X-Git-Url: https://git.llucax.com/z.facultad/75.00/informe.git/blobdiff_plain/429e5b716917b04ac71d68784a7a737c188bea76..9666bda903cc1a7242ea5a84dc4f44cecd4cf942:/source/dgc.rst?ds=inline diff --git a/source/dgc.rst b/source/dgc.rst index 370b664..837774a 100644 --- a/source/dgc.rst +++ b/source/dgc.rst @@ -1,12 +1,4 @@ -.. Describe más detalladamente los problemas actuales del recolector de - basura de D, sentando las bases para el análisis de los requerimientos - de recolección de basura en dicho lenguaje (se explica por qué las - particularidades descriptas en la sección anterior complican la - recolección de basura y cuales son las que más molestan). - ESTADO: TERMINADO - - .. _dgc: Recolección de basura en D @@ -63,7 +55,7 @@ mismas (o más) limitaciones. El control sobre la alineación de memoria es otra complicación sobre el recolector de basura, incluso aunque éste sea conservativo. Dado que tratar la memoria de forma conservativa byte a byte sería impracticable (tanto por la -cantidad de falsos positivos que esto provocaría como por el impacto en el +cantidad de *falsos positivos* que esto provocaría como por el impacto en el rendimiento por el exceso de posibles punteros a revisar, además de lo ineficiente que es operar sobre memoria no alineada), en general el recolector asume que el usuario nunca va a tener la única referencia a un objeto en una @@ -130,7 +122,7 @@ una función miembro llamada *destructor*, o ``~this()`` en D_). Esto significa que el recolector, al encontrar que no hay más referencias a un objeto, debe ejecutar el destructor. -La especificación dice: +La especificación dice [DWDE]_: The garbage collector is not guaranteed to run the destructor for all unreferenced objects. Furthermore, the order in which the garbage collector @@ -338,11 +330,11 @@ Atributos de *pool* Cada *pool* tiene la siguiente información asociada: *number_of_pages* - cantidad de páginas que tiene. Esta cantidad es fija en toda la vida de un + Cantidad de páginas que tiene. Esta cantidad es fija en toda la vida de un *pool*. *pages* - bloque de memoria contiguo de tamaño ``PAGE_SIZE * number_of_pages`` + Bloque de memoria contiguo de tamaño ``PAGE_SIZE * number_of_pages`` (siendo ``PAGE_SIZE`` el tamaño de página, que normalmente son 4096 bytes). @@ -357,13 +349,13 @@ Una página siempre almacena bloques del mismo tamaño, que pueden ser 16, 32, significado especial: ``FREE`` - indica que la página está completamente libre y que la página está + Indica que la página está completamente libre y que la página está disponible para albergar cualquier tamaño de bloque que sea necesario (pero una vez que se le asignó un nuevo tamaño de bloque ya no puede ser cambiado hasta que la página vuelva a liberarse por completo). ``CONTINUATION`` - indica que esta página es la continuación de un objeto grande (es decir, + Indica que esta página es la continuación de un objeto grande (es decir, que ocupa una o más páginas). Luego se presentan más detalles sobre objetos grandes. @@ -376,28 +368,28 @@ Atributos de bloque Cada bloque tiene asociados varios atributos: *mark* - utilizado en la fase de :ref:`marcado `, indica que un nodo + Utilizado en la fase de :ref:`marcado `, indica que un nodo ya fue visitado (serían las celdas *negras* en la :ref:`abstracción tricolor `). *scan* - utilizado también en la fase de :ref:`marcado `, indica que + Utilizado también en la fase de :ref:`marcado `, indica que una celda visitada todavía tiene *hijas* sin marcar (serían las celdas *grises* en la :ref:`abstracción tricolor `). *free* - indica que el bloque está libre (no está siendo utilizado por ningún objeto + Indica que el bloque está libre (no está siendo utilizado por ningún objeto *vivo*). Esto es necesario solo por la forma en la que realiza el :ref:`marcado ` y :ref:`barrido ` en el :ref:`algoritmo actual ` (las celdas con el atributo este atributo son tomadas como *basura* aunque estén marcadas con *mark*). *final* - indica que el bloque contiene un objeto que tiene un destructor (que debe + Indica que el bloque contiene un objeto que tiene un destructor (que debe ser llamado cuando la celda pasa de *viva* a *basura*). *noscan* - indica que el bloque contiene un objeto que no tiene punteros y por lo + Indica que el bloque contiene un objeto que no tiene punteros y por lo tanto no debe ser marcado de forma conservativa (no tiene *hijas*). @@ -508,7 +500,7 @@ La función ``mark_free_lists()`` por su parte se encarga de activar el bit de marcado (que es iterativa y realiza varias pasadas sobre **todo** el *heap*, incluyendo las celdas libres) no visite las celdas libres perdiendo tiempo sin sentido y potencialmente manteniendo *vivas* celdas que en -realidad son *basura* (falsos positivos):: +realidad son *basura* (*falsos positivos*):: function mark_free_lists() is foreach free_list in heap @@ -967,11 +959,11 @@ facilitar la comprensión): Raíces definidas por el usuario *roots* (*nroots*, *rootdim*) - arreglo variable de punteros simples que son tomados como raíces + Arreglo variable de punteros simples que son tomados como raíces provistas por el usuario. *ranges* (*nranges*, *rangedim*) - arreglo variable de rangos de memoria que deben ser revisados (de forma + Arreglo variable de rangos de memoria que deben ser revisados (de forma conservativa) como raíces provistas por el usuario. Un rango es una estructura con dos punteros: ``pbot`` y ``ptop``. Toda la memoria entre estos dos punteros se toma, palabra por palabra, como una raíz del @@ -979,7 +971,7 @@ Raíces definidas por el usuario Estado interno del recolector *anychanges* - variable que indica si en la fase de marcado se encontraron nuevas + Variable que indica si en la fase de marcado se encontraron nuevas celdas con punteros que deban ser visitados. Otra forma de verlo es como un indicador de si el conjunto de celdas *grises* está vacío luego de una iteración de marcado (utilizando la :ref:`abstracción tricolor @@ -987,35 +979,35 @@ Estado interno del recolector presentada en :ref:`dgc_algo_mark`. *inited* - indica si el recolector fue inicializado. + Indica si el recolector fue inicializado. *stackBottom* - puntero a la base del *stack* (asumiendo que el stack crece hacia arriba). + Puntero a la base del *stack* (asumiendo que el stack crece hacia arriba). Se utiliza para saber por donde comenzar a visitar el *stack* de forma conservativa, tomándolo con una raíz del recolector. *Pools* (*pooltable*, *npools*) - arreglo variable de punteros a estructuras ``Pool`` (ver más adelante). + Arreglo variable de punteros a estructuras ``Pool`` (ver más adelante). Este arreglo se mantiene siempre ordenado de menor a mayor según la dirección de memoria de la primera página que almacena. *bucket* - listas de libres. Es un arreglo de estructuras ``List`` utilizadas para + Listas de libres. Es un arreglo de estructuras ``List`` utilizadas para guardar la listas de libres de todos los tamaños de bloques posibles (ver más adelante). Atributos que cambian el comportamiento *noStack* - indica que no debe tomarse al *stack* como raíz del recolector. Esto es + Indica que no debe tomarse al *stack* como raíz del recolector. Esto es muy poco seguro y no debería ser utilizado nunca, salvo casos extremadamente excepcionales. *log* - indica si se debe guardar un registro de la actividad del recolector. Es + Indica si se debe guardar un registro de la actividad del recolector. Es utilizado principalmente para depuración. *disabled* - indica que no se deben realizar recolecciones implícitamente. Si al + Indica que no se deben realizar recolecciones implícitamente. Si al tratar de asignar memoria no se puede hallar celdas libres en el *heap* del recolector, se pide más memoria al sistema operativo sin correr una recolección para intentar recuperar espacio. Esto es particularmente @@ -1025,14 +1017,14 @@ Atributos que cambian el comportamiento Optimizaciones *p_cache*, *size_cache* - obtener el tamaño de un bloque dado un puntero es una tarea costosa + Obtener el tamaño de un bloque dado un puntero es una tarea costosa y común. Para evitarla en casos donde se calcula de forma sucesiva el tamaño del mismo bloque (como puede ocurrir al concatenar arreglos dinámicos) se guarda el último calculado en estas variables a modo de *caché*. *minAddr*, *maxAddr* - punteros al principio y fin del *heap*. Pueden haber *huecos* entre + Punteros al principio y fin del *heap*. Pueden haber *huecos* entre estos dos punteros que no pertenezcan al *heap* pero siempre se cumple que si un puntero apunta al *heap* debe estar en este rango. Esto es útil para hacer un cálculo rápido para descartar punteros que fueron @@ -1081,29 +1073,29 @@ La estructura ``Pool`` está compuesta por los siguientes atributos (ver figura +--------+--------+-----+--------+-----+-------------------+ *baseAddr* y *topAddr* - punteros al comienzo y fin de la memoria que almacena todas las páginas del + Punteros al comienzo y fin de la memoria que almacena todas las páginas del *pool* (*baseAddr* es análogo al atributo *pages* utilizado en las secciones anteriores para mayor claridad). *mark*, *scan*, *freebits*, *finals*, *noscan* - conjunto de bits (*bitsets*) para almacenar los indicadores descriptos en + Conjunto de bits (*bitsets*) para almacenar los indicadores descriptos en :ref:`dgc_org` para todos los bloques de todas las páginas del *pool*. *freebits* es análogo a *free* y *finals* a *final* en los atributos descriptos en las secciones anteriores. *npages* - cantidad de páginas que contiene este *pool* (fue nombrado + Cantidad de páginas que contiene este *pool* (fue nombrado *number_of_pages* en las secciones anteriores para mayor claridad). *ncommitted* - cantidad de páginas *encomendadas* al sistema operativo (*committed* en + Cantidad de páginas *encomendadas* al sistema operativo (*committed* en inglés). Este atributo no se mencionó anteriormente porque el manejo de páginas encomendadas le agrega una complejidad bastante notable al recolector y es solo una optimización para un sistema operativo en particular (Microsoft Windows). *pagetable* - arreglo de indicadores de tamaño de bloque de cada página de este *pool*. + Arreglo de indicadores de tamaño de bloque de cada página de este *pool*. Los indicadores válidos son ``B_16`` a ``B_2048`` (pasando por los valores posibles de bloque mencionados anteriormente, todos con el prefijo "``B_``"), ``B_PAGE``, ``B_PAGEPLUS`` (análogo a ``CONTINUATION``), @@ -1156,33 +1148,33 @@ para facilitar la comprensión. Los siguientes son métodos de la estructura Inicialización y terminación *initialize()* - inicializa las estructuras internas del recolector para que pueda ser + Inicializa las estructuras internas del recolector para que pueda ser utilizado. Esta función la llama la biblioteca *runtime* antes de que el programa comience a correr. *Dtor()* - libera todas las estructuras que utiliza el recolector. + Libera todas las estructuras que utiliza el recolector. Manipulación de raíces definidas por el usuario *addRoot(p)*, *removeRoot(p)*, *rootIter(dg)* - agrega, remueve e itera sobre las raíces simples definidas por el + Agrega, remueve e itera sobre las raíces simples definidas por el usuario. *addRange(pbot, ptop)*, *remove range(pbot)*, *rangeIter(dg)* - agrega, remueve e itera sobre los rangos de raíces definidas por el + Agrega, remueve e itera sobre los rangos de raíces definidas por el usuario. Manipulación de indicadores *getBits(pool, biti)* - obtiene los indicadores especificados para el bloque de índice ``biti`` + Obtiene los indicadores especificados para el bloque de índice ``biti`` en el *pool* ``pool``. *setBits(pool, biti, mask)* - establece los indicadores especificados en ``mask`` para el bloque de + Establece los indicadores especificados en ``mask`` para el bloque de índice ``biti`` en el *pool* ``pool``. *clrBits(pool, biti, mask)* - limpia los indicadores especificados en ``mask`` para el bloque de + Limpia los indicadores especificados en ``mask`` para el bloque de índice ``biti`` en el *pool* ``pool``. Cada bloque (*bin* en la terminología de la implementación del recolector) @@ -1194,15 +1186,15 @@ Manipulación de indicadores compuesta por la conjunción de los siguientes valores: *FINALIZE* - el objeto almacenado en el bloque tiene un destructor (indicador + El objeto almacenado en el bloque tiene un destructor (indicador *finals*). *NO_SCAN* - el objeto almacenado en el bloque no contiene punteros (indicador + El objeto almacenado en el bloque no contiene punteros (indicador *noscan*). *NO_MOVE* - el objeto almacenado en el bloque no debe ser movido [#dgcmove]_. + El objeto almacenado en el bloque no debe ser movido [#dgcmove]_. .. [#dgcmove] Si bien el recolector actual no tiene la capacidad de mover objetos, la interfaz del recolector hacer que sea posible una @@ -1212,38 +1204,38 @@ Manipulación de indicadores Búsquedas *findPool(p)* - busca el *pool* al que pertenece el objeto apuntado por ``p``. + Busca el *pool* al que pertenece el objeto apuntado por ``p``. *findBase(p)* - busca la dirección base (el inicio) del bloque apuntado por ``p`` + Busca la dirección base (el inicio) del bloque apuntado por ``p`` (``find_block()`` según la sección :ref:`dgc_algo_mark`). *findSize(p)* - busca el tamaño del bloque apuntado por ``p``. + Busca el tamaño del bloque apuntado por ``p``. *getInfo(p)* - obtiene información sobre el bloque apuntado por ``p``. Dicha + Obtiene información sobre el bloque apuntado por ``p``. Dicha información se retorna en una estructura ``BlkInfo`` que contiene los siguientes atributos: ``base`` (dirección del inicio del bloque), ``size`` (tamaño del bloque) y ``attr`` (atributos o indicadores del bloque, los que se pueden obtener con ``getBits()``). *findBin(size)* - calcula el tamaño de bloque más pequeño que pueda contener un objeto de + Calcula el tamaño de bloque más pequeño que pueda contener un objeto de tamaño ``size`` (``find_block_size()`` según lo visto en :ref:`dgc_algo_alloc`). Asignación de memoria *reserve(size)* - reserva un nuevo *pool* de al menos ``size`` bytes. El algoritmo nunca + Reserva un nuevo *pool* de al menos ``size`` bytes. El algoritmo nunca crea un *pool* con menos de 256 páginas (es decir, 1 MiB). *minimize()* - minimiza el uso de la memoria retornando *pools* sin páginas usadas al + Minimiza el uso de la memoria retornando *pools* sin páginas usadas al sistema operativo. *newPool(n)* - reserva un nuevo *pool* con al menos ``n`` páginas. Junto con + Reserva un nuevo *pool* con al menos ``n`` páginas. Junto con ``Pool.initialize()`` es análoga a ``new_pool()``, solo que esta función siempre incrementa el número de páginas a, al menos, 256 páginas (es decir, los *pools* son siempre mayores a 1 MiB). Si la cantidad de @@ -1255,7 +1247,7 @@ Asignación de memoria *pools* de 8 MiB o la cantidad pedida, si ésta es mayor. *Pool.initialize(n_pages)* - inicializa un nuevo *pool* de memoria. Junto con ``newPool()`` es + Inicializa un nuevo *pool* de memoria. Junto con ``newPool()`` es análoga a ``new_pool()``. Mientras ``newPool()`` es la encargada de calcular la cantidad de páginas y crear el objeto *pool*, esta función es la que pide la memoria al sistema operativo. Además inicializa los @@ -1265,7 +1257,7 @@ Asignación de memoria ``finals`` de todo el *pool*. *allocPage(bin)* - asigna a una página libre el tamaño de bloque ``bin`` y enlaza los + Asigna a una página libre el tamaño de bloque ``bin`` y enlaza los nuevos bloques libres a la lista de libres correspondiente (análogo a ``assign_page()``). @@ -1274,14 +1266,14 @@ Asignación de memoria a ``find_pages(n)``). *malloc(size, bits)* - asigna memoria para un objeto de tamaño ``size`` bytes. Análoga al + Asigna memoria para un objeto de tamaño ``size`` bytes. Análoga al algoritmo ``new(size, attr)`` presentado, excepto que introduce además un caché para no recalcular el tamaño de bloque necesario si se realizan múltiples asignaciones consecutivas de objetos del mismo tamaño y que la asignación de objetos pequeños no está separada en una función aparte. *bigAlloc(size)* - asigna un objeto grande (análogo a ``new_big()``). La implementación es + Asigna un objeto grande (análogo a ``new_big()``). La implementación es mucho más compleja que la presentada en ``new_big()``, pero la semántica es la misma. La única diferencia es que esta función aprovecha que ``fullcollectshell()`` / ``fullcollect()`` retornan la cantidad de @@ -1290,7 +1282,7 @@ Asignación de memoria objeto grande y pasar directamente a crear un nuevo *pool*. *free(p)* - libera la memoria apuntada por ``p`` (análoga a ``delete()`` de la + Libera la memoria apuntada por ``p`` (análoga a ``delete()`` de la sección anterior). Recordar que la ``pooltable`` siempre se mantiene ordenada según la @@ -1298,11 +1290,11 @@ Asignación de memoria Recolección *mark(pbot, ptop)* - marca un rango de memoria. Este método es análogo al ``mark_range()`` + Marca un rango de memoria. Este método es análogo al ``mark_range()`` presentado en la sección :ref:`dgc_algo_mark`. *fullcollectshell()* - guarda los registros en el *stack* y llama a ``fullcollect()``. El + Guarda los registros en el *stack* y llama a ``fullcollect()``. El algoritmo presentado en :ref:`dgc_algo_mark` es simbólico, ya que si los registros se apilaran en el *stack* dentro de otra función, al salir de esta se volverían a des-apilar, por lo tanto debe ser hecho en la misma @@ -1310,7 +1302,7 @@ Recolección caso). *fullcollect(stackTop)* - realiza la recolección de basura. Es análoga a ``collect()`` pero es + Realiza la recolección de basura. Es análoga a ``collect()`` pero es considerablemente menos modular, todos los pasos se hacen directamente en esta función: marcado del *root set*, marcado iterativo del *heap*, barrido y reconstrucción de la lista de libres. Además devuelve la @@ -1707,14 +1699,14 @@ al lenguaje [NGD87831]_ [NGL3937]_ [NGD22968]_ [NGA15246]_ [NGD5622]_ Finalización ^^^^^^^^^^^^ El recolector actual no garantiza la finalización de objetos. En particular -los objetos no son finalizados (es decir, no se llama a sus destructores) -si aún alcanzables desde el *root set* cuando el programa termina. Cabe -destacar que esto puede darse porque hay una referencia real desde el *root -set* (en cuyo caso queda bajo el control del usuario) pero también, dado que -el *root set* se visita de forma conservativa, se puede deber a un falso -positivo, en cuyo caso la omisión de la finalización queda por completo fuera -del control del usuario (y lo que es aún peor, el usuario no puede ser -siquiera notificado de esta anomalía). +los objetos no son finalizados (es decir, no se llama a sus destructores) si +aún alcanzables desde el *root set* cuando el programa termina. Cabe destacar +que esto puede darse porque hay una referencia real desde el *root set* (en +cuyo caso queda bajo el control del usuario) pero también, dado que el *root +set* se visita de forma conservativa, se puede deber a un *falso positivo*, en +cuyo caso la omisión de la finalización queda por completo fuera del control +del usuario (y lo que es aún peor, el usuario no puede ser siquiera notificado +de esta anomalía). Si bien la especificación de D_ no requiere esta capacidad (de hecho, rigurosamente hablando la especificación de D_ no garantiza la finalización de @@ -1784,13 +1776,13 @@ Finalmente hay varios detalles en la implementación actual que podrían mejorarse: Listas de libres - hay 12 listas de libres, como para guardar bloques de tamaño de ``B_16`` + Hay 12 listas de libres, como para guardar bloques de tamaño de ``B_16`` a ``B_2048``, ``B_PAGE``, ``B_PAGEPLUS``, ``B_UNCOMMITTED`` y ``B_FREE``; sin embargo solo tienen sentido los bloques de tamaño ``B_16`` a ``B_2048``, por lo que 4 de esas listas no se utilizan. Conjuntos de bits para indicadores - los indicadores para la fase de marcado y otras propiedades de un bloque + Los indicadores para la fase de marcado y otras propiedades de un bloque son almacenados en conjuntos de bits que almacenan los indicadores de todos los bloques de un *pool*. Si bien se ha mencionado esto como una ventaja, hay lugar todavía como para algunas mejoras. Como un *pool* tiene páginas @@ -1812,26 +1804,20 @@ Repetición de código actualmente). Esto es propenso a errores y difícil de mantener. Uso de señales - el recolector actual utiliza las señales del sistema operativo ``SIGUSR1`` + El recolector actual utiliza las señales del sistema operativo ``SIGUSR1`` y ``SIGUSR2`` para pausar y reanudar los hilos respectivamente. Esto puede traer inconvenientes a usuarios que desean utilizar estas señales en sus programas (o peor aún, si interactúan con bibliotecas de C que hacen uso de estas señales) [NGD5821]_. Marcado iterativo - si bien esto se mencionó como algo bueno del recolector actual, es un + Si bien esto se mencionó como algo bueno del recolector actual, es un compromiso entre tiempo y espacio, y puede ser interesante analizar otros métodos para evitar la recursión que no requieran tantas pasadas sobre el *heap*. -.. Esto sería muy similar a la sección de "Recolección de basura) pero en - vez de ir describiendo los algoritmos iría comentando por qué los tomo - o descarto - ESTADO: INCOMPLETO - - .. _dgc_via: Análisis de viabilidad @@ -1937,7 +1923,7 @@ Una de las principales mejoras que pueden realizarse es hacer al recolector :ref:`concurrente ` y parcialmente más :ref:`preciso `. Estas dos mejoras solamente alcanzarían para mejorar de forma notable el tiempo de pausa en las recolecciones y la cantidad de memoria -retenida debido a falsos positivos. +retenida debido a *falsos positivos*. Más adelante veremos detalles sobre algunos de estos aspectos y sobre algunos algoritmos particulares que permiten hacer concurrente al recolector actual.