垃圾回收

谈垃圾回收机制

Posted by WGrape的博客 on October 10, 2020

文章内容更新请以 WGrape GitHub博客 : 谈垃圾回收机制 为准

前言

本文原创，著作权归WGrape所有，未经授权，严禁转载

一、背景

1. 程序载入

程序被载入内存时，OS会为其生成一个描述符task_struct，属性mm_struct指向所对应的内存区域 (包括代码段即指令区、堆栈段即数据区 )。当时间片分配给此程序时，CPU便会读取其内存区域中的指令并执行，这时程序不再是一个静态的数据结构，而是一个运行的实体，即进程( 进行的程序 )。

image

2. 程序执行

指令是汇编代码，汇编代码可以直接操作内存。所以在CPU读取程序指令执行的过程中，涉及内存操作的指令会使用掉部分的堆栈空间

image

3. 堆栈增长

随着程序的执行，使用的堆栈空间会朝着相反的方向不断增长

生长方向相反可以最大化的利用内存

4. 内存记忆

1) 物理层

内存存储器主要由锁存器 ( Latch ) 组成，锁存器内部是晶体管和逻辑门电路所制，高低电平信号在其电路上传输时会被锁住，通过这种方式实现信号存储，得名为锁存器

image

当很多种这样的锁存器组成时，就组成了一个内存存储器

image

因此，对于内存而言，其内部的锁存器存储的高低电平信息即是用户的数据。一旦锁存器存储的电平改变，上次存储的信息就会消失，这种消失从用户角度来看就是数据被删除。从计算机角度看，只是锁存器内部不再存有信号，或者虽然存储信号，但是其所存储的数据已被OS标识为空闲。

理论上，所有存储的数据，无论其抽象层如何标识数据的存在与否，只要在物理层还存在，数据就可以被恢复

2) OS层

OS会维护空闲的内存链表，这些都是可以作为再分配的内存资源。释放堆内存，本质是OS通过将其连接在空闲内存链表而实现。所以回收的堆内存中的保留的数据可能并未被删除。

image

3) 编程语言层

一般编程语言对堆内存的管理，是通过OS提供的接口实现

image

5. 栈的管理

计算机科学《函数调用约定》中规定了不同的CPU架构，在子程序调用后返回到调用方程序时，应该如何需要清理掉栈上的空间。所以无论C、JAVA、Go等任何语言，只是其在汇编层额外多了些栈操作，才得以实现栈空间在调用后的自动释放。

6. 堆的管理

1) 分配

创建新对象时，会在堆空间分配内存后，返回这段内存空间的地址，即指针 ( 参照malloc原理 ) 。

2) 释放

堆空间的生命周期会持续到手动释放后才结束。在C语言中，会提供free释放堆内存的函数，其本质也是通过空闲内存链表实现。

3) 问题

因为内存的申请和释放完全由开发者管理，经常出现未手动释放堆空间而造成内存泄露，为了解决人为管理内存的不便，便开始研究新机制：垃圾回收 / Garbage Collection

二、认识垃圾回收

1. 基本原理

通过回收算法识别出其中不会再被引用的对象，从而进行系统级别的对象自动释放。

2. 回收算法

根据回收时机 ( 回收周期 ) 的不同，可分为即刻回收和延迟回收两种

1) 即刻回收

① 引用计数法

在运行时，记录每个对象被引用的次数，每次创建新对象、赋值引用、删除引用的同时，GC会立即更新计数器，如果计数器为0则立即进行内存回收。

image

2) 延迟回收

由于延迟回收策略中的回收周期时间不定，无法跟踪堆对象。此时GC会面临 when 和 how 问题 。how 是指如何找到目标堆对象 ，when 是指什么时候去找。

  • 解决 How ：【根搜索法】在每一次创建对象的时候，都会根据引用及其指向对象的信息，生成对应的 GC Root 结构体，并存储在一个类似映射表的数据结构中 ( 如 OopMap )，通过遍历 GC Roots 解决 find 问题

  • 解决 When ：一般可以把 GC Roots 大小、堆空间的使用大小，定期等作为是否触发GC的因素

① 标记清除法 / Mark Sweep

第一步 ：遍历所有 Roots ，并标记所有可达的 Object 第二步 ：遍历堆 ，清除所有未被标记的 Object

image

清理后的内存使用情况如下图所示

image

② 标记压缩法 / Mark Compact

第一步 ：遍历所有 Roots ，并标记所有可达的 Object 第二步 ：遍历堆 ，清除所有未被标记的 Object 第三步 ：重新排列所有未被清除的Object

压缩法相比清除法，多了一步整理移动堆空间的操作，减少了内存碎片

image

清理后的内存使用情况如下图所示

image

③ 内存复制 / Copying

前提条件 ：需要把内存等分为 空闲区和使用区 两个区

第一步 ：当使用区用完后，标记所有可达对象，并删除不可达对象 第二步 ：GC将其中还存活的对象复制到空闲区中 第三步 ：清除使用区内的所有对象 第四步 ：把两个区块的身份对调 ( 即空闲区变成使用区，使用区变成空闲区 )

image

清理后的内存使用情况如下图所示

image

相比压缩算法，复制算法解决了标记压缩算法中 内存的移动整理 **较复杂且效率低 **的问题。

3.回收优化

在基本的回收算法中，还存在一些可以优化的地方。

1) 内存分代

在遍历GC Roots时，由于有些对象的生命周期较长，就会造成无用遍历的情况，即某个对象被遍历了多次，但是一直是alive状态导致其引用的对象不能被回收。既不能强制回收，又需要减少遍历的代价提高效率，便提出了内存分代的概念。

image

一般可分为年轻代和老年代，年轻代存储存活周期较短的对象，老年代存储存活周期较长的对象。年轻代意味着更容易被释放，老年代意味着需要很久才会被释放。所以通过这种方式明显提高遍历效率 ：

第一步 ：创建的新生对象进入Young区 第二步 ：在GC遍历Map时，会把所有可达对象的“年龄”+1 第三步 ：当对象的年龄超过限制后，对象及其GC Root会被移入老年区

2) 解决引用计数中的循环引用问题

传统的引用计数中存在缺陷，当对象循环引用时会存在无法清理对象的情况。即本质上对象已经是可以回收的了，但是因为引用计数非0，导致无法释放内存。

为解决问题，可以通过算法识别出循环引用的对象，然后加到缓冲中，当缓冲容量超过限制后便进行回收。

三、相关问题解释

1. 垃圾的定义

当对象不再被任何变量引用时，这个对象就是GC应该回收的垃圾

2. 垃圾的生命周期

原则上GC每回收一次垃圾都会降低效率，所以对象被标识为垃圾后，不同的GC机制都会有对应的优化策略，比如当存储垃圾对象的某个缓冲区满之后才会回收。

3. 理解 GC Root

GC Root 概念比较难理解，不过其本质是描述GC把一切堆对象视为回收目标，各个堆对象之间的引用关系可能错综复杂，所以需要有一个类似起点的节点对象，这样GC每次只需要从起点出发，就能遍历到所有与之相关的所有堆对象

image

4. 引用计数的循环引用

① 定义对象a、b

image

② 对象a、b循环引用

对象a、b的引用次数都+1

a.ref = b;
b.ref = a;

image

③ 删除对象a、b

对象a、b的引用次数都-1

unset(a);
unset(b);

image

④ 无法清理

因为对象a、b的引用计数都不为0，导致堆对象无法被回收

四、不同语言的垃圾回收

1. JAVA

1) 回收机制 - 根搜索法 + 内存分代

① Java把内存分为新生代、老年代 ( 新老内存大小比例 1:2 ) 和 永久代，其中新生代分为Eden、From、To三个区域 ( 内存大小比例默认8:1:1 )

  • Eden (伊甸园，象征起源) ：所有新创建的对象会在分配在此区域中
  • From、To区域就是对内存复制方式的实现
  • 永久代用于存储如静态类的对象，一般不会进行垃圾回收

② Java早期版本如果对象不被引用会被GC直接回收，后续需要只能由JVM重新创建，降低了JVM性能。因此后续版本Java把引用分为强引用、软引用、弱引用、虚引用，一般很少用后两种。

  • 强引用 ：宁愿抛出OOM错误，GC也不会回收强引用的对象 
    // 强引用
Object strongReference = new Object();
  • 软引用 ：如果内存空间不足时，会回收这些软引用的对象。适合缓存场景 
    // 软引用: Java中用java.lang.ref.SoftReference类来表示
String str = new String("abc");
SoftReference<String> softReference = new SoftReference<String>(str);

    区分不同引用类型的本质 ：优化GC回收策略，解决对象无引用时会被GC立即回收 而引起的 JVM 性能下降问题

    2. PHP

    1) 变量容器 ZVal

    ZVal 全称 Zend Value，是Zend引擎中描述PHP变量的容器 (结构体) 。

typedef struct _zval_struct {
    zvalue_value value; // 变量的值
    zend_uint refcount__gc; // 引用计数器, 记录引用次数
    zend_uchar type; // 变量的类型
    zend_uchar is_ref__gc; // 是否是引用变量, 1是, 0不是
}zval;

typedef union _zvalue_value {
    long lval; 
    double dval;
    struct { // 如字符串变量
        char *val;
        int len;
    } str;
    HashTable *ht; // 如数组变量
    zend_object_value obj; // 如对象变量
} zvalue_value;

// zend_uchar 定义了8种变量类型
#define IS_NULL     0
#define IS_LONG     1
#define IS_DOUBLE   2
#define IS_BOOL     3
#define IS_ARRAY    4
#define IS_OBJECT   5
#define IS_STRING   6
#define IS_RESOURCE 7
#define IS_CONSTANT 8
#define IS_CONSTANT_ARRAY   9
#define IS_CALLABLE 10

2) 回收机制 - 引用计数

在PHP5.3以前，使用的是最简单引用计数方式，不过从5.3开始，使用了改进版的引用计数算法，来解决内存泄露问题。 当对象的refcount减一操作导致结果为0时，表示其引用已全部不存在可以清理。反之如果减一操作执行后其结果仍然大于0，表示还存在其他引用，这个对象可能是垃圾。这时垃圾回收器会把这些垃圾收集起来，存在缓冲区中，当缓冲区满时，识别出其中的循环引用的对象和无引用对象并进行清理。

3) 相关知识点

1. unset函数

unset只是断开一个变量到其引用的对象之间的连接，同时将该对象的引用计数-1，对象是否回收主要还是根据refcount是否为0，以及GC策略。

2. = null 操作

a=null是直接将a指向的数据结构置空，同时将其引用计数归0。

3. 脚本执行结束

脚本执行结束，该脚本中使用的所有堆内存都会被释放，不论是否有引用。

4. xdebug调试

通过Xdebug查看变量容器，观察refcount的引用变化 ## 3. JavaScript ### 1) 回收机制 - 根搜索法 + 内存分代 最初级的JavaScript使用引用计数法，但是循环引用问题无法解决。大概从2012年起JavaScript GC开始使用根搜索法，并且将内存分为年轻代和老年代 ### 2) 相关知识点 #### 1. JS堆内存分析 需要分析内存的时候，可以使用Chrome工具调试

2. 闭包和GC

只要是处于被引用状态的堆内存数据，都不会被回收掉。闭包机制中，在函数结束时，由于其内部变量仍然被引用，所以即使是局部变量，但是其仍然可用。这也是闭包为什么会造成内存泄露的原因。

// https://developer.mozilla.org/zh-CN/docs/Web/JavaScript/Closures
function makeFunc() {
    var name = "Mozilla"; // 变量name
    function displayName() {
        alert(name);
    }
    return displayName;
}

var myFunc = makeFunc();
myFunc();

五、总结

垃圾回收本质最重要的还是回收算法和回收时机这两方法，对于回收算法而言，目前常用算法基本都大同小异，或是上述算法中的变种。对于回收时机来说，也是基本都采用缓冲区容量限制等作为是否触发的标准。

目录
    标签
    算法 计算机组成原理 Linux 底层研究 操作系统 Nginx源码 计算机网络 Devops 设计与实现 垃圾回收 PHP Redis 案例分析 经验之谈 Golang 并发处理 Redis源码 编译器前端 词法分析 CopyOnWrite HTTPS 技术成长 单元测试 CI/CD 数据库系列 经验之谈系列 底层研究系列 操作系统系列 Redis源码系列 定期删除 并发 多线程 人工智能 LLM 神经网络 Transformer Agent Langchain
    友情链接