使用mark-sweep算法的垃圾回收器

在我写C++代码的那些时间里，我没有写过垃圾回收器，也没有实现过自己的内存分配器，这方面的文章倒是看了不 少。比如我在写C#代码时只管new而不需要释放，我也明白有个垃圾回收器在那帮我回收那些堆上的对象，但具体的实现也没有深究。这段时间我突然想起了以 前在某个地方看过关于一个小型垃圾回收器实现的文章，那是一篇翻译文章，于是搜了下找到了源代码，作者是Google公司一哥们(套近乎啊，好像认识似的)。今天韦哥决定分析一下这个实现，因为一般而言，分析比自己厉害得多的人的作品，总会有些收获。

源码在github上，顺藤摸瓜就能找到他解释这个实现的文章，点击这里：https://github.com/munificent/mark-sweep

这里为简单化，我们把变量使用的每一块内存都叫对象。我们知道，栈上的对象在函数调用过程中或者调用结束后全部被释放掉，可以理解为这是操作系统的ABI规
范，因此我们不需要管理栈内存，垃圾回收器管理的是堆内存。那垃圾回收器怎么知道哪些对象可以回收呢？应该是那些从栈上无法直接或间接访问到的堆上的对象可以被回收。那又怎么判定从栈上无法直接或间接访问到某个堆上对象呢？这也是我以前比较困惑的地方。比如我在某个函数里边写了一行：“A* p = new
A();”，在A对象产生的时候，应该在某个地方有个记录，保存了p的值。在函数退出时，记录里p的值被清理，但是它所指向的内存对象还存在，等到垃圾回收器进行回收检查的时候，它先要把能从栈上访问到的内存对象标记为被使用中，以免清理阶段错误释放了该内存对象。对于p，因为在记录里被清理了，在标记阶段，从栈上已经无法访问它，因此没有被标记为使用中，在清理阶段这个对象就会被释放掉。那么问题又来了，既然从栈上已经无法访问到p指向的对象，又如何释放呢？其实是有另外一个路径可以访问到它的，垃圾回收器保存一个根对象，通过这个根对象可以访问到所有已分配的内存对象，但这些对象可能已经没有栈上变量
指向它了，垃圾回收器正是以这个为依据来进行内存释放。

在作者的实现中，有两个结构体比较重要，就是虚拟机结构体，声明如下：

typedef struct {

Object* stack[STACK_MAX];
    int stackSize;
 
   /* The first object in the linked list of all objects on the heap. */
   Object* firstObject;
 
   /* The total number of currently allocated objects. */
   int numObjects;
 
   /* The number of objects required to trigger a GC. */
  int maxObjects;
 } VM;

从栈上能访问到的对象是那些从VM结构体中stack变量可以直接或间接访问到的对象，这里的对象就是Object类型的，Object声明如下：

typedef struct sObject {
    ObjectType type;
    unsigned char marked;

/* The next object in the linked list of heap allocated objects. */
   struct sObject* next;
 
   union {
     /* OBJ_INT */
     int value;
 
     /* OBJ_PAIR */
     struct {
       struct sObject* head;
       struct sObject* tail;
     };
   };

} Object;

Object结构体里有个next成员指向下一个对象，因此有间接访问到这么一说法。

VM结构体中stack变量决定了哪些对象还在被引用，比如上面提到的p，在刚刚给它分配对象时，从stack可以访问到它，但是当它离开所在作用域又没有其它变量引用过p所指向的内存对象时，从stack变量就已经无法访问到它了。但在p所指向内存对象被垃圾回收器释放之前，从VM结构体里的firstObject一步一步往下走，始终能找到这个内存对象。

顾名思义，mark-sweep算法分为两个阶段，即mark和sweep阶段，中文就是标记和清理阶段。有了以上的理解之后，我们就明白，这个实现中为什么在调用函数gc时依次调用了markAll(vm)和sweep(vm)。

void gc(VM* vm) {
   int numObjects = vm->numObjects;
 
   markAll(vm);
   sweep(vm);

vm->maxObjects = vm->numObjects * 2;

printf("\nCollected %d objects, %d remaining.\n", numObjects - vm->numObjects,
          vm->numObjects);
 }

每个Object对象有一个标记位，在这个对象初始化时标记为置0，表示可以被回收(是不是显得有点奇怪，会不会被错误释放？)。我刚开始直觉上也感觉不对，新对象不是在被使用吗，应该为1才对啊。而实际其思路是这样的：首先认为所有对象都可以被回收，然后在你回收之前，遍历stack变量，把从它能到达的对象都标记为1，这就是标记阶段，再执行清理，清理不再是遍历stack变量，而是遍历firstObject变量。对于那些遍历stack变量时因为没有直接或间接引用而不可达的变量，在清理阶段遍历firstObject却能找到它，并发现它的标记为是0，于是把它释放掉。对于那些标记为1的变量，把它重新置0回到初始状态，表示可回收，等待下次gc调用。

欢迎关注公众号：