垃圾收集器如何避免堆栈溢出？

因此，我在考虑垃圾收集器的工作方式，并想到了一个有趣的问题。大概垃圾收集器必须以相同的方式遍历所有结构。他们不知道正在遍历链表或平衡树之类的天气。他们也不会在搜索中消耗过多的内存。我想到遍历所有结构的一种可能方法，也是唯一的方法，可能就是像使用二叉树那样递归遍历所有结构。但是，这会在链表甚至平衡差的二叉树上产生堆栈溢出。但是我曾经使用过的所有垃圾收集语言似乎都没有问题的处理能力。

在龙书中，它使用各种“未扫描”队列。基本上，而不是递归遍历结构，它只是将需要标记的内容添加到队列中，然后针对未标记的所有内容将其删除。但是这个队列不会很大吗？

那么，垃圾收集器如何遍历任意结构？这种遍历技术如何避免溢出？

请注意，我不是垃圾收集专家。该答案仅提供技术示例。我不认为这是垃圾收集技术的代表概述。

不扫描的队列是常见的选择。队列可能会变大，甚至可能和最深的数据结构一样大。队列通常是显式存储的，而不是存储在垃圾回收线程的堆栈上。

一旦扫描完一个节点的所有子节点（一个节点除外），就可以将该节点从未扫描的队列中删除。这基本上是一个尾注优化。垃圾收集器可以包括试探法，以尝试最后扫描节点的最深子级。例如用于Lisp的一个GC应该扫描car的cons前cdr。

避免保持未扫描队列的一种方法是在适当位置修改指针，使子项临时指向父项。这是一种恒定内存树遍历技术，用于垃圾回收器以外的上下文中。该技术的缺点是，当GC遍历数据结构时，该数据结构无效，因此GC必须停止运行。这不是一个破坏交易的事情：许多垃圾收集器的确包含一个使世界停止运转的阶段，除了那些不会但可能会错过垃圾的阶段。

简而言之：垃圾收集器不使用递归。它们仅通过跟踪本质上两组（可以合并）来控制跟踪。跟踪和单元处理的顺序无关紧要，这为表示集合提供了很大的实现自由。因此，有许多解决方案实际上在内存使用上非常便宜。这是必不可少的，因为在堆内存用完时会精确调用GC。大型虚拟内存的情况有所不同，因为可以轻松分配新页面，而且麻烦不是缺少空间，而是缺少数据 局部性。

我假设您正在考虑跟踪垃圾收集器，而不是对您的问题似乎不适用的引用计数。

问题集中在跟踪用于跟踪集合的内存成本：可访问存储单元的集合（对于未跟踪），仍包含尚未跟踪的指针。这仅 是垃圾回收的内存问题的一半。GC还必须跟踪另一个集合：已发现所有可访问单元的集合V（用于访问），以便在过程结束时回收所有其他单元。讨论一个而不是另一个的意义有限，因为它们可能具有相似的成本，使用相似的解决方案，甚至可以合并使用。$U$$V$

首先要注意的是，所有跟踪GC都遵循相同的抽象模型，这是基于对程序可访问内存中单元格的有向图的系统研究，其中内存单元为顶点，指针为有向边。为此，它使用以下设置：

• 已经发现可被增变器访问的单元格的集合（已访问），即执行GC的程序或算法。集合V分为两个不相交的子集： V $V$$V$ ;$V=U\cup T$

• 尚未访问指针的已访问单元的集合（无赛道）；$U$

• 跟踪了所有指针的被访问单元的集合（已跟踪）。$T$

• 我们还注意到 $H$是否为堆中所有单元的集合。

仅和U或$V$$U$$U$和$T$需要以某种方式表示，该算法才能起作用。

该算法从运行时系统已知的一些根指针开始（通常是堆栈分配的内存中的指针），并将它们指向的所有单元格放入未跟踪的集合$U$（因此在$V$也是如此）。

然后收集器将单元格一一取出，并检查每个单元格c的所有指针。对于每个指针，如果指向的单元格位于V中，则不执行任何操作，否则将指向的单元格添加到U，因为尚未检查其指针。处理完所有指针后，单元格c从未跟踪集U转移到跟踪集$U$$c$$V$$U$$c$$U$$T$。

当为空时，跟踪终止。这肯定会发生，因为没有任何一个单元会多次通过U。到那时，V = T，并且已知V中的所有单元都是程序可访问的，因此不可回收。V的补H - $U$$U$$V=T$$V$$H-V$$V$在堆确定哪些细胞是由增变程序不可访问，并且可以通过收集器，用于将来分配给增变被回收。

当然，细节取决于集合的实现方式以及是和U还是U和$V$$U$$U$$T$有效表示的

我还将跳过有关什么是单元格的详细信息，无论它们是一种还是多种，我们如何在其中找到指针，如何压缩它们，以及许多其他技术问题，您可以在有关垃圾收集的书籍和调查中找到这些问题。 。

您可能已经注意到，这是一个非常简单的算法。没有递归，只有集合U的元素上有一个循环$U$可以随着处理而增长，直到最终清空为止。没有关于额外内存的先验假设。 允许识别集合并以足够便宜的方式执行所需操作的方法。请注意，处理单元的顺序无关紧要（对下推堆栈没有特殊要求），这为选择有效表示集合的方式提供了很大的自由度。

这些集合的实际表示方式与已知实现方式不同。实际上已经使用了许多技术：

• 位图：为一个映射保留了一些存储空间，每个存储单元都有一个位，可使用该单元的地址找到该位。当对应的单元格位于映射定义的集合中时，该位打开。如果仅使用位图，则每个单元仅需要2位。

• 或者，您可以在每个单元格中留出一个特殊的标记位（或2）以对其进行标记。

• list：列出列表中的那些单元格。您不需要堆栈或特定的数据结构。在某些系统中，精明的指针反转技术允许使用很少的额外内存来构建列表，精确地位，其中p是每个单元格的指针数量，可通过位堆栈进一步减少。$\log_2 p$$p$

• 您可以测试有关单元格内容及其指针的谓词。

• 您可以将单元格重新定位在内存的空闲部分中，该部分仅用于属于所表示集合的所有单元格。

• $V$$T$$T$$U$

• 您实际上可以结合使用这些技术，即使是单个集合。

如前所述，以上所有内容已由一些实现的垃圾收集器使用，有些人可能觉得很奇怪。这完全取决于实施的各种约束。而且它们的内存使用可能相当便宜，这可能得益于可以为此目的自由选择的处理订单策略，因为它们对最终结果无关紧要。

在新区域中传输单元似乎是最奇怪的一种，实际上是非常普遍的：这称为复制收集。它主要用于虚拟内存。

显然，没有递归，并且不必使用mutator算法堆栈。

另一个重要的一点是，许多现代GC是针对大型虚拟内存实现的。然后，由于可以轻松分配新页面，因此无需占用空间来实现和额外的列表或堆栈。但是，在大型的虚拟记忆中，敌人不是缺乏空间，而是缺乏局部性。然后，代表集合的结构及其使用必须适应保留数据结构和GC执行的局部性。问题不是空间而是时间。与内存溢出相比，不充分的实现更有可能显示出不可接受的速度下降。

由于这些技术的足够长的时间，我没有提及由这些技术的各种组合产生的许多特定算法。

避免堆栈溢出的标准方法是使用显式堆栈（作为数据结构存储在堆中）。这也适用于这些目的。垃圾收集者通常具有需要检查/遍历的项目工作清单，该清单起到了这一作用。例如，“未扫描”队列就是这种模式的一个示例。该队列可能会变大，但不会导致堆栈溢出，因为它没有存储在堆栈段中。无论如何，它永远不会超过堆中活动对象的数量。

在垃圾收集的“经典”描述中（例如，马克·威尔逊（Mark Wilson），“ 单处理器垃圾收集技术 ” ，1992年国际内存管理研讨会（替代链接）或安德鲁·阿佩尔（Andrew Appel）的《现代编译器实现》（剑桥大学出版社， 1998）），收集者分为“标记和扫描”或“复制”。

如@Gilles的答案所述，Mark and Sweep收集器通过使用指针反转避免了多余的空间。Appel说，Knuth将指针反转算法归因于Peter Deutsch，Herbert Schorr和WM Waite。

复制垃圾收集器使用通常称为Cheyney的算法来执行队列遍历，而无需额外的空间。该算法在Comm。的 CJ Cheyney的“非递归列表压缩算法”中进行了介绍。ACM，13（11）：677-678，1970。

在复制垃圾收集器中，您有一个要尝试收集的内存块（称为from-space）和要用于副本的一块内存（称为to-space）。scan收件人空间组织为一个队列，其中的指针指向最旧的已复制但未扫描的记录，而free指针指向收件人空间中的下一个空闲位置。威尔逊论文的图片如下：

扫描To-Space中的每个项目时，您将其子项从From-Space复制到freeTo -Space中的指针，然后将指向该子项的指针从From-Space更改为To-Space中该子项的新副本。当您的数据结构不是树时（当一个孩子可以有一个以上的父母时），您还需要使用一个额外的技巧。在这种情况下，当您将子项从空间复制到空间时，您需要使用指向该子项新副本的转发指针覆盖该子项的旧版本。然后，如果您曾经扫描过另一个指向该孩子的旧版本的指针，则您会意识到它已经被复制，因此无需再次复制。