GC基本概念

在了解 GC算法 之前,我们需要先来了解一些与算法有关的基本概念。

目录

  • GC的定义
  • 对象/头/域
  • 指针
  • mutator
  • 活动对象/非活动对象
  • 分配(allocation)
  • 分块(chunk)
  • 根(root)
  • 吞吐量(throughput)
  • 最大暂停时间
  • 堆使用效率
  • 访问局部性

GC的定义

GC 是 Garbage Collection 的简称,也就是垃圾收集

Garbage Collector:垃圾收集器

Minor GC:小型GC

Major GC:大型GC

Full GC:完全GC(为了清晰起见,一般直接译为 Full GC)

对象/头/域

对象

在 GC 的世界中,对象表示的是“通过应用程序利用的数据的集合”。对象配置在内存空间里。GC 根据情况将配置好的对象进行移动或销毁操作。因此,对象是 GC 的基本单位。

对象由头(header)和域(field)构成。在对象内部,头之后存在 1 个及 1 个以上的域。如图1.1所示:

GC_Object

用于保存对象本身信息,主要含有以下信息:

  • 对象的大小
  • 对象的种类

对象使用者在对象中可访问的部分称为“域”。

域中的数据类型大致分为两种:

  • 指针:指针是指向内存空间中某块区域的值。
  • 非指针:指的是在编程中直接使用值本身。例如:数值、字符以及真假值。

指针

通过GC,对象会被销毁或保留,这时候起到关键作用的就是指针,因为GC是根据对象的指针指向去搜寻其他对象的,GC对于非指针不进行任何操作。

我们把图 1.2 中的 B 和 C 称为 A 的子对象。对某个对象的子对象进行某项处理是 GC 的基本操作。

GC_Pointer

mutator

mutator,是“改变某物”的意思,那要改变什么呢? 那就是GC对象间的引用关系,它的实体就是“应用程序”。
mutator进行的实际操作:

  • 生成对象
  • 更新指针

mutator在进行这些操作时,会同时为应用程序的用户进行一些处理,随着这些处理的增加,对象间的引用关系也会发生“改变”,随之,也会产生垃圾,负责回收这些垃圾的机制就是GC。

指的是用于动态(也就是执行程序时)存放对象的内存空间。当 mutator 申请存放对象时, 所需的内存空间就会从这个堆中被分配给 mutator。

GC 是管理堆中已分配对象的机制。在开始执行 mutator 前,GC 要分配用于堆的内存空间。 一旦开始执行 mutator,程序就会按照 mutator 的要求在堆中存放对象。等到堆被对象占满后, GC 就会启动,从而分配可用空间。如果不能分配足够的可用空间,一般情况下我们就要扩大堆。

我们把 $heap_start 定为指向堆首地址的指针,把 $heap_end 定为指向堆末尾下一个地址的指针。也就是说, $heap_end 等于 $heap_start + HEAP_SIZE

GC_Heap

活动对象/非活动对象

分配到内存空间中的对象中那些能通过 mutator 引用的对象称为“活动对象”。反之,那些不能通过程序引用的对象称为“非活动对象”。

GC 会保留活动对象,销毁非活动对象。当销毁非活动对象时,其原本占据的内 存空间会得到解放,供下一个要分配的新对象使用。

GC_Live_Dead

分配(allocation)

分配(allocation)指的是在内存空间中分配对象。当 mutator 需要新对象时,就会向分配器(allocator)申请一个大小合适的空间。分配器则在堆的可用空间中找寻满足要求的空间, 返回给 mutator。

分块(chunk)

初始状态下,堆被一个大的分块所占据。

然后,程序会根据 mutator 的要求把这个分块分割成合适的大小,作为(活动)对象使用。 活动对象不久后会转化为垃圾被回收。此时,这部分被回收的内存空间再次成为分块,为下次 被利用做准备。也就是说,内存里的各个区块都重复着分块→活动对象→垃圾(非活动对象)→ 分块→……这样的过程。

根(root)

在GC的世界里,指的是指向对象指针的”起点”。

GC_Root

评价标准

吞吐量(throughput)

吞吐量(throughput)指的是“在单位时间内的处理能力”。

GC_Throughput

在 mutator 整个执行过程中,GC 一共启动了 3 次,我们把花费的时间分别设为 A、B、C。 也就是说,GC 总共花费的时间为(A + B + C)。另一方面,我们前面提到过,以 GC 为对象 的堆大小是 HEAP_SIZE。 也就是说,在大小为 HEAP_SIZE 的堆进行内存管理,要花费的时长 为(A + B + C)。

因此,这种情况下 GC 的吞吐量为 HEAP_SIZE /(A + B + C)

最大暂停时间

最大暂停时间指的是“因执行 GC 而暂停执行 mutator 的最长时间”。图 1.7中最大暂停时间是 A~C 的最大值,也就是 B。

不管尝试哪种 GC 算法,我们都会发现较大 的吞吐量和较短的最大暂停时间不可兼得。所以应根据执行的应用所重视的指标的不同,来 分别采用不同的 GC 算法。

堆使用效率

左右堆使用效率的因素有两个:头的大小 和 堆的用法。

头的大小

在堆中堆放的信息越多,GC 的效率也就越高,吞吐量也就随之得到改善。 但毋庸置疑,头越小越好。因此为了执行 GC,需要把在头中堆放的信息控制在最小限度。

堆的用法

根据堆的用法,堆使用效率也会出现巨大的差异。举个例子,GC 复制算法中将 堆二等分,每次只使用一半,交替进行,因此总是只能利用堆的一半。相对而言,GC 标记 -清除算法和引用计数法就能利用整个堆。

堆使用效率和吞吐量,以及最大暂停时间不可兼得。

可用的堆越大,GC 运行越快;相反,越想有效地利用有限的堆,GC 花费的时间就越长。

访问局部性

PC 上有 4 种存储器,分别是寄存器、缓存、内存、辅助存储器。

GC_Storage

一般我们会把所有的数据都放在内存里,当 CPU 访问数据时,仅把 要使用的数据从内存读取到缓存。与此同时,我们还将它附近的所有数据都读取到缓存中, 从而压缩读取数据所需要的时间。

具有引用关系的对象之间通常很可能存在连续访问的情况。这在多数程序中 都很常见,称为“访问的局部性”。考虑到访问的局部性,把具有引用关系的对象安排在堆 中较近的位置,就能提高在缓存中读取到想利用的数据的概率,令 mutator 高速运行。

参考资料

请我喝杯咖啡吧~