原文

前言

本文基于我在刚刚过去的在布达佩斯举行的RuPy上的演讲。我觉得趁热打铁写成帖子应该会比只留在幻灯片上更有意义。你也可以看看演讲录像。再跟你说件事，我在 Ruby 大会也会做一个相似的演讲，但是我不会去说 Python 的事儿，相反我会对比一下 MRI,JRuby 和 Rubinius 的垃圾回收机制。

想了解 Ruby 垃圾回收机制和 Ruby 内部实现更详尽的阐述，请关注即将问世的拙作《Ruby Under a Microscope》。

既然是"Ruby Python"大会，我觉得对比一下 Ruby 和 Python 的垃圾回收机制应该会很有趣。在此之前，到底为什么要计较垃圾回收呢？毕竟，这不是什么光鲜亮丽激动人心的主题，对吧。你们大家有多少人对垃圾回收感冒？(竟然有不少 RuPyde 与会者举手了!)

最近 Ruby 社区发表了一篇博文,是关于如何通过更改 Ruby GC 设置来为单元测试提速的。我认为这篇文章是极好的。对于想让单元测试跑得更快和让程序 GC 暂停更少的人来说很有裨益，但是 GC 并没能引起我的兴趣。第一瞥 GC 就像是一个让人昏昏欲睡的、干巴巴的技术主题。

但是实际上垃圾回收是一个迷人的主题：GC 算法不仅是计算机科学史的重要组成部分，也是一个前沿课题。举例来说，MRI Ruby 使用的标记 - 清除算法已经年逾五旬了，而 Ruby 的替代语言 Rubinius 使用的 GC 算法在不久前的 2008 年才被发明出来。

然而，"垃圾回收"这个词其实有些用词不当。

应用程序那颗跃动的心

GC 系统所承担的工作远比"垃圾回收"多得多。实际上，它们负责三个重要任务。它们

• 为新生成的对象分配内存
• 识别那些垃圾对象，并且
• 从垃圾对象那回收内存。

如果将应用程序比作人的身体：所有你所写的那些优雅的代码，业务逻辑，算法，应该就是大脑。以此类推，垃圾回收机制应该是那个身体器官呢？（我从 RuPy 听众那听到了不少有趣的答案：腰子、白血球 :) ）

我认为垃圾回收就是应用程序那颗跃动的心。像心脏为身体其他器官提供血液和营养物那样，垃圾回收器为你的应该程序提供内存和对象。如果心脏停跳，过不了几秒钟人就完了。如果垃圾回收器停止工作或运行迟缓，像动脉阻塞，你的应用程序效率也会下降，直至最终死掉。

一个简单的例子

运用实例一贯有助于理论的理解。下面是一个简单类，分别用 Python 和 Ruby 写成，我们今天就以此为例：

顺便提一句，两种语言的代码竟能如此相像：Ruby 和 Python 在表达同一事物上真的只是略有不同。但是在这两种语言的内部实现上是否也如此相似呢？

可用列表

当我们执行上面的Node.new(1)时，Ruby 到底做了什么？Ruby 是如何为我们创建新的对象的呢？

出乎意料的是它做的非常少。实际上，早在代码开始执行前，Ruby 就提前创建了成百上千个对象，并把它们串在链表上，名曰：可用列表。下图所示为可用列表的概念图：

想象一下每个白色方格上都标着一个"未使用预创建对象"。当我们调用 Node.new ,Ruby 只需取一个预创建对象给我们使用即可：

上图中左侧灰格表示我们代码中使用的当前对象，同时其他白格是未使用对象。(请注意：无疑我的示意图是对实际的简化。实际上，Ruby 会用另一个对象来装载字符串"ABC",另一个对象装载 Node 类定义，还有一个对象装载了代码中分析出的抽象语法树，等等)

如果我们再次调用 Node.new，Ruby 将递给我们另一个对象：

这个简单的用链表来预分配对象的算法已经发明了超过 50 年，而发明人这是赫赫有名的计算机科学家 John McCarthy，一开始是用 Lisp 实现的。Lisp 不仅是最早的函数式编程语言，在计算机科学领域也有许多创举。其一就是利用垃圾回收机制自动化进行程序内存管理的概念。

标准版的 Ruby，也就是众所周知的"Matz's Ruby Interpreter"(MRI),所使用的 GC 算法与 McCarthy 在 1960 年的实现方式很类似。无论好坏，Ruby 的垃圾回收机制已经 53 岁高龄了。像 Lisp 一样，Ruby 预先创建一些对象，然后在你分配新对象或者变量的时候供你使用。

Python 的对象分配

我们已经了解了 Ruby 预先创建对象并将它们存放在可用列表中。那 Python 又怎么样呢？

尽管由于许多原因 Python 也使用可用列表 (用来回收一些特定对象比如 list)，但在为新对象和变量分配内存的方面 Python 和 Ruby 是不同的。

例如我们用 Pyhon 来创建一个 Node 对象：

与 Ruby 不同，当创建对象时 Python 立即向操作系统请求内存。(Python 实际上实现了一套自己的内存分配系统，在操作系统堆之上提供了一个抽象层。但是我今天不展开说了。)

当我们创建第二个对象的时候，再次像 OS 请求内存：

看起来够简单吧，在我们创建对象的时候，Python 会花些时间为我们找到并分配内存。

Ruby 开发者住在凌乱的房间里

回过来看 Ruby。随着我们创建越来越多的对象，Ruby 会持续寻可用列表里取预创建对象给我们。因此，可用列表会逐渐变短：

...然后更短：

请注意我一直在为变量 n1 赋新值，Ruby 把旧值留在原处。"ABC","JKL"和"MNO"三个 Node 实例还滞留在内存中。Ruby 不会立即清除代码中不再使用的旧对象！Ruby 开发者们就像是住在一间凌乱的房间，地板上摞着衣服，要么洗碗池里都是脏盘子。作为一个 Ruby 程序员，无用的垃圾对象会一直环绕着你。

Python 开发者住在卫生之家庭

Python 与 Ruby 的垃圾回收机制颇为不同。让我们回到前面提到的三个 Python Node 对象：

在内部，创建一个对象时，Python 总是在对象的 C 结构体里保存一个整数，称为 引用数。期初，Python 将这个值设置为 1：

值为 1 说明分别有个一个指针指向或是引用这三个对象。假如我们现在创建一个新的 Node 实例，JKL：

与之前一样，Python 设置 JKL 的引用数为 1。然而，请注意由于我们改变了 n1 指向了 JKL，不再指向 ABC，Python 就把 ABC 的引用数置为 0 了。

此刻，Python 垃圾回收器立刻挺身而出！每当对象的引用数减为 0，Python 立即将其释放，把内存还给操作系统：

上面 Python 回收了 ABC Node 实例使用的内存。记住，Ruby 弃旧对象原地于不顾，也不释放它们的内存。

Python 的这种垃圾回收算法被称为引用计数。是 George Collins 在 1960 年发明的，恰巧与 John McCarthy 发明的可用列表算法在同一年出现。就像 Mike Bernstein 在 6 月份哥谭市 Ruby 大会杰出的垃圾回收机制演讲中说的:"1960 年是垃圾收集器的黄金年代..."

Python 开发者工作在卫生之家，你可以想象，有个患有轻度 [OCD][] 的室友一刻不停地跟在你身后打扫，你一放下脏碟子或杯子，有个家伙已经准备好把它放进洗碗机了！

现在来看第二例子。加入我们让 n2 引用 n1：

上图中左边的 DEF 的引用数已经被 Python 减少了，垃圾回收器会立即回收 DEF 实例。同时 JKL 的引用数已经变为了 2，因为 n1 和 n2 都指向它。

标记 - 清除

最终那间凌乱的房间充斥着垃圾，再不能岁月静好了。在 Ruby 程序运行了一阵子以后，可用列表最终被用光光了：

此刻所有 Ruby 预创建对象都被程序用过了 (它们都变灰了)，可用列表里空空如也（没有白格子了）。

此刻 Ruby 祭出另一 McCarthy 发明的算法，名曰：标记 - 清除。首先 Ruby 把程序停下来，Ruby 用"地球停转垃圾回收大法"。之后 Ruby 轮询所有指针，变量和代码产生别的引用对象和其他值。同时 Ruby 通过自身的虚拟机便利内部指针。标记出这些指针引用的每个对象。 我在图中使用 M 表示。

上图中那三个被标 M 的对象是程序还在使用的。在内部，Ruby 实际上使用一串位值，被称为：可用位图 (译注：还记得《编程珠玑》里的为突发排序吗，这对离散度不高的有限整数集合具有很强的压缩效果，用以节约机器的资源。)，来跟踪对象是否被标记了。

Ruby 将这个可用位图存放在独立的内存区域中，以便充分利用 Unix 的写时拷贝化。有关此事的更多内容请关注我另一博文《Why You Should Be Excited About Garbage Collection in Ruby 2.0》

如果说被标记的对象是存活的，剩下的未被标记的对象只能是垃圾，这意味着我们的代码不再会使用它了。我会在下图中用白格子表示垃圾对象：

接下来 Ruby 清除这些无用的垃圾对象，把它们送回到可用列表中：

在内部这一切发生得迅雷不及掩耳，因为 Ruby 实际上不会吧对象从这拷贝到那。而是通过调整内部指针，将其指向一个新链表的方式，来将垃圾对象归位到可用列表中的。

现在等到下回再创建对象的时候 Ruby 又可以把这些垃圾对象分给我们使用了。在 Ruby 里，对象们六道轮回，转世投胎，享受多次人生。

标记 - 删除 vs. 引用计数

乍一看，Python 的 GC 算法貌似远胜于 Ruby 的：宁舍洁宇而居秽室乎？为什么 Ruby 宁愿定期强制程序停止运行，也不使用 Python 的算法呢？

然而，引用计数并不像第一眼看上去那样简单。有许多原因使得不许多语言不像 Python 这样使用引用计数 GC 算法：

• 首先，它不好实现。Python 不得不在每个对象内部留一些空间来处理引用数。这样付出了一小点儿空间上的代价。但更糟糕的是，每个简单的操作（像修改变量或引用）都会变成一个更复杂的操作，因为 Python 需要增加一个计数，减少另一个，还可能释放对象。

• 第二点，它相对较慢。虽然 Python 随着程序执行 GC 很稳健（一把脏碟子放在洗碗盆里就开始洗啦），但这并不一定更快。Python 不停地更新着众多引用数值。特别是当你不再使用一个大数据结构的时候，比如一个包含很多元素的列表，Python 可能必须一次性释放大量对象。减少引用数就成了一项复杂的递归过程了。

• 最后，它不是总奏效的。在我的下一篇包含了我这个演讲剩余部分笔记的文章中，我们会看到，引用计数不能处理环形数据结构--也就是含有循环引用的数据结构。

下回分解

下周我会分解演讲的剩余部分。我会讨论一下 Python 如何摆平环形数据类型及 GC 在即将出炉的 Ruby2.1 发行版中是如何工作的。

[OCD]: Obsessive compulsive disorder 强迫症即强迫性神经症，亦译沉溺，是一种神经官能症，为焦虑症的一种。患有此病的患者总是被一种入侵式的思维所困扰，在生活中反复出现强迫观念及强迫行为，使到患者感到不安、恐慌或者担忧等等，从而进行某种重复行为，至使舒缓其此种压迫感受。患者自知力完好，对于症状了解，然而无法摆脱强迫行为。强迫症是世界上最常见精神问题中的第四位，其病发率跟哮喘及糖尿病同样普遍。在美国，每 50 个人就有一人可能是强迫症患者。