前言

垃圾收集器是一種動態儲存分配器，它自動釋放程式不再需要的已分配的塊，這些塊也稱為垃圾。在程式設計師看來，垃圾就是不再被引用的物件。自動回收垃圾的過程則稱為垃圾收集（garbage collection）。在一個支援垃圾收集的語言中，程式顯式地申請記憶體，但從不需要顯式的釋放它們。垃圾收集器會定期識別垃圾塊，並將垃圾塊放回空閒連結串列中。顯然，C語言的malloc包不是一個帶GC功能的分配器，程式設計師顯式 呼叫malloc分配記憶體，也需要顯式呼叫free釋放它。而像java、C#這些語言等則提供了垃圾收集器。這篇文章的內容為介紹一些常用的GC演算法，同時簡單提一下C++的GC機制。

基本概念

有向可達圖與根集

垃圾收集器將儲存器視為一張有向可達圖。圖中的節點可以分為兩組：一組稱為根節點，對應於不在堆中的位置，這些位置可以是暫存器、棧中的變數，或者是虛擬儲存器中讀寫資料區域的全域性變數；另外一組稱為堆節點，對應於堆中一個分配塊，如下圖：

當存在一個根節點可到達某個堆節點時，我們稱該堆節點是可達的，反之稱為不可達。不可達堆節點為垃圾。可見垃圾收集的目標即是從從根集出發，尋找未被引用的堆節點，並將其釋放。

三種基本的垃圾收集演算法及其改進演算法

垃圾收集演算法是一個重要而活躍的研究領域，自從20世紀60年代開始對垃圾收集進行研究以來，垃圾演算法的研究從未停止。常見的垃圾收集演算法有一下這幾種型別：

1、引用計數演算法

引用技術演算法是唯一一種不用用到根集概念的GC演算法。其基本思路是為每個物件加一個計數器，計數器記錄的是所有指向該物件的引用數量。每次有一個新的引用指向這個物件時，計數器加一；反之，如果指向該物件的引用被置空或指向其它物件，則計數器減一。當計數器的值為0時，則自動刪除這個物件。這個思路可以參考C++ 引用計數技術及智慧指標的簡單實現。

引用計數演算法的優點是實現簡單，在原生不支援GC的語言中也能容易實現出來。另一個優點這種垃圾收集機制是即時回收，也即是物件不再被引用的瞬間就立即被釋放掉。而其缺點是若存在物件的迴圈引用，無法釋放這些物件，例圖：

缺點二是多個執行緒同時對引用計數進行增減時，引用計數的值可能會產生不一致的問題，必須使用併發控制機制解決這一問題，也是一個不小的開銷。

2、 Mark & Sweep 演算法

這個演算法也稱為標記清除演算法，為McCarthy獨創。它也是目前公認的最有效的GC方案。Mark&Sweep垃圾收集器由標記階段和回收階段組成，標記階段標記出根節點所有可達的對節點，清除階段釋放每個未被標記的已分配塊。典型地，塊頭部中空閒的低位中的一位用來表示這個塊是否已經被標記了。通過Mark&Sweep演算法動態申請記憶體時，先按需分配記憶體，當記憶體不足以分配時，從暫存器或者程式棧上的引用出發，遍歷上述的有向可達圖並作標記（標記階段），然後再遍歷一次記憶體空間，把所有沒有標記的物件釋放（清除階段）。因此在收集垃圾時需要中斷正常程式，在程式涉及記憶體大、物件多的時候中斷過程可能有點長。當然，收集器也可以作為一個獨立執行緒不斷地定時更新可達圖和回收垃圾。該演算法不像引用計數可對記憶體進行即時回收，但是它解決了引用計數的迴圈引用問題，因此有的語言把引用計數演算法搭配Mark & Sweep 演算法構成GC機制。

3、 節點複製演算法

Mark & Sweep演算法的缺點是在分配大量物件時，且物件大都需要回收時，回收中斷過程可能消耗很大。而節點複製演算法則剛好相反，當需要回收的物件越多時，它的開銷很小，而當大部分物件都不需要回收時，其開銷反而很大。
演算法的基本思路是這樣的：從根節點開始，被引用的物件都會被複制到一個新的儲存區域中，而剩下的物件則是不再被引用的，即為垃圾，留在原來的儲存區域。釋放記憶體時，直接把原來的儲存區域釋放掉，繼續維護新的儲存區域即可。過程如圖：

可以看到，當被引用物件（非垃圾物件）很多時，需要複製很多的物件到新儲存區域。

分代回收

以上三種基本演算法各有各的優缺點，也各自有許多改進的方案。通過對這三種方式的融合，出現了一些更加高階的方式。而高階GC技術中最重要的一種為分代回收。它的基本思路是這樣的：程式中存在大量的這樣的物件，它們被分配出來之後很快就會被釋放，但如果一個物件分配後相當長的一段時間內都沒有被回收，那麼極有可能它的生命週期很長，嘗試收集它是無用功。為了讓GC變得更高效，我們應該對剛誕生不久的物件進行重點掃描，這樣就可以回收大部分的垃圾。為了達到這個目的，我們需要依據物件的”年齡“進行分代，剛剛生成不久的物件劃分為新生代，而存在時間長的物件劃分為老生代，根據實現方式的不同，可以劃分為多個代。

一種回收的實現策略可以是：首先從根開始進行一次常規掃描，掃描過程中如果遇到老生代物件則不進行遞迴掃描，這樣可大大減少掃描次數。這個過程可使用標記清除演算法或者複製收集演算法。然後，把掃描後殘留下來的物件劃分到老生代，若是採用標記清除演算法，則應該在物件上設定某個標誌位標誌其年齡；若是採用複製收集，則只需要把新的儲存區域內物件設定為老生代就可以了。而實際的實現上，分代回收演算法的方案五花八門，常常會融合幾種基本演算法。

而其他的改進演算法數量非常龐大，但大都基於上述的三種基本演算法。

C++垃圾回收機制

C語言本身沒有提供GC機制，而C++ 0x則提供了基於引用計數演算法的智慧指標進行記憶體管理。也有一些不作為C++標準的垃圾回收庫，如著名的Boehm庫。藉助其他的演算法也可以實現C/C++的GC機制，如前面所說的標記清除演算法。

當應用程式使用malloc試圖從堆上獲得記憶體塊時，通常都是以常規方式來呼叫malloc，而當malloc找不到合適空閒塊的時候，它就會去呼叫垃圾收集器，以回收垃圾到空閒連結串列。此時，垃圾收集器將識別出垃圾塊，並通過free函式將它們返回給堆。這樣看來，垃圾收集器代替我們呼叫了free函式，從而讓我們顯式分配，而無須顯式釋放。

上圖中的垃圾收集器為一個保守的垃圾收集器。保守的定義是：每個可達的塊都能夠正確地被標記為可達，而一些不可達塊卻可能被錯誤地標記為可達。其根本原因在於C/C++語言不會用任何型別資訊來標記儲存器的位置，即對於一個整數型別來說，語言本身沒有一種顯式的方法來判斷它是一個整數還是一個指標。因此，如果某個整數值所代表的地址恰好的某個不可達塊中某個字的地址，那麼這個不可達塊就會被標記為可達。所以，C/C++所實現的垃圾收集器都不是精確的，存在著回收不乾淨的現象。而像JAVA的垃圾收集器則是精確回收。在《關於C++ 0x 裡垃圾收集器的講座》這篇文章裡提到，C++標準提案中使用gc_strict、 gc_relax這樣的關鍵字來描述一個記憶體區內有沒有指標，但無法精確到每個資料上。實際上，早在07年，一份C++標準提案N2670就提出要將垃圾回收機制作為加入C++，最後提案是沒有通過，其原因大概是因為實現複雜，由於語言本身原因存在這樣那樣的限制。所以在C++ 0x中除了shard_ptr、weak_ptr這些智慧指標外，我們並沒看看到GC機制的身影。而至於C++是如何解決引用計數的迴圈引用問題以及併發控制問題，我們將以另外一篇文章進行介紹。

（完）

參考書籍

深入理解計算機系統 [美]Randal E.Bryant / David O'Hallaron 機械工業出版社

程式碼的未來 [日] 松本行弘 人民郵電出版社