X-Git-Url: https://git.llucax.com/z.facultad/75.00/informe.git/blobdiff_plain/aa8eff50c89900e85fe1b37f48e84decca03e534..03b62e9899469e294fbd7d7e1622ec27cac669c2:/source/gc.rst diff --git a/source/gc.rst b/source/gc.rst index 661a578..142e2cb 100644 --- a/source/gc.rst +++ b/source/gc.rst @@ -10,6 +10,8 @@ Recolección de basura ============================================================================ +.. _ref_gc_intro: + Introducción ---------------------------------------------------------------------------- @@ -17,6 +19,13 @@ Introducción del *heap* [#gcheap]_ una vez que el programa ha dejado de hacer referencia a ella (y por lo tanto, ha dejado de utilizarla). +.. [#gcheap] *Heap* es un área de memoria que se caracteriza por ser + dinámica (a diferencia del área de memoria estática que está disponible + durante toda la ejecución de un programa). Un programa puede reservar + memoria en tiempo de ejecución según sea necesario y liberarla cuando ya + no la necesita. A diferencia del *stack*, la duración de la *reserva* no + está atada a un bloque de código. + A medida que el tiempo pasa, cada vez los programas son más complejos y es más compleja la administración de memoria. Uno de los aspectos más importantes de un recolector de basura es lograr un mayor nivel de @@ -32,6 +41,21 @@ recolector de basura. Por ejemplo, los errores en el manejo de memoria (como *buffer overflows* [#gcbuff]_ o *dangling pointers* [#gcdang]_) son la causa más frecuente de problemas de seguridad [BEZO06]_. +.. [#gcbuff] Un *buffer overflow* (*desbordamiento de memoria* en + castellano) se produce cuando se copia un dato a un área de memoria que + no es lo suficientemente grande para contenerlo. Esto puede producir que + el programa sea abortado por una violación de segmento, o peor, + sobreescribir un área de memoria válida, en cuyo caso los resultados son + impredecibles. + +.. [#gcdang] Un *dangling pointer* (*puntero colgante* en castellano) es un + puntero que apunta a un área de memoria inválida. Ya sea porque el + elemento apuntado no es el mismo tipo o porque la memoria ya ha sido + liberada. Al ser desreferenciado, los resultados son impredecibles, el + programa podría abortarse por una violación de segmento o podrían pasar + peores cosas si el área de memoria fue realocada para almacenar otro + objeto. + La recolección de basura nació junto a Lisp_ a finales de 1950 y en los siguientes años estuvo asociada principalmente a lenguajes funcionales, pero en la actualidad está presente en prácticamente todos los lenguajes de @@ -53,8 +77,16 @@ comparable en eficiencia con uno que utiliza un esquema manual. En particular, si el programa fue diseñado con el recolector de basura en mente en ciertas circunstancias puede ser incluso más eficiente que uno que hace manejo explícito de la memoria. Muchos recolectores mejoran la -localidad de referencia, haciendo que el programa tenga un mejor -comportamiento con el caché y la memoria virtual. +localidad de referencia [#gcreflocal]_, haciendo que el programa tenga un +mejor comportamiento con el caché y la memoria virtual. + +.. [#gcreflocal] Localidad de referencia es la medida en que los accesos + sucesivos de memoria cercana espacialmente son cercanos también en el + tiempo. Por ejemplo, un programa que lee todos los elementos de una matriz + contigua de una vez o que utiliza la misma variable repetidamente tiene + buena localidad referencia. Una buena localidad de referencia interactúa + bien con la memoria virtual y caché, ya que reduce el conjunto de trabajo + (o *working set*) y mejora la probabildad de éxito (*hit rate*). El recolector de basura debe tener un comportamiento correcto y predecible para que sea útil, si el programador no puede confiar en el recolector @@ -64,26 +96,6 @@ puntos de falla no controlados por el programador, volviendo mucho más difícil la búsqueda de errores. -.. [#gcheap] *Heap* es un área de memoria que se caracteriza por ser - dinámica (a diferencia del área de memoria estática que está disponible - durante toda la ejecución de un programa). Un programa puede reservar - memoria en tiempo de ejecución según sea necesario y liberarla cuando ya - no la necesita. A diferencia del *stack*, la duración de la *reserva* no - está atada a un bloque de código. -.. [#gcbuff] Un *buffer overflow* (*desbordamiento de memoria* en - castellano) se produce cuando se copia un dato a un área de memoria que - no es lo suficientemente grande para contenerlo. Esto puede producir que - el programa sea abortado por una violación de segmento, o peor, - sobreescribir un área de memoria válida, en cuyo caso los resultados son - impredecibles. -.. [#gcdang] Un *dangling pointer* (*puntero colgante* en castellano) es un - puntero que apunta a un área de memoria inválida. Ya sea porque el - elemento apuntado no es el mismo tipo o porque la memoria ya ha sido - liberada. Al ser desreferenciado, los resultados son impredecibles, el - programa podría abortarse por una violación de segmento o podrían pasar - peores cosas si el área de memoria fue realocada para almacenar otro - objeto. - Conceptos básicos @@ -121,6 +133,13 @@ Registros: celda [#gccelda]_ alocada antes que otra nunca puede ser liberada antes que aquella. + .. [#gccelda] En general en la literatura se nombra a una porción de + memoria alocada individualmente *celda*, *nodo* u *objeto* + indistintamente. En este trabajo se utilizará la misma nomenclatura + (haciendo mención explícita cuando alguno de estos términos se + refiera a otra cosa, como al nodo de una lista o a un objeto en el + sentido de programación orientada a objetos). + *Heap*: A diferencia del *stack*, el *heap* provee un área de memoria que puede ser obtenida dinámicamente pero sin limitaciones de orden. Es el tipo de @@ -173,14 +192,8 @@ programa en sí son los cambios al grafo de conectividad de las celdas, normalmente se lo llama *mutator* (mutador). -.. [#gccelda] En general en la literatura se nombra a una porción de - memoria alocada individualmente *celda*, *nodo* u *objeto* - indistintamente. En este trabajo se utilizará la misma nomenclatura - (haciendo mención explícita cuando alguno de estos términos se refiera - a otra cosa, como al nodo de una lista o a un objeto en el sentido de - programación orientada a objetos). - +.. _ref_gc_intro_mark: Recorrido del grafo de conectividad ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ @@ -313,24 +326,35 @@ a la búsqueda, que puede realizarse *primero a lo ancho* (*breadth-first*) o *primero a lo alto* (*depth-first*) del grafo, el marcado de un grafo también puede realizarse de ambas maneras. Cada una podrá o no tener efectos en la eficiencia, en particular dependiendo de la aplicación puede -convenir uno u otro método para lograr una mejor localidad de referencia -y de esta manera tener un mejor comportamiento de la memoria virtual o del -*caché*. +convenir uno u otro método para lograr una mejor localidad de referencia. + +.. [#gccycle] Un ciclo es un camino donde el *vértice inicial* es el mismo + que el *vértice final*. Por lo tanto, los *vértices terminales* son + completamente arbitrarios, ya que cualquier *vértice interior* puede ser + un *vértice terminal*. Un algoritmo simple (recursivo) de marcado *primero a lo alto* puede ser el siguiente (asumiendo que partimos con todos los vértices sin marcar) [#gcpseudo]_:: - mark(v) + function mark(v) is if not v.marked v.marked = true for (src, dst) in v.edges mark(dst) - mark_phase() - for r in root_set + function mark_phase() is + foreach r in root_set mark(r) +.. [#gcpseudo] Para presentar los algoritmos se utiliza una forma simple de + pseudo-código. El pseudo-código se escribe en inglés para que pueda ser + más fácilmente contrastado con la literatura, que está en inglés. Para + diferenciar posiciones de memoria y punteros de las celdas en sí, se usa + la misma sintaxis que C, ``r*`` denota una referencia o puntero y ``*r`` + denota "objeto al que apunta ``r``\ ". Se sobreentiende que ``r = o`` + siempre toma la dirección de memoria de ``o``. + Una vez concluido el marcado, sabemos que todos los vértices con la marca son parte del *live set* y que todos los vértices no marcados son *basura*. Esto es conocido también como **abstracción bicolor**, dado que en la @@ -339,7 +363,7 @@ celda sin marcar es de color blanco y una marcada de color negro. Puede observarse un ejemplo del algoritmo en la figura :vref:`fig:gc-mark-1`, en la cual se marca el sub-grafo apuntando por -``r0``. Luego se marca el sub-grafo al que apunta ``r1`` (figura +``r0``. Luego se marca el sub-grafo al que apunta ``r1`` (ver figura :vref:`fig:gc-mark-2`), concluyendo con el marcado del grafo completo, dejando sin marcar solamente las celdas *basura* (en blanco). @@ -567,21 +591,8 @@ dejando sin marcar solamente las celdas *basura* (en blanco). } -.. [#gccycle] Un ciclo es un camino donde el *vértice inicial* es el mismo - que el *vértice final*. Por lo tanto, los *vértices terminales* son - completamente arbitrarios, ya que cualquier *vértice interior* puede ser - un *vértice terminal*. -.. [#gcpseudo] Para presentar los algoritmos se utiliza una forma simple de - pseudo-código. El pseudo-código se escribe en inglés para que pueda ser - más fácilmente contrastado con la literatura, que está en inglés. Para - diferenciar posiciones de memoria y punteros de las celdas en sí, se usa - la misma sintaxis que C, ``r*`` denota una referencia o puntero y ``*r`` - denota "objeto al que apunta ``r``\ ". Se sobreentiende que ``r = o`` - siempre toma la dirección de memoria de ``o``. - - -.. _ref_gc_tricolor: +.. _ref_gc_intro_tricolor: Abstracción tricolor ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ @@ -610,8 +621,8 @@ que todas las celdas parten pintadas de blanco, es decir, el conjunto blanco contiene todas las celdas de memoria y los conjuntos negro y gris están vacíos):: - mark_phase() - for r in root_set + function mark_phase() is + foreach r in root_set gray_set.add(r) while not gray_set.empty() v = gray_set.pop() @@ -626,7 +637,7 @@ por sí ya presenta una ventaja sobre el marcado *bicolor*. -.. _ref_gc_services: +.. _ref_gc_intro_services: Servicios ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ @@ -635,6 +646,18 @@ En general todos los algoritmos de recolección de basura utilizan servicios de una capa inferior [#gclowlayer]_ y proveen servicios a una capa superior [#gchilayer]_. +.. [#gclowlayer] En general estos servicios están provistos directamente + por el sistema operativo pero también pueden estar dados por un + administrador de memoria de bajo nivel (o *low level allocator* en + inglés). + +.. [#gchilayer] En general estos servicios son utilizados directamente por + el lenguaje de programación, pero pueden ser utilizados directamente por + el usuario del lenguaje si éste interatúa con el recolector, ya sea por + algún requerimiento particular o porque el lenguaje no tiene soporte + diercto de recolección de basura y el recolector está implementado como + una biblioteca de usuario. + A continuación se presentan las primitivas en común que utilizan todos los recolectores a lo largo de este documento. @@ -697,20 +720,9 @@ recolector, aunque en ciertas circunstancias pueden ser utilizados por el usuario también. -.. [#gclowlayer] En general estos servicios están provistos directamente - por el sistema operativo pero también pueden estar dados por un - administrador de memoria de bajo nivel (o *low level allocator* en - inglés). -.. [#gchilayer] En general estos servicios son utilizados directamente por - el lenguaje de programación, pero pueden ser utilizados directamente por - el usuario del lenguaje si éste interatúa con el recolector, ya sea por - algún requerimiento particular o porque el lenguaje no tiene soporte - diercto de recolección de basura y el recolector está implementado como - una biblioteca de usuario. - -.. _ref_gc_clasic: +.. _ref_gc_classic: Algoritmos clásicos ---------------------------------------------------------------------------- @@ -780,31 +792,63 @@ teóricamente la complejidad de eliminar una referencia puede ser Las primitivas implementadas para este tipo de recolector son las siguientes (acompañadas de una implementación básica):: - new() + function new() is cell = alloc() if cell is null throw out_of_memory cell.rc = 1 return cell - del(cell) + function del(cell) is cell.rc = cell.rc - 1 if cell.rc is 0 - for child* in cell.children + foreach child* in cell.children del(*child) free(cell) - update(ref*, cell) + function update(ref*, cell) is cell.rc = cell.rc + 1 del(*ref) *ref = cell + .. _ref_gc_rc_cycles: Ciclos ^^^^^^ +El conteo de referencias tiene, sin embargo, un problema fundamental: +**falla con estructuras cíclicas**. Esto significa que siempre que haya un +ciclo en el grafo de conectividad, hay una pérdida de memoria potencial en +el programa. Un ciclo es un camino :math:`\underset{v \to v}{C}`, es decir, +el *vértice inicial* es el mismo que el *vértice final*. + +Cuando esto sucede, las celdas que participan del ciclo tienen siempre su +contador mayor que 0, sin embargo puede no haber ningún elemento del *root +set* que apunte a una celda dentro del ciclo, por lo tanto el ciclo es +*basura* (al igual que cualquier otra celda que sea referenciada por el +ciclo pero que no tenga otras referencias externas) y sin embargo los +contadores no son 0. Los ciclos, por lo tanto, *rompen* la invariante del +conteo de referencia. + +Hay formas de solucionar esto, pero siempre recaen en un esquema que va por +fuera del conteo de referencias puro. En general los métodos para +solucionar esto son variados y van desde realizar un marcado del subgrafo +para detectar nodos hasta tener otro recolector completo de *emergencia*, +pasando por tratar los ciclos como un todo contar las referencias al ciclo +completo en vez de a cada celda en particular. + +Incluso con este problema, el conteo de referencia sin ningún tipo de +solución en cuanto a la detección y recolección de ciclos fue utilizado en +muchos lenguajes de programación sin que su necesidad sea tan evidente. Por +ejemplo Python_ agregó recolección de ciclos en la versión 2.0 [NAS00]_ +(liberada en octubre de 2000) y PHP_ recién agrega detección de ciclos en +la versión 5.3 (todavía no liberada al momento de escribir este documento) +[PHP081]_. + + + .. _ref_gc_rc_example: Ejemplo @@ -820,12 +864,11 @@ comienzo todas las celdas son accesibles desde el *root set* por lo tanto son todas parte del *live set*. Se comienza por eliminar la referencia de ``r0`` a ``h1``, que determina -que ``h1`` se convirtió en *basura* (figura :vref:`fig:gc-rc-rm-1`). Esto +que ``h1`` se convirtió en *basura* (ver figura :vref:`fig:gc-rc-rm-1`). Esto conduce al decremento del contador de ``h2`` y ``h3`` que permanecen en el -*live set* ya que sus contadores siguen siendo mayores a 0 (figura +*live set* ya que sus contadores siguen siendo mayores a 0 (ver figura :vref:`fig:gc-rc-rm-2`). - .. fig:: fig:gc-rc-rm-1 Eliminación de la referencia ``r0`` :math:`\to` ``h1`` (parte 1). @@ -860,7 +903,7 @@ conduce al decremento del contador de ``h2`` y ``h3`` que permanecen en el h1 [ label = "h1\n1| l| r" ]; h2 [ label = "h2\n2| l| r" ]; - h3 [ label = "h3\n2| l| r" ]; + h3 [ label = "h3\n3| l| r" ]; h4 [ label = "h4\n1| l| r" ]; h5 [ label = "h5\n1| l| r" ]; h6 [ label = "h6\n1| l| r" ]; @@ -873,6 +916,7 @@ conduce al decremento del contador de ``h2`` y ``h3`` que permanecen en el h2:r -> h5; h3:l -> h2; h3:r -> h6; + h6:r -> h3:r; } @@ -907,7 +951,7 @@ conduce al decremento del contador de ``h2`` y ``h3`` que permanecen en el h1 [ label = "h1\n1| l| r" ]; h2 [ label = "h2\n2| l| r" ]; - h3 [ label = "h3\n2| l| r" ]; + h3 [ label = "h3\n3| l| r" ]; h4 [ label = "h4\n1| l| r" ]; h5 [ label = "h5\n1| l| r" ]; h6 [ label = "h6\n1| l| r" ]; @@ -920,6 +964,7 @@ conduce al decremento del contador de ``h2`` y ``h3`` que permanecen en el h2:r -> h5; h3:l -> h2; h3:r -> h6; + h6:r -> h3:r; } @@ -959,7 +1004,7 @@ conduce al decremento del contador de ``h2`` y ``h3`` que permanecen en el h1 [ label = "h1\n0| l| r" ]; h2 [ label = "h2\n2| l| r" ]; - h3 [ label = "h3\n2| l| r" ]; + h3 [ label = "h3\n3| l| r" ]; h4 [ label = "h4\n1| l| r" ]; h5 [ label = "h5\n1| l| r" ]; h6 [ label = "h6\n1| l| r" ]; @@ -972,11 +1017,13 @@ conduce al decremento del contador de ``h2`` y ``h3`` que permanecen en el h2:r -> h5; h3:l -> h2; h3:r -> h6; + h6:r -> h3:r; } .. fig:: fig:gc-rc-rm-2 + :padding: 0.5 Eliminación de la referencia ``r0`` :math:`\to` ``h1`` (parte 2). @@ -1016,7 +1063,7 @@ conduce al decremento del contador de ``h2`` y ``h3`` que permanecen en el h1 [ label = "h1\n0| l| r" ]; h2 [ label = "h2\n1| l| r" ]; - h3 [ label = "h3\n2| l| r" ]; + h3 [ label = "h3\n3| l| r" ]; h4 [ label = "h4\n1| l| r" ]; h5 [ label = "h5\n1| l| r" ]; h6 [ label = "h6\n1| l| r" ]; @@ -1029,6 +1076,7 @@ conduce al decremento del contador de ``h2`` y ``h3`` que permanecen en el h2:r -> h5; h3:l -> h2; h3:r -> h6; + h6:r -> h3:r; } @@ -1067,7 +1115,7 @@ conduce al decremento del contador de ``h2`` y ``h3`` que permanecen en el h1 [ label = "h1\n0| l| r" ]; h2 [ label = "h2\n1| l| r" ]; - h3 [ label = "h3\n1| l| r" ]; + h3 [ label = "h3\n2| l| r" ]; h4 [ label = "h4\n1| l| r" ]; h5 [ label = "h5\n1| l| r" ]; h6 [ label = "h6\n1| l| r" ]; @@ -1080,21 +1128,18 @@ conduce al decremento del contador de ``h2`` y ``h3`` que permanecen en el h2:r -> h5; h3:l -> h2; h3:r -> h6; + h6:r -> h3:r; } + Luego se cambia una referencia (en vez de eliminarse) realizándose la operación ``update(h3.l, h5)``. Para esto primero se incrementa el contador de referencias de ``h5`` para evitar confundirlo accidentalmente con *basura* si se elimina alguna celda que apuntaba a ésta. Luego se procede a decrementar el contador de ``h2`` que queda en 0, transformándose en -*basura* (figura :vref:`fig:gc-rc-up-1`). Lo mismo pasa cuando se desciende -a ``h4``, pero al descender a ``h5`` y decrementar el contador, éste sigue -siendo mayor que 0 (pues ``h3`` va a apuntar a ``h5``) así que permanece en -el *live set*. Finalmente se termina de actualizar la referencia ``h3.l`` -para que apunte a ``h5`` (figura :vref:`fig:gc-rc-up-3`). - +*basura* (ver figura :vref:`fig:gc-rc-up-1`). .. fig:: fig:gc-rc-up-1 @@ -1136,7 +1181,7 @@ para que apunte a ``h5`` (figura :vref:`fig:gc-rc-up-3`). h1 [ label = "h1\n0| l| r" ]; h2 [ label = "h2\n1| l| r" ]; - h3 [ label = "h3\n1| l\n*| r" ]; + h3 [ label = "h3\n2| l\n*| r" ]; h4 [ label = "h4\n1| l| r" ]; h5 [ label = "h5\n2| l| r" ]; h6 [ label = "h6\n1| l| r" ]; @@ -1150,6 +1195,7 @@ para que apunte a ``h5`` (figura :vref:`fig:gc-rc-up-3`). h3:l -> h2; h3:l -> h5 [ style = dotted, color = black ]; h3:r -> h6; + h6:r -> h3:r; } @@ -1188,7 +1234,7 @@ para que apunte a ``h5`` (figura :vref:`fig:gc-rc-up-3`). h1 [ label = "h1\n0| l| r" ]; h2 [ label = "h2\n1| l| r" ]; - h3 [ label = "h3\n1| l\n*| r" ]; + h3 [ label = "h3\n2| l\n*| r" ]; h4 [ label = "h4\n1| l| r" ]; h5 [ label = "h5\n2| l| r" ]; h6 [ label = "h6\n1| l| r" ]; @@ -1202,6 +1248,7 @@ para que apunte a ``h5`` (figura :vref:`fig:gc-rc-up-3`). h3:l -> h2 [ style = bold, color = black ]; h3:l -> h5 [ style = dotted, color = black ]; h3:r -> h6; + h6:r -> h3:r; } @@ -1241,7 +1288,7 @@ para que apunte a ``h5`` (figura :vref:`fig:gc-rc-up-3`). h1 [ label = "h1\n0| l| r" ]; h2 [ label = "h2\n1| l| r" ]; - h3 [ label = "h3\n1| l\n*| r" ]; + h3 [ label = "h3\n2| l\n*| r" ]; h4 [ label = "h4\n1| l| r" ]; h5 [ label = "h5\n2| l| r" ]; h6 [ label = "h6\n1| l| r" ]; @@ -1255,10 +1302,17 @@ para que apunte a ``h5`` (figura :vref:`fig:gc-rc-up-3`). h3:l -> h2 [ style = invis ]; h3:l -> h5 [ style = dotted, color = black ]; h3:r -> h6; + h6:r -> h3:r; } +Lo mismo pasa cuando se desciende a ``h4``, pero al descender a ``h5`` +y decrementar el contador, éste sigue siendo mayor que 0 (pues ``h3`` va +a apuntar a ``h5``) así que permanece en el *live set*. Finalmente se termina +de actualizar la referencia ``h3.l`` para que apunte a ``h5`` (ver figura +:vref:`fig:gc-rc-up-2`). + .. fig:: fig:gc-rc-up-2 Cambio en la referencia ``h2.l`` :math:`\to` ``h2`` a ``h2.l`` @@ -1300,7 +1354,7 @@ para que apunte a ``h5`` (figura :vref:`fig:gc-rc-up-3`). h1 [ label = "h1\n0| l| r" ]; h2 [ label = "h2\n1| l| r" ]; - h3 [ label = "h3\n1| l\n*| r" ]; + h3 [ label = "h3\n2| l\n*| r" ]; h4 [ label = "h4\n0| l| r" ]; h5 [ label = "h5\n2| l| r" ]; h6 [ label = "h6\n1| l| r" ]; @@ -1314,6 +1368,7 @@ para que apunte a ``h5`` (figura :vref:`fig:gc-rc-up-3`). h3:l -> h2 [ style = invis ]; h3:l -> h5 [ style = dotted, color = black ]; h3:r -> h6; + h6:r -> h3:r; } @@ -1352,7 +1407,7 @@ para que apunte a ``h5`` (figura :vref:`fig:gc-rc-up-3`). h1 [ label = "h1\n0| l| r" ]; h2 [ label = "h2\n1| l| r" ]; - h3 [ label = "h3\n1| l\n*| r" ]; + h3 [ label = "h3\n2| l\n*| r" ]; h4 [ label = "h4\n0| l| r" ]; h5 [ label = "h5\n1| l| r" ]; h6 [ label = "h6\n1| l| r" ]; @@ -1366,6 +1421,7 @@ para que apunte a ``h5`` (figura :vref:`fig:gc-rc-up-3`). h3:l -> h5 [ style = bold, color = black ]; h3:l -> h2 [ style = invis ]; h3:r -> h6; + h6:r -> h3:r; } @@ -1406,7 +1462,7 @@ para que apunte a ``h5`` (figura :vref:`fig:gc-rc-up-3`). h1 [ label = "h1\n0| l| r" ]; h1 [ label = "h1\n0| l| r" ]; h2 [ label = "h2\n0| l| r" ]; - h3 [ label = "h3\n1| l| r" ]; + h3 [ label = "h3\n2| l| r" ]; h4 [ label = "h4\n0| l| r" ]; h5 [ label = "h5\n1| l| r" ]; h6 [ label = "h6\n1| l| r" ]; @@ -1420,14 +1476,209 @@ para que apunte a ``h5`` (figura :vref:`fig:gc-rc-up-3`). h3:l -> h5; h3:l -> h2 [ style = invis ]; h3:r -> h6; + h6:r -> h3:r; } +Finalmente se presenta lo que sucede cuando se elimina la última referencia +a un ciclo (en este caso un ciclo simple de 2 celdas: ``h3`` y ``h6``). Se +elimina la única referencia externa al ciclo (``r1``), por lo que se visita +la celda ``h3`` decrementando su contador de referencias, pero éste +continúa siendo mayor que 0 porque la celda ``h6`` (parte del ciclo) la +referencia. Por lo tanto el ciclo, y todas las celdas a las que apunta que +no tienen otras referencias externas y por lo tanto deberían ser *basura* +también (``h5``), no pueden ser recicladas y su memoria es perdida (ver +figura :vref:`fig:gc-rc-cycle`). + +.. fig:: fig:gc-rc-cycle + :padding: 0.5 + + Eliminación de la referencia ``r1`` :math:`\to` ``h3`` (pérdida de + memoria debido a un ciclo). + + .. subfig:: + + El ejecutarse ``update(r1, null)`` se visita la celda ``h3``. + + .. digraph:: g4_6 + + margin = 0; + ratio = fill; + size = "1.9,2.6"; + edge [ color = gray40 ]; + node [ + shape = record, + width = 0, + height = 0, + style = filled, + fillcolor = gray25, + fontcolor = white + ]; + + subgraph cluster_all { + + root [ + label = "root\nset| r0| r1\n*", + style = filled, + fillcolor = gray96, + fontcolor = black, + ]; + + subgraph marked { + node [ fillcolor = white, fontcolor = black ]; + h1; h2; h4; + }; + + h1 [ label = "h1\n0| l| r" ]; + h1 [ label = "h1\n0| l| r" ]; + h2 [ label = "h2\n0| l| r" ]; + h3 [ label = "h3\n2| l| r" ]; + h4 [ label = "h4\n0| l| r" ]; + h5 [ label = "h5\n1| l| r" ]; + h6 [ label = "h6\n1| l| r" ]; + + root:r0 -> h1 [ style = invis ]; + h1:l -> h2 [ style = invis ]; + h1:r -> h3 [ style = invis ]; + root:r1 -> h3 [ style = bold, color = black ]; + h2:l -> h4 [ style = invis ]; + h2:r -> h5 [ style = invis ]; + h3:l -> h5; + h3:l -> h2 [ style = invis ]; + h3:r -> h6; + h6:r -> h3:r; + + } + + .. subfig:: + + Se decrementa el contador de ``h3`` pero sigue siendo mayor que 0 por + el ciclo. + + .. digraph:: g5_2 + + margin = 0; + ratio = fill; + size = "1.9,2.6"; + edge [ color = gray40 ]; + node [ + shape = record, + width = 0, + height = 0, + style = filled, + fillcolor = gray25, + fontcolor = white + ]; + + subgraph cluster_all { + + root [ + label = "root\nset| r0| r1\n*", + style = filled, + fillcolor = gray96, + fontcolor = black, + ]; + + subgraph marked { + node [ fillcolor = white, fontcolor = black ]; + h1; h2; h4; + }; + + h1 [ label = "h1\n0| l| r" ]; + h1 [ label = "h1\n0| l| r" ]; + h2 [ label = "h2\n0| l| r" ]; + h3 [ label = "h3\n1| l| r" ]; + h4 [ label = "h4\n0| l| r" ]; + h5 [ label = "h5\n1| l| r" ]; + h6 [ label = "h6\n1| l| r" ]; + + root:r0 -> h1 [ style = invis ]; + h1:l -> h2 [ style = invis ]; + h1:r -> h3 [ style = invis ]; + root:r1 -> h3 [ style = invis ]; + h2:l -> h4 [ style = invis ]; + h2:r -> h5 [ style = invis ]; + h3:l -> h5; + h3:l -> h2 [ style = invis ]; + h3:r -> h6; + h6:r -> h3:r; + + } + + + + +.. _ref_gc_mark_sweep: + Marcado y barrido ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ -TODO +Este algoritmo es el más parecido a la teoría sobre recolección de basura. +Consiste en realizar la recolección en 2 fases: marcado y barrido. La primera +fase consiste en el proceso de marcar el grafo de conectividad del *heap* para +descubrir qué celdas son alcanzables desde el *root set*, tal y como se +describió en :ref:`ref_gc_intro_mark`. + +Una vez marcadas todas las celdas, se sabe que las celdas *blancas* son +*basura*, por lo tanto el paso que queda es el *barrido* de estas celdas, +liberándolas. Esto se efectúa recorriendo todo el *heap*. Por lo tanto cada +recolección es :math:`O(\lvert Heap \rvert)`, a diferencia del conteo de +referencia que dijimos que en el peor caso es :math:`O(\lvert Live \thickspace +set \rvert)`. Sin embargo el conteo de referencias se ejecuta **cada vez que +se actualiza una referencia** mientras que la recolección en el marcado +y barrido se realiza típicamente solo cuando el *mutator* pide una celda pero +no hay ninguna libre. Esto hace que la constante del conteo de referencias sea +típicamente varios órdenes de magnitud mayores que en el marcado y barrido. + +A continuación se presentan los servicios básicos de este algoritmo:: + + function new() is + cell = alloc() + if cell is null + collect() + cell = alloc() + if cell is null + throw out_of_memory + return cell + + function collect() is + mark_phase() + sweep_phase() + + function sweep_phase() is + foreach cell in heap + if cell.marked + cell.marked = false + else + free(cell) + +El algoritmo ``mark_sweep()`` es exactamente igual al presentado en +:ref:`ref_gc_intro_mark`. Es preciso notar que la fase de barrido +(``sweep_phase()``) debe tener una comunicación extra con el *low level +allocator* para poder obtener todas las celdas de memoria que existen en el +*heap*. + +A diferencia del conteo de referencias, este algoritmo es :ref:`indirecto +` y :ref:`no incremental `, ya que se realiza un +recorrido de todo el *heap* de forma espaciada a través de la ejecución del +programa. En general el *mutator* sufre pausas considerablemente mayores (en +promedio) que con el conteo de referencias, lo que puede ser problemático para +aplicaciones con requerimientos rígidos de tiempo, como aplicaciones +*real-time*. Debido a la percepción de las pausas grandes, este tipo de +colectores se conocen como :ref:`stop-the-world ` (o +*detener el mundo*). + +Una ventaja fundamental sobre el conteo de referencias es la posibilidad de +reclamar estructuras cíclicas sin consideraciones especiales. Podemos observar +como esto es posible analizando el ejemplo en las figuras +:r:`fig:gc-mark-1` y :vref:`fig:gc-mark-2`. Si se eliminaran las referencias +:math:`r0 \to h1` y :math:`h6 \to h2`, la fase de marcado consistiría +solamente en marcar la celda :math:`h6`, pues es la única alcanzable desde el +*root set*. Todas las demás celdas permanecerían blancas y por lo tanto pueden +ser liberadas sin inconvenientes en la fase de barrido, que recorre el *heap* +linealmente. + @@ -1438,13 +1689,18 @@ TODO +.. _ref_gc_art: -TODO +Estado del arte +---------------------------------------------------------------------------- +.. explicar la cantidad de cosas que hay (que son muchas) y dar algunos + ejemplos. +TODO Clasificación ----------------------------------------------------------------------------- +~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ La cantidad de clasificaciones que pueden hacerse respecto a algoritmos de recolección de basura son muy grandes. Muchas de estas clasificaciones se @@ -1458,7 +1714,7 @@ pudieron observar en la investigación sobre el `estado del arte`_. .. _ref_gc_direct: Directa / indirecta -~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ +^^^^^^^^^^^^^^^^^^^ Generalmente se llama recolección **directa** a aquella en la cual el compilador o lenguaje instrumenta al *mutator* de forma tal que la @@ -1488,7 +1744,7 @@ Estas son las dos grandes familias de recolectores, también conocidos como .. _ref_gc_inc: Incremental -~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ +^^^^^^^^^^^ Recolección incremental es aquella que se realiza de forma intercalada con el *mutator*. En general el propósito es disminuir el tiempo de las pausas @@ -1516,7 +1772,7 @@ incremental, aunque el tiempo de pausa de una recolección sea menor. .. _ref_gc_concurrent: Concurrente / *stop-the-world* -~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ +^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^ Los recolectores concurrentes son aquellos que pueden correr en paralelo con el *mutator*. Por el contrario, aquellos que pausan el *mutator* para @@ -1534,15 +1790,6 @@ Esto también trae como consecuencia el incremento en el tiempo total que consume el recolector, debido a la necesidad de re-escanear sub-grafos que han sido modificados. -.. _ref_gc_art: - -Estado del arte ----------------------------------------------------------------------------- - -.. explicar la cantidad de cosas que hay (que son muchas) y dar algunos - ejemplos. - -TODO Cloning @@ -1600,4 +1847,4 @@ http://www.hpl.hp.com/personal/Hans_Boehm/gc/gcinterface.html .. include:: links.rst -.. vim: set ts=3 sts=3 sw=3 et tw=75 : +.. vim: set ts=3 sts=3 sw=3 et tw=78 :