收集循环引用

一个实用的垃圾收集器大体上应该满足以下条件  
一、消除悬空指针和内存泄露  
二、不能给程序运行带来过高的额外开销，一般来说要控制在10%  
三、尽量减少停顿时间，使得运行平稳  
四、内存管理方面局部性尽量好  

其中第一条没什么好说的，肯定要符合，至于第四条，当然也很重要，局部性做好了可以成倍提高运行速度，不过，如果都是内存操作，就算没做好速度一般也可以接受了，在老式的系统中，由于会用磁盘等外部存储扩展内存，这条相对就重要些，现在可以看做是一个比较高级的要求  

于是，垃圾收集机制需要考虑的重点就在第二和第三条，可惜的是，这两条很多时候有冲突，比方说，引用计数机制保证了运行平稳，但付出代价就是运行时额外开销较高，而使用节点复制的时候，堆内存越大，收集频率就越小，平均耗在垃圾回收上的时间就少，但是可能由于可达集太大而长时间停顿，而如果增加垃圾收集频率，虽然更平稳了，但是开销又大了。很多垃圾收集器都在这两条中去了一个权衡，而具体的做法，就是将垃圾回收机制或思想混合使用  

引用计数拥有平稳运行的优点，对一般程序来说，其额外开销也能接受，但是由于有循环引用存在，使得很多垃圾收集器不能简单地使用引用计数，除非语言本身保证了不会循环引用。最简单直接的办法，就是用标记-清除来辅助回收循环引用  

当然标记-清除存在停顿运行的缺点，这两种机制如果结合不好，反而会造成短板效应，事实上人们已经花了很大的功夫研究如何对引用计数做一些修改，保持其优点的情况下解决循环引用问题，的确也有一些方案，可惜没有一个能用在实际中，这些方案的缺点在于：  
1 实现复杂，给程序带来的额外开销不可接受  
2 算法本身有缺陷，有时候会陷入死循环  
3 有的大部分情况下运行正常，但是某些情况下时间复杂度是指数级，会造成运行期更大的颠簸  
4 只能针对特定语言，不够普世  
因此，到目前为止，如果在实际中使用到引用计数，一般也都是用跟踪式垃圾收集作为辅助策略，比如python的标准实现中，垃圾收集机制就是引用计数为主，标记-清除为辅（也结合了分代收集机制，按下不表）  

和纯粹的标记-清除相比，对引用计数做辅助收集，只需要处理循环引用即可，因此没必要将所有申请的对象都记录下来，在标记阶段也只需要标记必要的对象，比如，python中的int，string等对象本身不是容器，就没必要进入这个流程，只需要记录所有容器即可，非容器的垃圾利用引用计数可以实时收集  

比如：  

class A: 
    pass 
a = A() #1号对象 
b = A() #2号对象 
a.a = 123 
a.b = b 
b.a = a 
b.b = "hello" 

在对象建立的时候，只会记录a和b两个instance对象，123和"hello"这两个对象就不记录了。在垃圾回收阶段，从根集只标记a和b两个对象。如果上面代码后面加上：  
del a, b  
则在回收的时候，最后得到的垃圾集合是两个instance  

对这个垃圾集合做回收的时候，需要注意算法只标记了容器类的，如果容器中有int或string等对象，还是需要通过引用计数来收集，因此，释放对象的时候，每个对象还是需要对它所引用的对象做引用计数操作  

python采用了引用拆除的办法，具体说就是找到一个垃圾集合后，任意取一个垃圾容器，将其清空（即所有引用归为NULL），清空的时候会减少其引用的所有对象的引用计数，这样一来就可能会释放掉一些对象，如果垃圾集合还不为空，就再选择一个  
比如上面的例子，首先选择1号对象，清空，这样一来123和2号对象的引用计数都减一，由于2号对象此时计数为0，则自动销毁，销毁的时候会将1号对象和"hello"的引用计数减一，1号对象的引用计数也为0了，销毁，由于1号对象已清空，所以就不用处理它的引用了，这样所有垃圾都被正常回收  
当然，这个清空可能并不是一次性的，如果1号对象先清理b属性，则产生连锁反应，最后一样能正常回收  

另一个办法是，对于所有检测到的垃圾先放入一个hash表中，然后循环销毁所有垃圾，销毁过程中会导致每个容器被清空，当某个元素引用计数减少为0时，判断它是不是已经在hash表，如果在，则不用销毁，否则就是int或string这种，正常销毁  

由于python是动态类型语言，因此采用了从容器和非容器进行区分的办法，无法对容器做进一步分类，实际上在这种情况下，追踪式垃圾收集只需要找循环引用即可，由于python的动态性，所有容器都有可能造成循环引用。如果能对容器做进一步区分，则可以缩小需要收集的对象区间，但这一般需要语言本身是静态性的，由编译器进行辅助，比如（java代码）：  

class A 
{ 
    int a; 
    String b; 
} 
class B 
{ 
    A a; 
    float[] b; 
} 
class C 
{ 
    double a; 
    D b; 
} 
class D 
{ 
    C c; 
} 

对这三个类的数据结构做静态分析，可以发现，A中的元素，int不是容器，String虽然是个对象，但String内部是一个char[]，不存在循环引用，因此A不会在循环引用中，同理，B也不会，而C的元素有D类型，D中的元素有C类型，因此C和D可能构成循环引用，这样一来，如果编译器给出足够的信息，虚拟机在运行时只需要记录C和D的对象建立，并对其做辅助收集就行了，其他对象均可通过引用计数正常回收