当前位置：卡卷网 / 每日看点 / 正文

无gc语言如何处理内存碎片问题？

作者：卡卷网发布时间：2024-12-30 18:42浏览数量：97次评论数量：0次

首先你要明白回收语言性能不手动系差，甚至在各种需要作大量指针的程序更好。

这是因为两点。

<>gc语言申请释放内存的速度远高于malloc/free

内存申请是这样的，gc只需要umpallocate，freelist要考虑得就多了。各种各样的allocator（如最经典的freelist），在malloc的时候，需要搜索一个数据结构来寻找足够大的空间。这期间，搜索需要耗时，并且这个数据结构往往没有好cachelocality，导致在memorylatency越来越重要的今天成为越来越严重的瓶颈。同时，不止freelist没locality，返回的指针也没locality-你连续malloc很可能得不到连续的。这时候如果你访问这些结果，你需要进行多次cachefetch而不是一次。

作为对，markcopy/markcompact的gc的allocator只是一个int，代表当时内存消耗量，每次malloc只是单纯的把size加上去，然后返回上一个消耗量，转为指针则可。

而另一方面，这份极简实现导致这两无法实现free，只能通过gc一次回收大量资源，通过atching降低内存消耗。

<>rc的时间消耗远高于tracing的性能消耗

rc需要你每次使用对象的时候检查refcount并且对此进行增减。如果你在写多线程程序，refcount甚至需要同步，耗费额外的性能。作为对，如果是markcopygc，并且堆大小为livememory*2的话，每次markcopy需要作LiveMemory多的对象，然后释放HeapSize-LiveMemory=LiveMemory多的内存-换句话说，只需要一次copy则可完全回收（可以看到，越大的heapsize需要做的gc越小，但是吃的内存越多。如何在时空之间取舍呢？可以看OptimalHeapLimitforReducingrowserMemoryUse）。这点跟传智慧（GC慢，RC快），是完全反过来的。道理很明显-如果RC更快，为什么JVM不用RC内存，外搭环检测器呢（python就这样做的，然后python性能有目共睹）？事实上，Stevelackn就做过一个测量GCvsRC的工作，MythsandRealities:ThePerformanceImpactofGarageCollection。这个工作的测量结果是，GC往往会带来10%左右的开销，但是RC的开销是30%~50%。

<>那问题来了，既然GCmalloc/free也RC优秀，为什么Ja没C++快？

这是计算机领域的一个巨大归因谬误。我们先来看看这段代码：

importja.util.*; recordPoint(intx,inty){} //... intSumX(List<Point>points){ intsum=0; for(Pointp:points){ sum+=p.x(); } retnsum; }

这段Ja代码运行的时候计算机在具体执行什么作？

首先，Point被oxed了。oxing导致你可以快速把一个对象到处传（只需要复制指针而无需复制具体对象），但是会造成每次引用oxed具体内容都需要fetch远处的memory。在函数式语言中这个问题更糟糕：这时候，数据往往被储存于各种各样的链表中，而遍历就除了unox外还需要爬链表的指针，于是一次循环需要两次memoryfetch。

C++里面呢？同样的任务，会被存在vector<pair<int,int>>内。主流计算机的cacheline是64yte，也就可以存4个这样的对象，于是四次循环一次memoryfetch。同时，在性能关键的情况下，这列表可以用pair<vector<int>,vector<int>>保存，俗称的structofarrayoverarrayofstruct[1]。然后，由于sumofX只需要触碰X，所以是八次循环一次memoryfetch，对着函数式编程的方案，有着16倍的memoryfetch开销-一个数量差！现实中，情况往往没这么极端，但是一个小倍数依然是很大的差距。

<>同时，C++也并不用RC

我们观察上述代码的C++形式：

structPoint{ intx; inty; }; intSumX(conststd::vector<Point>&points){ intsum=0; for(constPoint&p:points){ sum+=p.x; } retnsum; }