[GC]一个简单的Garbage Collector的实现
前言:
最近看了google的工程师写的一个非常简单的垃圾收集器,大概200多行C代码,感叹大牛总能够把复杂的东西通过很简单的语言和代码表达出来。为了增加自己的理解,决定把大牛的想法和代码分析一遍,与大家分享,顺便结合wikipedia,复习下GC的基本概念。
相信大家在写程序的过程中都遇到内存管理的问题,诸如malloc/delete、new/free等,C/C++需要程序员主动进行内存的释放,即垃圾内存的回收,而像Java就提供了GC机制来自动进行垃圾回收。
一、垃圾与垃圾回收
为什么需要进行垃圾回收呢?
垃圾回收就是要让程序员感觉有“无限”的内存供他一直allocate,事实上计算机不会有无限的内存,这就需要将一些垃圾内存进行自动回收,已使得在“任一时刻”都有内存可用。
这种自动回收机制除了解放了程序员外,对程序本身也有很多好处:
1、野指针问题。这在C/C++中很常见,某块内存区域已经被释放掉或被重新分配,而其引用(指针)变量依然在被使用,往往带来很多难以预料的错误。
2、内存泄漏。如果内存都有程序员来管理,若某块内存使用完了没有及时释放,很容易造成内存的泄漏。
3、还有一些其他的诸如重复释放问题,即内存区域已被释放或另作他用,程序员又手动再次free。
总之,GC机制解决了很多内存管理上的问题,很大程度上避免了人为产生的Bug。
当然,GC机制也在一些场合也有一些问题:
1、一个最大的问题就是,GC机制本身占用了系统资源,从而造成系统性能的下降。
2、GC机制中,什么时候进行垃圾回收是不确定的,也就是说某一时刻会造成系统性能下降,这在一些诸如实时系统中是无法容忍的。
什么是垃圾?
在计算机中,垃圾内存是指之前被分配过,但不再使用的内存。这里又有一个问题,如何知道某个内存区域不再被使用。如果程序中不再有这块内存的引用,显然就可以说明这块内存不再会被使用到了。为了更好的说明不再使用的内存,我们先定义什么是使用中的内存:
1、如果某个正在使用的变量引用了这块内存对象,说明这个对象正在使用;
2、如果某个正在使用的内存对象引用了这块内存对象,说明这个对象也是正在使用的。
[1、Any object that’s being referenced by a variable that’s still in scope is in use.
2、Any object that’s referenced by another object that’s in use is in use.]
例如:
class A{
B b;
...
}
Class B{
...
} A a = new A();
只要a正在使用中,那么所指向的那块空间就正在使用中,又由于A中有b对象,那么b所指向的空间也正在使用中(这其实是一条递归的定义方式,或者说是传递闭包)。换句话说,任何一个对象,只要能通过程序中的某个变量访问到(reachable),那么这个对象所占用的内存资源就是正在使用的,假设现在有一个对象之间的引用图,如果某块内存区域在这个图上是不可达的,那么这块内存区域就是不再使用的。
总结来说,一个对象如果能被访问到,即是正在使用的(in-use),一般是下面两种情况:
对象可达性定义:
1、对象在调用栈中被引用(局部变量,参数等),或者作为全局变量引用。
2、被1中的对象引用。
总结下,GC的过程就可以归结为,a、找到不再使用的对象;b、回收其占用的内存资源。
目前有很多方法来实现GC的这个过程。其中最简单的一种是Naïve mark-and-sweep。顾名思义,这种方法总共分为两步,对不再使用内存的标记和扫除。具体来说就是每个对象占用的内存都有一个标记。这个标记仅在GC执行时才会用到。在GC运行后,首先按照上述对对象可达性定义,将这个对象占用的内存的标记设为in-use状态(Mark),然后扫描内存区域,那些拥有标记位,但是没有被置为in-use状态的,说明就是需要被回收的(Sweep),整个过程结束后,再将所有的标记位重置,等待下一次回收过程。
三、自己动手实现一个简单的Garbage Collector
1、类型
为了简化,我们这里只讨论两种类型,一种是不含嵌套的,类似于int、char这样的类型,一种是含有嵌套的,类似于class这样的类型。对于第二种类型,作者采用的是Pair,即<A,B>,其中A、B也可以是Pair类型(当然也可以是第一种普通的类型)。对象的类型表示如下:
typedef enum {
OBJ_INT,
OBJ_PAIR
} ObjectType;
为了让不同类型的对象信息便于用一个统一的数据结构维护,我们又定义了Object类型,这个类型包含了具体的类型,和其所对应的值。
typedef struct sObject {
ObjectType type; union {
/* OBJ_INT */
int value; /* OBJ_PAIR */
struct {
struct sObject* head;
struct sObject* tail;
};
};
} Object;
这里有一个trick(个人认为),就是采用了union这样的结构,实现的内存的overlapping。另外,值得注意的是,这里展示了Pair这个数据结构的定义,如前所述,这是一个递归的定义。
2、虚拟机
前面已经提到,垃圾回收机制的实现,得益于其维护了一些中间信息,最最基本的中间信息便是a、程序总共分配了哪些内存构成的集合A;b、正在用的是哪些内存构成的集合B。有了这些信息,gc的过程就变得很简单,即sweep掉A-B的内存。
我们把这样的一个数据结构程序虚拟机,对于正在使用的对象集合,采用栈来维护(同样采用栈式结构的还有JVM),对于程序总共分配的内存集合,采用链表来维护。由于采用了链表,原来的Object结构体需要加上next指针,更新后的Object结构体如下:
typedef struct sObject {
ObjectType type; /* The next object in the linked list of heap allocated objects. */
struct sObject* next; union {
/* OBJ_INT */
int value; /* OBJ_PAIR */
struct {
struct sObject* head;
struct sObject* tail;
};
};
} Object;
因此,虚拟机定义如下:
#define STACK_MAX 256 typedef struct {
Object* stack[STACK_MAX];
int stackSize; /* The first object in the linked list of all objects on the heap. */
Object* firstObject;
} VM;
创建并初始化一个虚拟机的过程如下:
VM* newVM() {
VM* vm = malloc(sizeof(VM));
vm->stackSize = ;
vm->firstObject = NULL;
return vm;
}
创建一个Object的过程如下:
Object* newObject(VM* vm, ObjectType type) { Object* object = malloc(sizeof(Object));
object->type = type;
object->next = vm->firstObject;
vm->firstObject = object; return object;
}
注意,这里创建一个Object仅是将其放到程序分配的内存集合,即链表中,还没有作为正在使用的对象加到栈中。
对于正在使用中的对象的维护,对应的push和pop函数如下:
void push(VM* vm, Object* value) {
assert(vm->stackSize < STACK_MAX, "Stack overflow!");
vm->stack[vm->stackSize++] = value;
} Object* pop(VM* vm) {
assert(vm->stackSize > , "Stack underflow!");
return vm->stack[--vm->stackSize];
}
对于不同的类型,根据上面实现的push函数,可以写出对应类型的push,如pushInt,具体如下:
void pushInt(VM* vm, int intValue) {
Object* object = newObject(vm, OBJ_INT);
object->value = intValue; push(vm, object);
} Object* pushPair(VM* vm) {
Object* object = newObject(vm, OBJ_PAIR);
object->tail = pop(vm);
object->head = pop(vm); push(vm, object);
return object;
}
这里的pushPair是先单独push两个object,然后再取出来,构建一个新的Pair类型的object,重新push。(个人没明白为什么要这么做,感觉没必要)。
到这里,我们已经拥有了程序运行时内存分配的信息,接下来就要开始进行mark-and-sweep了。
3、Mark
很显然,我们需要一个Flag标志来区分哪些是in-use,哪些不是。因此,需要在原来的Object结构体中加上这样的标志位,更新后的Object结构体如下:
typedef struct sObject {
ObjectType type;
unsigned char marked; /* The next object in the linked list of heap allocated objects. */
struct sObject* next; union {
/* OBJ_INT */
int value; /* OBJ_PAIR */
struct {
struct sObject* head;
struct sObject* tail;
};
};
} Object;
同时还需要更新的是,在newObject函数中对mark位进行初始化:
Object* newObject(VM* vm, ObjectType type) { Object* object = malloc(sizeof(Object));
object->type = type;
object->next = vm->firstObject;
vm->firstObject = object;
object->marked = ; return object;
}
有了这个标志位,我们就可以写mark函数了,mark过程有一个值得注意的就是,对于嵌套的数据结构,其内部子Object也需要进行mark,根据这样的原则,我们很容易写出如下代码:
void mark(Object* object) {
object->marked = ; if (object->type == OBJ_PAIR) {
mark(object->head);
mark(object->tail);
}
}
事实上这里有一个很明显的错误,即如果出现循环嵌套情况(A中有B,B中有A),mark过程就会一直执行下去,因此,需要一个边界条件来结束递归。边界条件便是,如果已经标记过了,就返回,更新后的代码如下:
void mark(Object* object) {
/* If already marked, we're done. Check this first
to avoid recursing on cycles in the object graph. */
if (object->marked) return; object->marked = ; if (object->type == OBJ_PAIR) {
mark(object->head);
mark(object->tail);
}
}
对于栈中维护的object,可以用一个markAll来全部标记:
void markAll(VM* vm)
{
for (int i = ; i < vm->stackSize; i++) {
mark(vm->stack[i]);
}
}
4、Sweep
Sweep过程很简单,遍历程序总共分配的对象链表,如果没有标记,就free掉这块内存,因为标记了的都是在栈中出现过的,如果标记过,就将其mark位复位,以备下次gc过程重新检查其是不是还在栈中,即是不是还需要标记。
void sweep(VM* vm)
{
Object** object = &vm->firstObject;
while (*object) {
if (!(*object)->marked) {
/* This object wasn't reached, so remove it from the list
and free it. */
Object* unreached = *object; *object = unreached->next;
free(unreached);
} else {
/* This object was reached, so unmark it (for the next GC)
and move on to the next. */
(*object)->marked = ;
object = &(*object)->next;
}
}
}
执行完sweep过程后,我们就将所有unreasonable的内存全部回收!
因此,一个完整的gc函数如下:
void gc(VM* vm) {
markAll(vm);
sweep(vm);
}
你以为GC机制就这样完成了?其实还差那么一点,一个很重要的问题摆在我们面前,什么时候去调用这个gc函数?在GC的定义中,给出的是当low on memory的时候去调用,那low on memory又是一个什么概念?显然这又与具体的硬件配置有关。
5、gc的调用
为了简化问题,我们采用一种非常naive的方法来触发gc函数(既然是可以让我们自己动手实现的,当然是越简单越好喽~),简单来说,就是设置一个对象数的上限,当超过这个上限时,就触发gc函数,这需要有虚拟机来维护。因此,我们在虚拟机里加入两个变量,一个是numObjects,表示当前分配的对象总数,另一个是
maxObjects,表示上限。更新后的虚拟机如下:
typedef struct {
Object* stack[STACK_MAX];
int stackSize; /* The first object in the linked list of all objects on the heap. */
Object* firstObject; /* The total number of currently allocated objects. */
int numObjects; /* The number of objects required to trigger a GC. */
int maxObjects;
} VM;
那么在初始化VM时,就需要同时对这两个值也进行初始化:
VM* newVM() {
VM* vm = malloc(sizeof(VM));
vm->stackSize = ;
vm->firstObject = NULL;
vm->numObjects = ;
vm->maxObjects = INITIAL_GC_THRESHOLD;
return vm;
}
在创建一个对象时,就会判断下是否超过上限,如果超过,就执行gc函数,同时更新numObjects。更新后的newObject函数如下。
Object* newObject(VM* vm, ObjectType type) {
if (vm->numObjects == vm->maxObjects) gc(vm); Object* object = malloc(sizeof(Object));
object->type = type;
object->next = vm->firstObject;
vm->firstObject = object;
object->marked = ; vm->numObjects++; return object;
}
对于先前的sweep函数,在释放掉一块unreasonable内存后,也要更新numObjects。更新后的sweep函数如下:
void sweep(VM* vm)
{
Object** object = &vm->firstObject;
while (*object) {
if (!(*object)->marked) {
/* This object wasn't reached, so remove it from the list and free it. */
Object* unreached = *object; *object = unreached->next;
free(unreached); vm->numObjects--;
} else {
/* This object was reached, so unmark it (for the next GC) and move on to
the next. */
(*object)->marked = ;
object = &(*object)->next;
}
}
}
那么,现在又有一个问题,上限值应该设为多少合适呢?不同的程序会有不同的内存要求,设置太大了,对于对内存消耗比较低的程序,可能就根本不会触发gc,设置过小了,对于内存消耗比较大程序就会频繁触发gc,导致性能下降。因此,上限值需要动态更新,这里更新的原则是,每次执行gc后,链表中没有被free掉的对象数的两倍。更新后的gc程序如下:
void gc(VM* vm) {
int numObjects = vm->numObjects; markAll(vm);
sweep(vm); vm->maxObjects = vm->numObjects * ; printf("Collected %d objects, %d remaining.\n", numObjects - vm->numObjects,
vm->numObjects);
}
至此,一个简单的GC程序便实现了!(想想还真有点小激动呢~)
后记:
本文相当于一篇读后感吧,包括各种博客、代码等,一是为了梳理思路,了解相关知识(在这之前我还真没关注过GC的过程);二是分享给那些跟我一样对GC不太明白甚至心生畏惧的同学,一个简单的GC就是这么容易地实现了,200多行哦;三则是为了抛砖引玉,我水平有限,尤其对这些有点偏底层偏细节的东西理解不深,如有错误,还望指出!如果您觉得对您有帮助,不要忘了推荐哦~
参考资料:
1、大牛的博客:http://journal.stuffwithstuff.com/2013/12/08/babys-first-garbage-collector/
2、大牛的github:https://github.com/zhujiangang/mark-sweep/blob/master/main.c
3、维基百科:http://en.wikipedia.org/wiki/Garbage_collection_(computer_science)
[GC]一个简单的Garbage Collector的实现的更多相关文章
- 一个简单的Garbage Collector的实现
一个简单的Garbage Collector的实现 前言: 最近看了google的工程师写的一个非常简单的垃圾收集器,大概200多行C代码,感叹大牛总能够把复杂的东西通过很简单的语言和代码表达出来.为 ...
- 提交并发量的方法:Java GC tuning :Garbage collector
三色算法,高效率垃圾回收,jvm调优 Garbage collector:垃圾回收器 What garbage? 没有任何引用指向它的对象 JVM GC回收算法: 引用计数法(ReferenceCou ...
- k8s garbage collector分析(2)-处理逻辑分析
garbage collector介绍 Kubernetes garbage collector即垃圾收集器,存在于kube-controller-manger中,它负责回收kubernetes中的资 ...
- Getting Started with the G1 Garbage Collector(译)
原文链接:Getting Started with the G1 Garbage Collector 概述 目的 这篇教程包含了G1垃圾收集器使用和它如何与HotSpot JVM配合使用的基本知识.你 ...
- k8s garbage collector分析(1)-启动分析
k8s garbage collector分析(1)-启动分析 garbage collector介绍 Kubernetes garbage collector即垃圾收集器,存在于kube-contr ...
- 使用MongoDB和JSP实现一个简单的购物车系统
目录 1 问题描述 2 解决方案 2.1 实现功能 2.2 最终运行效果图 2.3 系统功能框架示意图 2.4 有关MongoDB简介及系统环境配置 2.5 核心功能代码讲解 ...
- 从一个简单的Java单例示例谈谈并发
一个简单的单例示例 单例模式可能是大家经常接触和使用的一个设计模式,你可能会这么写 public class UnsafeLazyInitiallization { private static Un ...
- 从一个简单的Java单例示例谈谈并发 JMM JUC
原文: http://www.open-open.com/lib/view/open1462871898428.html 一个简单的单例示例 单例模式可能是大家经常接触和使用的一个设计模式,你可能会这 ...
- AGC027 B - Garbage Collector 枚举/贪心
目录 题目链接 题解 代码 题目链接 AGC027 B - Garbage Collector 题解 对于一组选取组的最优方案为,走到一点,然后顺着路径往回取点 设选取点坐标升序为{a,b,c,d} ...
随机推荐
- 1049: [HAOI2006]数字序列 - BZOJ
Description 现在我们有一个长度为n的整数序列A.但是它太不好看了,于是我们希望把它变成一个单调严格上升的序列.但是不希望改变过多的数,也不希望改变的幅度太大.Input 第一行包含一个数n ...
- The 9th Zhejiang Provincial Collegiate Programming Contest->Problem A:A - Taxi Fare
Problem A: Taxi Fare Time Limit: 2 Seconds Memory Limit: 65536 KB Last September, Hangzhou raised th ...
- hdu 1233
最小生成树 本来挺简单 一个小错wa了好几遍 /************************************************************************* & ...
- hdu 1085
额 母函数 #include <cstdio> #include <cstring> int a[3],b[3]= {1,2,5}; int c1[10001],c2[1 ...
- uva 10730
题意:如果数列中没有三个元素的子序列构成等差数列输出yes 不然no 标记每个数出现的位置 然后从0开始寻找三个元素的等差数列 如果这三个元素的位置满足条件则原数列中存在等差数列 #include ...
- RCC 2014 Warmup (Div. 2) ABC
题目链接 A. Elimination time limit per test:1 secondmemory limit per test:256 megabytesinput:standard in ...
- 你只是看起来很努力(只是做了一遍真题,草草的对了一遍答案,然后冲出自习室继续她学生会的事情了,骗自己更容易)good——想起了自己在六大时候的无奈
(转)你只是看起来很努力一次上课,一个女孩子垂头丧气的跟我说,老师,我考了四次四级,还没过,究竟是为什么. 我说,你真题做了吗?单词背了吗?她拿出已经翻破了的真题,跟我说,你讲的所有的题目我连答案都记 ...
- 一篇文章教会你,如何做到招聘要求中的“要有扎实的Java基础
来历 本文来自于一次和群里猿友的交流,具体的情况且听LZ慢慢道来. 一日,LZ在群里发话,“招人啦.” 然某群友曰,“群主,俺想去.” LZ回之,“你年几何?” 群友曰,“两年也.” LZ憾言之,“惜 ...
- 再谈 retain,copy,mutableCopy(官方SDK,声明NSString都用copy非retain)
之前一直以为retain就是简单的计数器+1,copy就是重新开辟内存复制对象: 其实不是这样,原来之前的自己独自徘徊于糊涂之中. (官方SDK,对NSString属性的定义都是用copy,而不是re ...
- Use powerful plugins in your vim.
# setup by root wget http://prdownloads.sourceforge.net/ctags/ctags-5.8.tar.gz tar -xzvf ctags-5.8.t ...