你好，我是海纳。
从这节课开始，我们进入一个新的主题，那就是垃圾回收。对于C/C++程序员来说，内存错误是一个非常头疼的问题，常见的错误有内存泄露、悬空指针等。这使得程序员在写程序时必须很小心地申请内存，并且在适当的时候释放。但即便是很优秀的程序员，也很难保证每次申请、释放内存的操作和时机都是正确的。
为了使得程序员将注意力集中在业务逻辑而不是内存管理，于是自动内存管理技术就诞生了，它也被称为垃圾回收技术（Garbage Collection，GC）。
垃圾回收技术降低了程序员的心智负担，将程序员从繁重的内存管理工作中解放出来，这才使得淘宝这样的大型应用成为可能。但是随着业务越来越复杂，GC算法中固有的停顿造成业务卡顿等问题也变得越来越严重。在一些时延敏感型业务中，业务响应时间和GC停顿的矛盾就更加突出。所以，理解GC算法的基本原理并对其加以优化，是现代Java程序员的一项必备技能。
接下来的几节课，我们就来学习各种具体的GC算法。这节课我会先介绍GC算法中的基本概念，在这个基础上，我再带你深入了解一类重要的GC算法：引用计数法。通过这节课的学习，你将掌握垃圾回收这个重要话题相关的基本概念，了解GC算法的简单分类和算法评价标准。
我们先从垃圾回收的基本概念讲起吧。
在GC算法的学习过程中，一个比较大的挑战是概念和术语比较多。在这个专栏里，我会根据需要把专用概念逐个加以介绍，我们先从最简单的开始。
GC算法中最重要的两个角色就是Mutator和Collector。
Mutator的本意是改变者。这个词所表达的是通过程序来改变对象之间的引用关系。因为我们所写的所有Java程序，都有可能改变对象的存活和死亡状态，以及它们之间的引用关系，那么这些Java程序就是Mutator。因为Java程序运行所在的这些线程，我们也称为业务线程，所以在某些情况下，Mutator和业务线程这两个术语是可以混用的。在这节课中，我们使用Mutator这个术语。
Collector用于回收空间中的垃圾，所以叫做收集者。根据不同的GC算法，Collector不仅仅是收集，例如在Mark-Sweep中，它还负责标记存活对象、识别垃圾对象。执行Collector的线程，我们一般称为Collector线程或者GC线程。在某些GC算法中，业务线程也有可能帮助做垃圾回收的工作。所以，Mutator和Collector只是一种相对的说法，而不是精确的概念。
然后，我们还需要理解Java堆的结构，以及如何描述堆中的对象，以便于设计GC算法。
在软件篇，我们已经详细讨论过Java进程的内存布局了。在这里，我重点强调一下“Java堆”和软件篇中讲的“进程堆”的区别。进程堆是指进程中可以使用malloc和free进行分配和释放的一块用户态内存区域。而Java堆则专指创建普通Java对象的地方，这一段内存是由虚拟机所管理的。
在软件篇答疑里，我们也讲过，进程的堆的概念比Java堆的概念要大。进程堆还包括了Metaspace、JIT代码段等部分。明确了Java堆的概念以后，我们再来看看堆里的对象该如何进行描述呢？
假设有两个对象A和B，A引用了B对象，我们就从A向B绘制一条有向边。再把堆中的对象看成是结点，那么，堆里的对象和它的引用关系就可以使用图来表达了。这里有一个例子，可以帮助你理解，如下所示：
public class Main {
public static void main(String args[]){
try {
A a = new A();
a.b = new B();
a.c = new C();
a.b.a = a;
a.b.c = a.c;
} catch (Exception e) {
e.printStackTrace();
}
}
}
class A {
public B b;
public C c;
}
class B {
public A a;
public C c;
}
class C {
Runnable r;
}
上面代码的main函数中，创建了三个对象。我们按照上面所描述的办法，使用有向边把具有引用关系的对象表示出来，那么上面的程序就可以用下面的示意图来表示：
这样，我们就得到了一个有向图。接下来我们就可以借助图论的各种知识来处理自动内存管理问题了。如果我们在上述main方法的最后，再添加一行代码：
a.b = new B();
那么，此时各个对象之间的引用关系就变成下图所示的样子：
可以看到，原来a对象引用着b对象，现在这个引用就指向了新的对象，我们记为b’对象。b对象指向a和c的引用并没有发生变化。
从这个图中，我们可以清楚地看到此时已经没有任何对象引用b对象了。在执行完这一句之后，我们在代码里也已经没有任何办法可以再次访问到b对象了。那么此时，b对象就变成了垃圾对象。而a对象还能使用栈上的一个变量继续访问它，所以它是一个活跃对象。
将对象之间的引用关系抽象成图这种数据结构以后，我们就可以使用图算法来研究垃圾回收问题了。比如说，我们想找出所有活跃的对象，只需要从确定的活跃对象出发，对整个有向图进行遍历，遍历到的就是活跃对象，遍历不到的就是垃圾对象。
这里我们要先明确什么是“确定的活跃对象”。所有不在堆中，而指向堆里的引用都是根引用，根引用所指向的对象就是“确定的活跃对象”，这些对象是根对象。根引用的集合就是根集合。根集合是很多基于可达性分析的GC算法遍历的起点。例如：
public class Main {
public static void main(String args[]){
buildA();
A objInMain = new A();
}
public static void buildA() {
A objA = new A();
B objB = new B();
C objC = new C();
objA.b = objB;
objB.a = objA;
objA.c = objC;
}
}
在执行到 buildA 的时候，内存里的真实情况如下图所示：
buildA的栈帧里有三个变量objA、objB、objC，它们都有引用指向堆里，所以这三个引用都是根引用。当buildA的栈帧还存在的时候，这些引用就存在，那么堆里的这三个对象就是活跃对象。一旦buildA方法执行完了，它所对应的栈帧就会被销毁，上图中的三个引用就会消失，同时堆里的三个对象也就变成了垃圾对象。
我们定义了GC算法相关概念和定义后，我们再来看看GC算法的评价标准。
各种常用的GC算法，它们的特点各不相同，分别适用于不同的场景。要想搞清楚在什么情况下采用什么算法，我们就要先分析清楚GC算法的特点。具体来讲，常用的评价GC算法的标准有以下几条：
接下来的课程中，我们就具体地研究各种GC算法，并用上面的6条评价准则对它们进行详细地分析。
GC算法大致上可以分为引用计数和基于可达性分析的算法两大类。其中，可达性分析算法是当前GC算法研究的热点，也是我们自动内存管理篇的重点。在下一节课中，我们会对它进行详细地讲解。这节课，我们先简要介绍引用计数算法。
引用计数法是非常简单高效的，它依然被Python和Swift等语言所使用。而且，引用计数法也不仅仅用在垃圾回收这一个场景。在COM组件编程、Linux内核管理物理页面、C++智能指针等场景都能看到它的身影。虽然现在引用计数法已经不是工业界和学术界研究的重点，但是掌握它仍然具有重要的意义。
GC算法一个重要的功能是要识别出内存中的哪些对象是垃圾，也就是不会再被使用到的对象。这里就涉及到了垃圾的定义，就是不再被其他对象所引用的对象。从这个定义出发，我们可以想办法统计一个对象是否被引用。如果它被引用的次数大于0，那它就是一个活跃对象；如果它被引用的次数为0，那它就是一个垃圾对象。
为了记录一个对象有没有被其他对象引用，我们可以在每个对象的头上添加一个叫“计数器”的东西，用来记录有多少其他对象引用了它。Mutator在执行的时候会改变这个计数值，比如以下代码：
A objA = new A();
B objB = new B();
objA.ref = objB;
执行到第三行的时候，它的引用关系如下图所示：
在这个代码中，第1行创建了一个对象，不妨记为对象a，objA这个变量指向对象a，所以这个对象的引用计数就是1；第2行创建了一个B对象，记为对象b，objB变量指向对象b，此时，它的引用计数为1；第3行objA的ref属性也指向对象b，所以对象b的引用计数最终会为2。
Mutator在运行中还会不断地修改对象之间的引用关系，我们知道，这种引用关系的变化都是发生在赋值的时候。例如，接着上面的例子，我们再执行这样一行代码：
objA.ref = null
那么从objA到objB的引用就消失了，也就是上图中，那个从A的ref指向B的箭头就消失了。
对于例子中的赋值语句，如果是Java语言，最终会被翻译成putfield指令，那么JVM在处理putfield指令的时候，就可以加上对引用计数的处理。描述这个过程的伪代码如下所示：
void do_oop_store(Value * obj, Value value) {
inc_ref(&value);
dec_ref(obj);
obj = &value;
}
void inc_ref(Value * ptr) {
ptr->ref_cnt++;
}
void dec_ref(Value * ptr) {
ptr->ref_cnt--;
if (ptr->ref_cnt == 0) {
collect(ptr);
for (Value * ref = ptr->first_ref; ref != null; ref=ref->next)
dec_ref(ref);
}
}
大多数语言虚拟机（例如Java虚拟机hotspot、CPython虚拟机等）都是使用C/C++来编写的，所以，我们这里的伪代码也使用C语言来描述。
上面的代码展示了在把 value 赋值给 obj 这个指针之前，我们必须先改变两个对象的引用计数。一个是obj指针原来指向的对象，它的引用计数要减一，另一个是value对象，它的引用计数加一。如果某个对象的引用计数为0，就把这个对象回收掉（collect方法负责回收内存，根据GC算法的不同，collect的实现会有所不同，所以这里我们只要知道它的功能即可，不必在意它的实现），然后把这个对象所引用的所有对象的引用计数减1。
我们在写一个对象的域的时候做了一些工作，就好比在更新对象域的时候，对这个动作进行了拦截。所以，GC中对这种特殊的操作起了一个比较形象的名字叫write barrier。这里的barrier是屏障，拦截的意思，中文翻译就是写屏障。你要注意与第15节课我们所讲的内存屏障加以区别。
那在do_oop_store里，可不可以先做减，后做加呢？就是说第2行和第3行的先后顺序换过来有没有影响呢？答案是不行。因为当obj和value是同一个对象的时候，如果先减后加的话，这个对象就会被回收，内存有可能会被破坏。从而，这个对象就有可能发生数据错误。
到这里，引用计数算法的基本原理就讲完了。接下来，我们就可以使用GC算法的评价标准来分析一下这种GC算法有什么样的优缺点，这样，我们就能知道它适合用在什么场景中了。
从算法描述中容易推知，引用计数具备以下优点：
同时，引用计数也存在以下缺点：
在使用引用计数算法进行内存管理的语言中，比如Python和Swift，都会存在循环引用的问题。Python在引用计数之外，另外引入了三色标记算法，保证了在出现循环引用的情况下，垃圾对象也能被正常回收。关于三色标记算法，我们会在第21节课进行重点讲解。
而Swift则要求程序员自己解开循环引用，也就是将objA对objB的引用设为NULL，这样objA对objB的引用就消失了，objB的引用计数变为1，接下来就可以正常地将两个对象都回收掉了。
综上所述，引用计数实现方便，又可以做到对无用的资源进行立即回收，但他无法应对高并发、高吞吐的场景。
好啦，这节课到这里就结束啦，我们一起来回顾下这节课的重点内容吧。在这节课里，我们介绍了GC算法的基本概念和定义，然后又讨论了GC算法的评价标准，以便于后面对各种算法进行对比和选择，最后，我们又讲解了引用计数法这种最直接最简单的GC算法。
GC算法中有两种重要的角色，分别是Mutator和Collector。Mutator也可以理解为业务线程，collector可以理解为GC线程。
Java对象都是在Java堆中创建的，它们之间的相互引用关系可以使用图结构来表示。找出堆中活跃对象的过程就是在堆中对Java对象进行遍历的过程。遍历算法的起点是根集合。
所有不在堆中，而指向堆里的引用都是根引用，根引用的集合就是根集合。根集合是很多基于可达性分析的GC算法遍历的起点。
然后，我们讨论了GC算法的评价标准，总结了以下六点，分别是：分配的效率、回收的效率、是否产生内存碎片、空间利用率、是否停顿，以及实现的难度。这六个维度是一般化的评价标准，并不是所有的算法都适用全部的评价标准。比如引用计数算法就不必关心分配的效率和内存碎片问题。
在这节课的最后，我们一起探讨了引用计数算法。引用计数的特点是在对象的引用在修改的过程中，可以统计对象被引用的次数，当一个对象的被引用次数为0，则对象可以被释放。在修改引用的过程中加一些动作，这种做法被称为write barrier，这是非常重要的一个机制。我们后面会反复遇到各种类型的barrier。
除了从栈上出发的引用是根引用，你还知道哪些根引用呢？欢迎在留言区分享你的想法，我在留言区等你。
好啦，这节课到这就结束啦。欢迎你把这节课分享给更多对计算机内存感兴趣的朋友。我是海纳，我们下节课再见！
评论