PHP二十一问：PHP的垃圾回收机制

本文转自：PHP二十一问：PHP的垃圾回收机制

PHP 是一门托管型语言，在 PHP 编程中，程序员不需要手工处理内存资源的分配与释放（使用 C 编写 PHP 或 Zend 扩展除外），这就意味着 PHP 本身实现了垃圾回收机制（Garbage Collection）。在 PHP 官方网站可以看到对垃圾回收机制的介绍。

PHP的引用计数

PHP在内核中是通过zval这个结构体来存储变量的，在Zend/zend.h文件中找到了其定义：

PHP5 中定义如下：

struct _zval_struct {
        /* Variable information */
        zvalue_value value;             /* value */
        zend_uint refcount;
        zend_uchar type;        /* active type */
        zend_uchar is_ref;
};

而到了PHP7中定义如下：

struct _zval_struct {
    union {
        zend_long         lval;             /* long value */
        double            dval;             /* double value */
        zend_refcounted  *counted;
        zend_string      *str;
        zend_array       *arr;
        zend_object      *obj;
        zend_resource    *res;
        zend_reference   *ref;
        zend_ast_ref     *ast;
        zval             *zv;
        void             *ptr;
        zend_class_entry *ce;
        zend_function    *func;
        struct {
            uint32_t w1;
            uint32_t w2;
        } ww;
    } value;
    union {
        struct {
            ZEND_ENDIAN_LOHI_4(
                zend_uchar    type,         /* active type */
                zend_uchar    type_flags,
                zend_uchar    const_flags,
                zend_uchar    reserved)     /* call info for EX(This) */
        } v;
        uint32_t type_info;
    } u1;
    union {
        uint32_t     var_flags;
        uint32_t     next;                 /* hash collision chain */
        uint32_t     cache_slot;           /* literal cache slot */
        uint32_t     lineno;               /* line number (for ast nodes) */
        uint32_t     num_args;             /* arguments number for EX(This) */
        uint32_t     fe_pos;               /* foreach position */
        uint32_t     fe_iter_idx;          /* foreach iterator index */
    } u2;
};

我们定义一个PHP变量如下：

 $var = "mindoc";
 $var_dup = $var;
 unset($var);

• 第一行代码创建了一个字符串变量，申请了一个大小为9字节的内存，保存了字符串”laruence”和一个NULL(\0)的结尾。
• 第二行定义了一个新的字符串变量，并将变量var的值”复制”给这个新的变量。
• 第三行unset了变量var

这样的代码在我们平时的脚本中是很常见的，如果PHP对于每一个变量赋值都重新分配内存，copy数据的话，那么上面的这段代码公要申请18个字节的内存空间，而我们也很容易的看出来，上面的代码其实根本没有必要申请俩份空间，PHP的开发者也看出来了：

PHP中的变量是用一个存储在symbol_table中的符号名，对应一个zval来实现的，比如对于上面的第一行代码，会在symbol_table中存储一个值”var”, 对应的有一个指针指向一个zval结构，变量值”laruence”保存在这个zval中，所以不难想象，对于上面的代码来说，我们完全可以让”var”和”var_dup”对应的指针都指向同一个zval就可以了。

PHP也是这样做的，这个时候就需要介绍过zval结构中的refcount字段了。

refcount,顾名思义，记录了当前的zval被引用的计数。

不准确但却通俗的说：
refcount：多少个变量是一样的用了相同的值，这个数值就是多少。
is_ref：bool类型，当refcount大于2的时候，其中一个变量用了地址&的形式进行赋值，好了，它就变成1了。

在 PHP 中可以通过 xdebug 扩展中提供的方法来查看变量的计数变化：

1.第一步：查看内部结构

$name = "咖啡色的羊驼";
 xdebug_debug_zval('name');

会得到：

name:(refcount=1, is_ref=0),string '咖啡色的羊驼' (length=18)

2.第二步：增加一个计数

$name = "咖啡色的羊驼";
$temp_name = $name;
xdebug_debug_zval('name');

会得到：

name:(refcount=2, is_ref=0),string '咖啡色的羊驼' (length=18)

看到了吧，refcount＋1了。

3.第三步：引用赋值

$name = "咖啡色的羊驼";
$temp_name = &$name;
xdebug_debug_zval('name');

会得到：

name:(refcount=2, is_ref=1),string '咖啡色的羊驼' (length=18)

是的引用赋值会导致zval通过is_ref来标记是否存在引用的情况。

4.第四步：数组型的变量

$name = ['a'=>'咖啡色', 'b'=>'的羊驼'];
xdebug_debug_zval('name');

会得到：

name:
(refcount=1, is_ref=0),
array (size=2)
  'a' => (refcount=1, is_ref=0),string '咖啡色' (length=9)
  'b' => (refcount=1, is_ref=0),string '的羊驼' (length=9)

还挺好理解的，对于数组来看是一个整体，对于内部kv来看又是分别独立的整体，各自都维护着一套zval的refount和is_ref。

5.第五步：销毁变量

$name = "咖啡色的羊驼";
$temp_name = $name;
xdebug_debug_zval('name');
unset($temp_name);
xdebug_debug_zval('name');

会得到：

name:(refcount=2, is_ref=0),string '咖啡色的羊驼' (length=18)
name:(refcount=1, is_ref=0),string '咖啡色的羊驼' (length=18)

refcount计数减1，说明unset并非一定会释放内存，当有两个变量指向的时候，并非会释放变量占用的内存，只是refcount减1.

更多关于引用计数的请参考： http://www.laruence.com/2008/09/19/520.html

php的内存管理机制

知道了zval是怎么一回事，接下来看看如何通过php直观看到内存管理的机制是怎么样的。

外在的内存变化

先来一段代码：

//获取内存方法，加上true返回实际内存，不加则返回表现内存
var_dump(memory_get_usage());
$name = "咖啡色的羊驼";
var_dump(memory_get_usage());
unset($name);
var_dump(memory_get_usage());

会得到：

int 1593248
int 1593384
int 1593248

大致过程：定义变量->内存增加->清除变量->内存恢复

潜在的内存变化

当执行：

$name = "咖啡色的羊驼";

时候，内存的分配做了两件事情：

为变量名分配内存，存入符号表
为变量值分配内存
再来看代码：

var_dump(memory_get_usage());
for($i=0;$i<100;$i++)
{
    $a = "test".$i;
    $$a = "hello";    
}
var_dump(memory_get_usage());
for($i=0;$i<100;$i++)
{
    $a = "test".$i;
    unset($$a);    
}
var_dump(memory_get_usage());

会得到：

int 1596864
int 1612080
int 1597680

怎么和之前看的不一样？内存没有全部回收回来。

对于php的核心结构Hashtable来说，由于未知性，定义的时候不可能一次性分配足够多的内存块。所以初始化的时候只会分配一小块，等不够的时候在进行扩容，而Hashtable只扩容不减少，所以就出现了上述的情况:当存入100个变量的时候，符号表不够用了就进行一次扩容，当unset的时候只释放了”为变量值分配内存”，而“为变量名分配内存”是在符号表的，符号表并没有缩小，所以没收回来的内存是被符号表占去了。

潜在的内存申请与释放设计

php和c语言一样，也是需要进行申请内存的，只不过这些操作作者都封装到底层了，php使用者无感知而已。

首先我们要打破一个思维: PHP不像C语言那样, 只有你显示的调用内存分配相关API才会有内存的分配。也就是说, 在PHP中, 有很多我们看不到的内存分配过程。

比如对于:

$a = "laruence";

隐式的内存分配点就有:

• 为变量名分配内存, 存入符号表
• 为变量值分配内存

所以, 不能只看表象.

别怀疑,PHP的unset确实会释放内存(当然, 还要结合引用和计数), 但这个释放不是C编程意义上的释放, 不是交回给OS，对于PHP来说, 它自身提供了一套和C语言对内存分配相似的内存管理API:

emalloc(size_t size);
efree(void *ptr);
ecalloc(size_t nmemb, size_t size);
erealloc(void *ptr, size_t size);
estrdup(const char *s);
estrndup(const char *s, unsigned int length);

这些API和C的API意义对应， 在PHP内部都是通过这些API来管理内存的。

当我们调用emalloc申请内存的时候，PHP并不是简单的向OS要内存， 而是会像OS要一个大块的内存, 然后把其中的一块分配给申请者，这样当再有逻辑来申请内存的时候， 就不再需要向OS申请内存了， 避免了频繁的系统调用。

比如如下的例子:

var_dump(memory_get_usage(TRUE)); //注意获取的是real_size
$a = "laruence";
var_dump(memory_get_usage(TRUE));
unset($a);
var_dump(memory_get_usage(TRUE));

输出:

int(262144)
int(262144)
int(262144)

也就是我们在定义变量$a的时候, PHP并没有向系统申请新内存.

同样的, 在我们调用efree释放内存的时候, PHP也不会把内存还给OS, 而会把这块内存, 归入自己维护的空闲内存列表. 而对于小块内存来说, 更可能的是, 把它放到内存缓存列表中去
(后记, 某些版本的PHP, 比如我验证过的PHP5.2.4, 5.2.6, 5.2.8, 在调用get_memory_usage()的时候, 不会减去内存缓存列表中的可用内存块大小, 导致看起来, unset以后内存不变).

php中垃圾是如何定义的？

首先我们需要定义一下“垃圾”的概念，GC负责清理的垃圾是指变量的容器zval还存在，但是又没有任何变量名指向此zval。因此GC判断是否为垃圾的一个重要标准是有没有变量名指向变量容器zval。

//假设我们有一段PHP代码，使用了一个临时变量$tmp存储了一个字符串，
//在处理完字符串之后，就不需要这个$tmp变量了，
//$tmp变量对于我们来说可以算是一个“垃圾”了，但是对于GC来说，$tmp其实并不是一个垃圾，
//$tmp变量对我们没有意义，但是这个变量实际还存在，$tmp符号依然指向它所对应的zval，
//GC会认为PHP代码中可能还会使用到此变量，所以不会将其定义为垃圾。

//那么如果我们在PHP代码中使用完$tmp后，调用unset删除这个变量，那么$tmp是不是就成为一个垃圾了呢。
//很可惜，GC仍然不认为$tmp是一个垃圾，
//因为$tmp在unset之后，refcount减少1变成了0(这里假设没有别的变量和$tmp指向相同的zval),
//这个时候GC会直接将$tmp对应的zval的内存空间释放，$tmp和其对应的zval就根本不存在了。
//此时的$tmp也不是新的GC所要对付的那种“垃圾”。

那么新的GC究竟要对付什么样的垃圾呢，下面我们将生产一个这样的垃圾。

PHP5.3 之前的内存泄漏的垃圾回收
产生内存泄漏主要真凶：环形引用。 现在来造一个环形引用的场景：

$a = ['one'];
$a[] = &$a;
xdebug_debug_zval('a');

得到：

a:
(refcount=2, is_ref=1),
array (size=2)
  0 => (refcount=1, is_ref=0),string 'one' (length=3)
  1 => (refcount=2, is_ref=1),
        &array<

这样 $a数组就有了两个元素，一个索引为0，值为one字符串，另一个索引为1，为$a自身的引用。

此时删掉$a:

$a = ['one'];
$a[] = &$a;
unset($a);

PHP 5.3之后的垃圾内存回收

PHP5.3 的垃圾回收算法仍然以引用计数为基础，但是不再是使用简单计数作为回收准则，而是使用了一种同步回收算法，这个算法由IBM的工程师在论文Concurrent Cycle Collection in Reference Counted Systems中提出。

这个算法比较复杂，在这里，只能大体描述一下此算法的基本思想：

首先 PHP 会分配一个固定大小的“根缓冲区”，这个缓冲区用于存放固定数量的 zval（默认是10,000），如果需要修改则需要修改源代码 Zend/zend_gc.c 中的常量 GC_ROOT_BUFFER_MAX_ENTRIES 然后重新编译。

这个根缓冲区中存放的是“可能根（possible roots）”，就是可能发生内存泄露的 zval。当根缓冲区满了的时候（或者调用 gc_collect_cycle() 函数时），PHP 就会执行垃圾回收。

可能根我个人理解就是循环引用的数组和对象，我觉得判决一个 zval 是不是可能根也是这个算法的关键，但是没有找到相应的资料。

回收算法步骤如下：

步骤 A 把所有可能根（possible roots 都是 zval 变量容器），放在根缓冲区（root buffer）中（称为疑似垃圾)，并确保每个可能的垃圾根（possible garbage root）在缓冲区中只出现一次。只有在根缓冲区满了的时候，才对缓冲区内部所有不同的变量容器执行垃圾回收操作；

步骤 B 被称为模拟删除，对每个根缓冲区中的根 zval 按照深度优先遍历算法遍历所有能遍历到的 zval，并将对应的 refcount 减 1，同时为了避免对同一 zval 多次减 1（因为可能不同的根能遍历到同一个 zval），每次对某个 zval 减 1 后就对其标记为“已减”。需要强调的是，这个步骤中，起初节点 zval 本身不做减 1 操作，但是如果节点 zval 中包含的符号表中有节点又指向了初始的 zval（环形引用），那么这个时候需要对节点 zval 进行减 1 操作；

步骤 C 被称为模拟恢复，基本就是步骤 B 的逆运算，但恢复是有条件的。再次对每个缓冲区中的 zval 做深度优先遍历，如果某个 zval 的 refcount 不为 0，则对其加 1，否则保持其为 0。同样每个变量只能恢复一次；

步骤 D 清空根缓冲区中的所有根（注意是把所有 zval 从缓冲区中清除而不是销毁它们），然后销毁所有 refcount 为 0 的 zval，并收回其内存，是真实删除的过程。

这个道理其实很简单，假设数组 a 的 refcount 等于 m，a 中有 n 个元素又指向 a，如果 m == n，那么判断 m - n = 0，那么 a 就是垃圾，如果 m > n，那么算法的结果 m - n > 0，所以 a 就不是垃圾了。

m = n 代表什么？ 代表 a 的 refcount 都来自数组 a 自身包含的 zval 元素，说明 a 之外没有任何变量指向它，说明 a 被 unset 掉了，用户代码空间中无法再访问到 a 所对应的 zval，也就是代表 a 是泄漏的内存，因此 GC 应该回收 a 所对应的 zval。

举例如下：

$a = ['one']; --- zval_a（将$a对应的zval，命名为zval_a）
$a[] = &$a; --- step1
unset($a);  --- step2

为进行unset之前(step1)，进行算法计算，对这个数组中的所有元素（索引0和索引1）的zval的refcount进行减1操作，由于索引1对应的就是zval_a，所以这个时候zval_a的refcount应该变成了1，这样说明zval_a不是一个垃圾不进行回收。

当执行unset的时候(step2)，进行算法计算，由于环形引用，上文得出会有垃圾的结构体，zval_a的refcount是1(zval_a中的索引1指向zval_a)，用算法对数组中的所有元素（索引0和索引1）的zval的refcount进行减1操作，这样zval_a的refcount就会变成0，于是就认为zval_a是一个需要回收的垃圾。

算法总的套路:对于一个包含环形引用的数组，对数组中包含的每个元素的zval进行减1操作，之后如果发现数组自身的zval的refcount变成了0，那么可以判断这个数组是一个垃圾。

简言之，PHP5.3 的垃圾回收算法有以下几点特性：

并不是每次 refcount 减少时都进入回收周期，只有根缓冲区满额后在开始垃圾回收；
解决了循环引用导致的内存泄露问题；
整体上可以总将内存泄露保持在一个阈值以下（与缓冲区的大小有关）。

PHP5.3之前和之后垃圾回收算法的性能比较

内存占用空间
分别在 PHP5.2 和 PH5.3环境下执行下面的脚本，并记录内存占用情况（其中排除了脚本启动时 PHP 本身占用的基本内存）：

class Foo
{
    public $var = '3.1415962654';
}

$baseMemory = memory_get_usage();

for ( $i = 0; $i <= 100000; $i++ )
{
    $a = new Foo;
    $a->self = $a;
    if ( $i % 500 === 0 )
    {
        echo sprintf( '%8d: ', $i ), memory_get_usage() - $baseMemory, "\n";
    }
}

这是个经典的内存泄露例子，创建一个对象，这个对象中的一个属性被设置为对象本身。在下一个循环（iteration）中，当脚本中的变量被重新赋值时，就会发生内存泄漏。

比较结果如下：

从这个图表中，可以看出 PHP5.3 的最大内存占用大概是 9Mb，而 PHP5.2 的内存占用一直增加。在 5.3 中，每当循环 10,000 次后（共产生 10,000 个可能根），根缓冲区满了，就会执行垃圾回收机制，并且释放那些关联的可能根的内存。所以 PHP5.3 的内存占用图是锯齿型的。

执行时间
为了检验执行时间，稍微修改上面的脚本，循环更多次并且删除了内存占用的计算，脚本代码如下：

class Foo
{
    public $var = '3.1415962654';
}

for ( $i = 0; $i <= 1000000; $i++ )
{
    $a = new Foo;
    $a->self = $a;
}

echo memory_get_peak_usage(), "\n";

分别在打开/关闭垃圾回收机制（通过配置 zend.enable_gc实现）的情况下运行脚本，并记录时间。

time php -dzend.enable_gc=0 -dmemory_limit=-1 -n example2.php
time php -dzend.enable_gc=1 -dmemory_limit=-1 -n example2.php

第一个命令持续执行时间大概为 10.7 秒，而第二个命令耗费 11.4 秒。时间上增加了 7%。然而，内存的占用峰值降低了 98%，从 931Mb 降到了 10Mb。

这个测试并不能代表真实应用程序的情况，但是它的确显示了新的垃圾回收机制在内存占用方面的好处。而且在执行中出现更多的循环引用变量时，内存节省会更多，但时间增加的百分比都是 7% 左右。

PHP垃圾回收的相关配置
可以通过修改配置文件 php.ini 中的 zend.enable_gc 来打开或关闭 PHP 的垃圾回收机制，也可以通过调用 gc_enable() 或 gc_disable() 打开或关闭 PHP 的垃圾回收机制。

在 PHP5.3 中即使关闭了垃圾回收机制，PHP 仍然会记录可能根到根缓冲区，只是当根缓冲区满额时，不会自动运行垃圾回收，当然，任何时候您都可以通过手工调用 gc_collect_cycles() 函数强制执行内存回收。

参考：
一看就懂系列之 由浅入深聊一聊php的垃圾回收机制:
PHP的垃圾回收机制
深入理解PHP内存管理之谁动了我的内存
深入理解PHP原理之变量分离/引用(Variables Separation)