内容点）
非托管：必须手工借助Dispose释放资源（实现自IDisposable）的对象
内存中有栈和堆的概念区分，仅简单说明：
栈：先进后出 的特点（这里不再详细阐述）
堆：存放数据对象实例的内存空间（以下要描述的内容点）
二、.Net GC的简单描述GC垃圾回收是对于内存堆的处理过程。
当一个应用程序进程创建时，会为此应用程序在物理内存堆中分配一块虚拟的连续性内存空间，以供应用程序后续运行时存放产生的数据对象实例。
GC是一个独立的进程，用来自动维护管理内存堆中的空间分配和释放。它通过一个或多个线程进行垃圾回收，默认启用后台线程垃圾回收。（关于前台线程与后台线程，可参考其它）
三、.Net平台的GC垃圾回收，什么时候会被触发呢？1、当被分配的堆中虚拟内存空间不够用时，系统会自动 回收/压缩/扩大 被分配的虚拟内存块，以适应新产生的数据对象存储。
2、当整个物理内存不够用时，系统会自动 回收/压缩 各个进程占用的内存空间，以适应新产生的数据对象存储。
3、当应用程序中手动触发GC回收时，GC按照手动指定的方式进行垃圾回收。
四、从作用域上 去理解堆中的代先这样去理解吧
假设一个实例变量声明时的作用域较大，那它就不会马上被回收，因为作用域大的因素，有可能后续程序时常还会被用到。
假设一个实例变量声明时的作用域较小，那它就有可能被优先回收，因为生存周期较短，过了作用域范围，此变量不会再被使用。
假设一个静态的或全局的作用域变量，那它通常不会被回收，因为这样的全局声明会在任意代码段长期被使用。
所以，为了更好的回收，堆中将各数据对象实例归纳为：0代、1代、2代
0代：临时或最新创建的数据对象实例。最常被回收的对象实例。
1代：一段时间内再次使用的数据对象实例，生命周期较长的数据对象实例。较少被回收的对象实例。
2代：常住内存的对象实例，如：静态类型，全局作用域等的对象实例。通常为应用程序退出后回收。
五、堆中对象 在代之间的转移：幸存者的提升应用程序持续运行中，
新创建的对象首先被放在0代中，当运行一段时间后，有些变量超出了自己所在的作用域，不会再被使用，会被GC清理；
由于有些变量作用域大，当前还未超出自己所在的作用域，接下来可能还会被使用，所以GC不会清理；
0代中，有些数据对象实例会被GC清理，有些数据实例对象未被GC清理，那么，未被GC清理的数据对象实例，我们称它为幸存者。
此时，0代中的幸存者会被转移到1代中（想想上面提到1代存放的是哪类对象实例...）；
那么，以此类推，长期/处处被使用的对象实例，就会从1代中转移到2代中；
因此，2代中存放的通常为静态或全局作用域或长期被使用到的对象实例。
六、GC是如何去确定要清理的对象实例？GC在堆中生成各对象间的结构图，作为回收对象的依据，找出非活动的对象。
所有数据对象实例之间的关联引用关系，都会生成一个完整的结构图，一些不在结构图中的 或超出所在作用域的 或不再被继续使用的对象实例，被称为非活动对象。被视为GC要清理的对象。
准确的说：
堆栈根
垃圾回收句柄
静态数据
七、手动GC垃圾回收在某些不常见的情况下，强制回收可提高应用程序的性能。在此，可使用 GC.Collect 方法强制执行垃圾回收，从而诱导垃圾回收。
注意，是诱导，而不是即刻回收。
为了考虑到应用程序当前的稳定运行，执行GC.Collect并不一定马上产生效果，这里仅仅是一个触发，会去收集将要回收的对象，回收动作会在未来某个合适的时间段进行。（当然，也可以强制阻塞式回收，这里略过）
（思考一下：无用的实例=null，是否告知GC为可回收的对象？再GC.Collect()后的效果。）
关于 GC.Collect 方法的参数，会用到上面提到的概念及场景：
对指定的代进行回收
指定回收次数
强制回收 或 择机回收
阻塞式回收 或 后台线程回收
压缩 或 清理
（阻塞式回收方式：都先停一停，先让我回收完）
当然，通常建议：0代，择机，后台回收（阻塞式风险太大，通常选择择机方式，具体自我考量）
八、内存堆中的弱引用当应用程序正在执行使用的对象，GC是不可能回收的，那么，就认为应用程序对该对象具有强引用。
强引用：应用程序正在使用的对象实例，不能被GC回收。
弱引用：应用程序暂时没使用的对象实例，暂时可被GC定义为可回收的实例，在回收之前，也可被应用程序再次使用后变为强引用。
假设一个对象实例被GC清理后，后续又被再次用到的场景，就会重新创建对象实例，那如果这个对象实例又比较大，这样的频繁创建... ...
当然还有优化的空间，所以，弱引用优化了以上场景。
弱引用的优点：对于频繁创建的大实例，弱类型可以做到一次创建多次使用，避免大对象实例多次创建的性能消耗。
（对于小对象使用弱类型，所带来的对对象管理上的性能消耗，是否值得）