(阅读笔记)垃圾回收的算法与实现 - 复制算法

这篇博客探讨了垃圾回收中的复制算法,包括基础实现、Cheney的GC复制算法和近似深度优先搜索方法。复制算法具有高吞吐量、无碎片等优点,但也存在堆使用效率低和不兼容保守式GC的问题。Cheney算法通过迭代解决了递归可能导致的栈溢出,而近似深度优先搜索则平衡了内存空间局部性和缓存友好性。多空间复制算法则是复制算法与MarkSweep的结合,旨在缓解一些缺点。

摘要生成于 C知道 ,由 DeepSeek-R1 满血版支持, 前往体验 >

整体思路是,将堆分为二等份,当其中一份分配不够时,启动 GC 递归从根节点出发(深度优先),将对象拷贝到另外一半,然后将原先部分全部回收。循环往复。

考虑到对象被引用的复杂性,只有当一个对象被 完全拷贝 完成以后,才会更新指向其的地址。

基础实现

代码

type object struct {
	isCopied   bool  // 用来标记是否已经被复制过
	forwarding *object // 在完成拷贝之前,是不能更新对该 obj 的引用的。这是一个暂存的地方

	size     int
	children []*object
	data     interface{}
}

func copy(obj *object) *object {
	if !obj.isCopied {
		copy_data(heapStart, obj, obj.size)
		obj.isCopied = true
		obj.forwarding = heapStart
		heapStart += obj.size

		for i, child := range obj.Children {
			obj.children[i] = copy(child)

		}
		return obj.forwarding
	}

	return obj
}

优点

  1. 吞吐量大(只搜索和复制活动对象,相比 mark-sweep 整体堆扫描,快的多。堆越大,差距越明显)
  2. 可实现高速分配(不需要空闲列表,就顺着块移动就好)
  3. 不会发生碎片(复制到了集中的地方,此种现象被称为 压缩, 而 mark-sweep 不允许对象移动,所以必然会产生碎片)
  4. 与缓存兼容(递归复制,空间局限性要好,对缓存的预读机制比较友好)

缺点

  1. 堆使用效率低(多空间复制算法)
  2. 不兼容保守式 GC 算法(挪动了对象位置)
  3. 递归调用函数(可能会引发栈溢出)

针对 缺点 1,有多空间复制算法可以缓解
针对 缺点 3,有 Cheney 算法 以及 近似深度优先算法 缓解

Cheney 的 GC 复制算法

相比标准的 GC 复制算法,该算法不使用递归函数(解决掉一个缺点),而是迭代函数。

这个算法更多是针对复制算法工程上的改进,将递归调用(深度优先)变成了遍历调用(广度优先)。代码中先初始化了扫描以及空闲部分的起点,然后通过拷贝根引用,使两者之间拉开差距,然后这个差距就形成的一个队列机制(很巧妙的队列机制),后面不停遍历该队列(scanStart++),同时将新节点加入到队列尾部(freeStart++),一直到最后完成,两者相等,该 GC 流程就完成了。

代码


type o struct {
	children []*o
}

func CheneyGC() {
	heapSize := 100
	root := make([]*o, 10)
	heap := make([]o, heapSize)
	freeStart := 50
	scanStart := 50

	myCopy := func(src *o) *o {
		heap[freeStart] = *src
		p := &heap[freeStart]
		freeStart++
		return p
	}

	//	 假设 heap 前面已经满了,现在要进行复制拷贝
	for i := range root {
		root[i] = myCopy(root[i])
	}

	for {
		if scanStart != freeStart {
			for i := scanStart; i <= freeStart; i++ {
				for ci := range heap[scanStart].children {
					heap[freeStart] = *myCopy(heap[scanStart].children[ci]) // 拷贝值
					heap[scanStart].children[ci] = &heap[freeStart]         // 修改引用
					freeStart++
				}
				scanStart++
			}
		}
	}
}

优点

  1. 递归改迭代,消除了可能的栈溢出
  2. 同时使用堆空间当做队列,省去了内存空间

缺点

  1. 深度优先修改成广度优先,导致内存空间局部性变差,那么缓存的友好也就消失了
    在这里插入图片描述

近似深度优先搜索方法

在原生算法中使用的是深度优先,从而对缓存友好,Cheney 则将算法进行改善,从深度优先变成广度优先,虽然消除了递归,但是也将缓存友好的特性给毁的一干二净。

状态

page 将内存分页(大小未必固定)。page[i] 指向第 i 个页面的开头
local_scan 扫描是按页面推进,local_scan[i] 则指向第 i 个页面下一个要扫描的位置(页内偏移)
major_scan major_scan 就是维护搜索尚未完成(第一阶段)的页面开头的指针
free 就是空闲页面的开头位置

执行过程

该算法的执行阶段分为两段执行,

  1. 通过 major_scan 拿出下一个要扫描的对象,将其移动到 free 指向的页面(深度优先)
  2. 将上述对象的所有子节点进行移动,移动完成,认为该阶段完成(广度优先)

循环以上过程,最终就可以得到如下的内存分布

在这里插入图片描述

对比 Cheney 的内存分布,对缓存的友好性要好的多

多空间复制算法

多空间复制算法是 复制算法和MarkSweep的一种组合实现。将堆进行 n 等分,然后每次 GC 时,将其中相邻的两块执行复制算法,对于剩余的块则执行 MarkSweep. GC 执行完成以后,下次执行复制的块,就是现在的块往后挪动一块。感觉是一个很难受的实现。

基于数据挖掘的音乐推荐系统设计实现 需要一个代码说明,不需要论文 采用python语言,django框架,mysql数据库开发 编程环境:pycharm,mysql8.0 系统分为前台+后台模式开发 网站前台: 用户注册, 登录 搜索音乐,音乐欣赏(可以在线进行播放) 用户登陆时选择相关感兴趣的音乐风格 音乐收藏 音乐推荐算法:(重点) 本课题需要大量用户行为(如播放记录、收藏列表)、音乐特征(如音频特征、歌曲元数据)等数据 (1)根据用户之间相似性或关联性,给一个用户推荐其相似或有关联的其他用户所感兴趣的音乐; (2)根据音乐之间的相似性或关联性,给一个用户推荐其感兴趣的音乐相似或有关联的其他音乐。 基于用户的推荐和基于物品的推荐 其中基于用户的推荐是基于用户的相似度找出相似相似用户,然后向目标用户推荐其相似用户喜欢的东西(和你类似的人也喜欢**东西); 而基于物品的推荐是基于物品的相似度找出相似的物品做推荐(喜欢该音乐的人还喜欢了**音乐); 管理员 管理员信息管理 注册用户管理,审核 音乐爬虫(爬虫方式爬取网站音乐数据) 音乐信息管理(上传歌曲MP3,以便前台播放) 音乐收藏管理 用户 用户资料修改 我的音乐收藏 完整前后端源码,部署后可正常运行! 环境说明 开发语言:python后端 python版本:3.7 数据库:mysql 5.7+ 数据库工具:Navicat11+ 开发软件:pycharm
MPU6050是一款广泛应用在无人机、机器人和运动设备中的六轴姿态传感器,它集成了三轴陀螺仪和三轴加速度计。这款传感器能够实时监测并提供设备的角速度和线性加速度数据,对于理解物体的动态运动状态至关重要。在Arduino平台上,通过特定的库文件可以方便地MPU6050进行通信,获取并解析传感器数据。 `MPU6050.cpp`和`MPU6050.h`是Arduino库的关键组成部分。`MPU6050.h`是头文件,包含了定义传感器接口和函数声明。它定义了类`MPU6050`,该类包含了初始化传感器、读取数据等方法。例如,`begin()`函数用于设置传感器的工作模式和I2C地址,`getAcceleration()`和`getGyroscope()`则分别用于获取加速度和角速度数据。 在Arduino项目中,首先需要包含`MPU6050.h`头文件,然后创建`MPU6050`对象,并调用`begin()`函数初始化传感器。之后,可以通过循环调用`getAcceleration()`和`getGyroscope()`来不断更新传感器读数。为了处理这些原始数据,通常还需要进行校准和滤波,以消除噪声和漂移。 I2C通信协议是MPU6050Arduino交互的基础,它是一种低引脚数的串行通信协议,允许多个设备共享一对数据线。Arduino板上的Wire库提供了I2C通信的底层支持,使得用户无需深入了解通信细节,就能方便地MPU6050交互。 MPU6050传感器的数据包括加速度(X、Y、Z轴)和角速度(同样为X、Y、Z轴)。加速度数据可以用来计算物体的静态位置和动态运动,而角速度数据则能反映物体转动的速度。结合这两个数据,可以进一步计算出物体的姿态(如角度和角速度变化)。 在嵌入式开发领域,特别是使用STM32微控制器时,也可以找到类似的库来驱动MPU6050。STM32通常具有更强大的处理能力和更多的GPIO口,可以实现更复杂的控制算法。然而,基本的传感器操作流程和数据处理原理Arduino平台相似。 在实际应用中,除了基本的传感器读取,还可能涉及到温度补偿、低功耗模式设置、DMP(数字运动处理器)功能的利用等高级特性。DMP可以帮助处理传感器数据,实现更高级的运动估计,减轻主控制器的计算负担。 MPU6050是一个强大的六轴传感器,广泛应用于各种需要实时运动追踪的项目中。通过 Arduino 或 STM32 的库文件,开发者可以轻松地传感器交互,获取并处理数据,实现各种创新应用。博客和其他开源资源是学习和解决问题的重要途径,通过这些资源,开发者可以获得关于MPU6050的详细信息和实践指南
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值