X-Git-Url: https://git.llucax.com/z.facultad/75.00/informe.git/blobdiff_plain/dc2ae988be0f3455c4fabee6b43de41b0be6745c..f0fa88b43b9fae7a2011ffeb77e1311060d1bc12:/source/gc.rst diff --git a/source/gc.rst b/source/gc.rst index 83aee26..06ed07e 100644 --- a/source/gc.rst +++ b/source/gc.rst @@ -2,7 +2,7 @@ .. Introducción a la importancia de la recolección de basura y sus principales técnicas, con sus ventajas y desventajas. También se da un breve recorrido sobre el estado del arte. - ESTADO: TERMINADO + ESTADO: TERMINADO, CORREGIDO .. _gc: @@ -53,7 +53,7 @@ frecuente de problemas de seguridad [BEZO06]_. 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. + área de memoria fue re-asignada 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 @@ -66,12 +66,12 @@ recolectores de basura (aunque no se limitaron a este lenguaje las investigaciones). En las primeras implementaciones de recolectores de basura la penalización en -la eficiencia del programa se volvía prohibitiva para muchas aplicaciones. Es +el rendimiento del programa se volvía prohibitiva para muchas aplicaciones. Es por esto que hubo bastante resistencia a la utilización de recolectores de basura, pero el avance en la investigación fue haciendo que cada vez sea una -alternativa más viable al manejo manual de memoria, incluso para apliaciones -con altos requerimientos de eficiencia. En la actualidad un programa que -utiliza un recolector moderno puede ser comparable en eficiencia con uno que +alternativa más viable al manejo manual de memoria, incluso para aplicaciones +con altos requerimientos de rendimiento. En la actualidad un programa que +utiliza un recolector moderno puede ser comparable en rendimiento 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 @@ -95,13 +95,14 @@ errores. +.. _gc_intro_basics: Conceptos básicos ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ Los programas pueden hacer uso principalmente de 4 áreas de memoria: -Registros: +Registros Se trata de la memoria más básica de una computadora. Es el área de memoria en la que puede operar realmente el procesador, es extremadamente escasa y generalmente su uso es administrado por el lenguaje de programación (o @@ -109,7 +110,7 @@ Registros: realizando tareas de muy bajo nivel, un programador nunca manipula los registros explícitamente. -Área de memoria estática: +Área de memoria estática Es la forma de memoria más simple que un programador utiliza explícitamente. En general las variables globales se almacenan en este área, que es parte inherente del programa y está disponible durante toda su @@ -119,7 +120,7 @@ Registros: compilación**. Los primeros lenguajes de programación solo contaban con este tipo de memoria (además de los registros del procesador). -*Stack* (pila): +*Stack* (pila) Los primeros lenguajes de programación que hicieron uso de una pila aparecieron en el año 1958 (Algol-58 y Atlas Autocode) y fueron los primeros en introducir estructura de bloques, almacenando las variables @@ -127,17 +128,17 @@ Registros: utilizar recursividad y tener un esquema simple de memoria dinámica. Sin embargo este esquema es muy limitado porque el orden de reserva y liberación de memoria tiene que estar bien establecido. Una celda - [#gccelda]_ alocada antes que otra nunca puede ser liberada antes que + [#gccelda]_ asignada 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* + memoria asignada 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*: +*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 memoria más flexible y por lo tanto el más complejo de administrar; razón @@ -181,11 +182,11 @@ puede no ser evitable (incluso cuando el programador no cometa errores) en lenguajes de programación que requieran un recolector de basura conservativo. Por último, siendo que el recolector de basura es parte del programa de forma -indirecta, es común ver en la literatura que se direfencia entre -2 partes del programa, el recolector de basura y el programa en sí. Dado que - para el recolector de basura, lo único que interesa conocer del programa en - sí son los cambios al grafo de conectividad de las celdas, normalmente se lo - llama *mutator* (mutador). +indirecta, es común ver en la literatura que se diferencia entre dos partes +del programa, el recolector de basura y el programa en sí. Dado que para el +recolector de basura, lo único que interesa conocer del programa en sí son los +cambios al grafo de conectividad de las celdas, normalmente se lo llama +*mutator*. @@ -211,7 +212,7 @@ fueron visitados componen el *live set*; el resto de los vértices son Más formalmente, Definimos: -*Camino*: +*Camino* secuencia de vértices tal que cada uno de los vértices tiene una arista al próximo vértice en la secuencia. Todo camino finito tiene un *vértice inicial* y un *vértice final* (llamados en conjunto *vértices terminales*). @@ -224,7 +225,7 @@ Más formalmente, Definimos: \exists (v_i \to v_{i+1}) \in A \right\rbrace -*Conexión*: +*Conexión* decimos que :math:`M` está *conectado* a :math:`N` si y sólo si existe un camino de :math:`M` a :math:`N`. @@ -232,7 +233,7 @@ Más formalmente, Definimos: M \mapsto N \Longleftrightarrow \exists \underset{M \to N}{C} \in G -*Live set*: +*Live set* el conjunto de celdas *vivas* está dado por todos los vértices (:math:`v`) del grafo para los cuales existe una raíz en el *root set* que esté conectada a él. @@ -243,7 +244,7 @@ Más formalmente, Definimos: \left( \exists r \in Root \thickspace set \big/ r \mapsto v \right) \right\rbrace -*Basura*: +*Basura* la basura, o celdas *muertas*, quedan determinadas entonces por todas las celdas del *heap* que no son parte del *live set*. @@ -257,6 +258,8 @@ Esto es, efectivamente, una partición del *heap* (ver figura .. fig:: fig:gc-heap-parts + Distintas partes de la memoria *heap*. + Distintas partes de la memoria, incluyendo relación entre *basura*, *live set*, *heap* y *root set*. @@ -320,7 +323,7 @@ casos de que el grafo contenga ciclos [#gccycle]_. De forma similar 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 +en el rendimiento, en particular dependiendo de la aplicación puede 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 @@ -328,7 +331,7 @@ uno u otro método para lograr una mejor localidad de referencia. 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 +Un algoritmo simple (recursivo) de marcado *primero a lo alto* puede ser el siguiente (asumiendo que partimos con todos los vértices sin marcar) [#gcpseudo]_:: @@ -596,11 +599,11 @@ Muchos algoritmos utilizan tres colores para realizar el marcado. El tercer color, gris generalmente, indica que una celda debe ser visitada. Esto permite algoritmos :ref:`concurrentes ` e :ref:`incrementales `, además de otro tipo de optimizaciones. Entonces, lo que plantea -esta abtracción es una nueva partición del heap al momento de marcar, esta vez -son 3 porciones: blanca, gris y negra. +esta abstracción es una nueva partición del heap al momento de marcar, esta +vez son tres porciones: blanca, gris y negra. Al principio todas las celdas se pintan de blanco, excepto el *root set* que -se punta de gris. Luego se van obteniendo celdas del conjunto de las grises +se pinta de gris. Luego se van obteniendo celdas del conjunto de las grises y se las pinta de negro, pintando sus hijas directas de gris. Una vez que no hay más celdas grises, tenemos la garantía de que las celdas @@ -623,12 +626,15 @@ vacíos):: v = gray_set.pop() black_set.add(v) for (src, dst) in v.edges - if v in white_set - white_set.remove(v) - gray_set.add(v) + if dst in white_set + white_set.remove(dst) + gray_set.add(dst) -Es simple notar que este algoritmo es naturalmente no recursivo, lo que de por -sí ya presenta una ventaja sobre el marcado *bicolor*. +Si bien este algoritmo no es recursivo, tiene un requerimiento de espacio +:math:`O(\lvert Live \thickspace set \rvert)`. Un ejemplo donde se aprecia +esto a simple vista es cuando el *live set* resulta una lista simplemente +enlazada, en cuyo caso el :math:`gray_set` deberá almacenar todos los nodos +del *live set*. @@ -657,7 +663,7 @@ recolectores a lo largo de este documento. Servicios utilizados por el recolector son los siguientes: -:math:`alloc() \to cell`: +:math:`alloc() \to cell` obtiene una nueva celda de memoria. El mecanismo por el cual se obtiene la celda es indistinto para esta sección, puede ser de una lista libre, puede ser de un administrador de memoria de más bajo nivel provisto por el @@ -670,16 +676,16 @@ Servicios utilizados por el recolector son los siguientes: contrario) que las celdas son de tamaño fijo. Esta restricción normalmente puede ser fácilmente relajada (en los recolectores que la tienen). -:math:`free(cell)`: +:math:`free(cell)` libera una celda que ya no va a ser utilizada. La celda liberada debe haber sido obtenida mediante ``alloc()``. Y los servicios básicos proporcionados por el recolector son los siguientes: -:math:`new() \to cell`: +:math:`new() \to cell` obtiene una celda de memoria para ser utilizada por el programa. -:math:`update(ref, cell)`: +:math:`update(ref, cell)` notifica al recolector que la referencia :math:`ref` ahora apunta a :math:`cell`. Visto más formalmente, sería análogo a decir que hubo un cambio en la conectividad del grafo: la arista :math:`src \to old` cambia @@ -689,7 +695,7 @@ Y los servicios básicos proporcionados por el recolector son los siguientes: :math:`cell` es ``null``, sería análogo a informar que se elimina la arista :math:`src \to old`. -:math:`del(cell)`: +:math:`del(cell)` este servicio, según el algoritmo, puede ser utilizado para informar un cambio en la conectividad del grafo, la eliminación de una arista (análogo a :math:`update(ref, null)` pero sin proporcionar información sobre la @@ -699,7 +705,7 @@ Y los servicios básicos proporcionados por el recolector son los siguientes: a eliminar el conjunto de aristas :math:`\big\lbrace (v, w) \in A , v \in Live \thickspace set , w \in Live \thickspace set \big/ w = cell`. -:math:`collect()`: +:math:`collect()` indica al recolector que debe hacer un análisis del grafo de conectividad en busca de *basura*. Generalmente este servicio es invocado por el propio recolector cuando no hay más celdas reciclables. @@ -816,14 +822,14 @@ 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. +*basura* (al igual que cualquier otra celda para la cual hayan referencias +desde el ciclo pero que no tenga otras referencias externas) y sin embargo los +contadores no son 0. Los ciclos, por lo tanto, violan 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 +esto son variados y van desde realizar un marcado del sub-grafo 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. @@ -845,7 +851,7 @@ A continuación se presenta un ejemplo gráfico para facilitar la comprensión del algoritmo. Por simplicidad se asumen celdas de tamaño fijo con dos punteros, ``left`` (``l``) y ``right`` (``r``) y se muestra el contador de referencias abajo del nombre de cada celda. Se parte con una pequeña -estructura ya construída y se muestra como opera el algoritmo al eliminar +estructura ya construida y se muestra como opera el algoritmo al eliminar o cambiar una referencia (cambios en la conectividad del grafo). En un comienzo todas las celdas son accesibles desde el *root set* por lo tanto son todas parte del *live set*. @@ -858,6 +864,8 @@ conduce al decremento del contador de ``h2`` y ``h3`` que permanecen en el .. fig:: fig:gc-rc-rm-1 + Ejemplo de conteo de referencias: eliminación de una referencia (parte 1). + Eliminación de la referencia ``r0`` :math:`\to` ``h1`` (parte 1). .. subfig:: @@ -1012,6 +1020,8 @@ conduce al decremento del contador de ``h2`` y ``h3`` que permanecen en el .. fig:: fig:gc-rc-rm-2 :padding: 0.5 + Ejemplo de conteo de referencias: eliminación de una referencia (parte 2). + Eliminación de la referencia ``r0`` :math:`\to` ``h1`` (parte 2). .. subfig:: @@ -1129,6 +1139,8 @@ contador de ``h2`` que queda en 0, transformándose en *basura* (ver figura .. fig:: fig:gc-rc-up-1 + Ejemplo de conteo de referencias: actualización de una referencia (parte 1). + Cambio en la referencia ``h2.l`` :math:`\to` ``h2`` a ``h2.l`` :math:`\to` ``h5`` (parte 1). @@ -1301,6 +1313,8 @@ de actualizar la referencia ``h3.l`` para que apunte a ``h5`` (ver figura .. fig:: fig:gc-rc-up-2 + Ejemplo de conteo de referencias: actualización de una referencia (parte 2). + Cambio en la referencia ``h2.l`` :math:`\to` ``h2`` a ``h2.l`` :math:`\to` ``h5`` (parte 2). @@ -1480,6 +1494,8 @@ pueden ser recicladas y su memoria es perdida (ver figura .. fig:: fig:gc-rc-cycle :padding: 0.5 + Ejemplo de conteo de referencias: pérdida de memoria debido a un ciclo. + Eliminación de la referencia ``r1`` :math:`\to` ``h3`` (pérdida de memoria debido a un ciclo). @@ -1671,18 +1687,28 @@ Copia de semi-espacio Este algoritmo consiste en hacer una partición del *heap* en 2 mitades o *semi-espacios*, llamados usualmente *Fromspace* y *Tospace*. El primero se -utiliza para alocar nuevas celdas de forma lineal, asumiendo un *heap* +utiliza para asignar nuevas celdas de forma lineal, asumiendo un *heap* contiguo, incrementando un puntero (ver figura :vref:`fig:gc-copy`). Esto se conoce como *pointer bump allocation* y es, probablemente, la forma más -eficiente de alocar memoria (tan eficiente como alocar memoria en el *stack*). +eficiente de asignar memoria (tan eficiente como asignar memoria en el +*stack*). Esto permite además evitar el problema de la *fragmentación* de +memoria [#gcfrag]_ que normalmente afectan a los otros algoritmos clásicos (o +sus *low level allocators*). + +.. [#gcfrag] La *fragmentación* de memoria sucede cuando se asignan objetos + de distintos tamaños y luego libera alguno intermedio, produciendo + *huecos*. Estos *huecos* quedan inutilizables hasta que se quiera + asignar un nuevo objeto de tamaño igual al *hueco* (o menor). Si esto no + sucede y se acumulan muchos *huecos* se dice que la memoria está + *fragmentada*. .. fig:: fig:gc-copy Estructura del *heap* de un recolector con copia de semi-espacios. .. aafig:: - :aspect: 0.7 - :scale: 1.4 + :aspect: 70 + :scale: 115 zzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzzz @@ -1707,10 +1733,10 @@ La segunda mitad (*Tospace*) permanece inutilizada hasta que se agota el espacio en el *Fromspace*; en ese momento comienza el proceso de recolección de basura que consiste en recorrer el grafo de conectividad, copiando las celdas *vivas* del *Fromspace* al *Tospace* de manera contigua, como si -estuvieran alocando por primera vez. Como la posición en memoria de las celdas -cambia al ser movidas, es necesario actualizar la dirección de memoria de -todas las celdas *vivas*. Para esto se almacena una dirección de memoria de -redirección, *forwarding address*, en las celdas que mueven. La *forwarding +estuvieran asignando por primera vez. Como la posición en memoria de las +celdas cambia al ser movidas, es necesario actualizar la dirección de memoria +de todas las celdas *vivas*. Para esto se almacena una dirección de memoria de +re-dirección, *forwarding address*, en las celdas que mueven. La *forwarding address* sirve a su vez de marca, para no recorrer una celda dos veces (como se explica en :ref:`gc_intro_mark`). Cuando se encuentra una celda que ya fue movida, simplemente se actualiza la referencia por la cual se llegó a esa @@ -1723,7 +1749,7 @@ viejo *Fromspace* es *basura* por definición, por lo que se convierte el A continuación se presenta una implementación sencilla de los servicios provistos por este tipo de recolectores. Cabe destacar que este tipo de recolectores deben estar íntimamente relacionados con el *low level -allocator*, ya que la organización del *heap* y la forma de alocar memoria es +allocator*, ya que la organización del *heap* y la forma de asignar memoria es parte fundamental de este algoritmo. Se asume que ya hay dos áreas de memoria del mismo tamaño destinadas al *Fromspace* y *Tospace*, y la existencia de 4 variables: ``fromspace`` (que apunta a la base del *Fromspace*), ``tospace`` @@ -1732,7 +1758,7 @@ un semi-espacio) y ``free`` (que apunta al lugar del *Fromspace* donde comienza la memoria libre). También vale aclarar que este algoritmo soporta inherentemente celdas de tamaño variable, por lo que los servicios ``alloc()`` y ``new()`` [#gccopynew]_ reciben como parámetro el tamaño de la celda -a alocar:: +a asignar:: function alloc(size) is if free + size > fromspace + spacesize @@ -1781,7 +1807,7 @@ Al igual que el :ref:`gc_mark_sweep` este algoritmo es :ref:`indirecto `. Las diferencias con los esquemas vistos hasta ahora son evidentes. La principal ventaja sobre el marcado y barrido (que requiere una pasada sobre el *live set*, el marcado, y otra sobre el *heap* entero, el -barrido) es que este método require una sola pasada y sobre las celdas vivas +barrido) es que este método requiere una sola pasada y sobre las celdas vivas del *heap* solamente. La principal desventaja es copia memoria, lo que puede ser particularmente costoso, además de requerir, como mínimo, el doble de memoria de lo que el *mutator* realmente necesita. Esto puede traer en @@ -1820,7 +1846,6 @@ apunta a ``h3``, por lo tanto ésta es movida al *Tospace* primero, dejando una la recolección. .. aafig:: - :scale: 1.25 +--------------------------------------------------+ | "Fromspace" | @@ -1852,7 +1877,6 @@ apunta a ``h3``, por lo tanto ésta es movida al *Tospace* primero, dejando una y dejando una *forwarding address*. .. aafig:: - :scale: 1.25 +--------------------------------------------------+ | "Fromspace" | @@ -1899,7 +1923,6 @@ ubicación de ``h2`` pero no se vuelve a copiar la celda (ver figura *forwarding address*. .. aafig:: - :scale: 1.25 +--------------------------------------------------+ | "Fromspace" | @@ -1932,7 +1955,6 @@ ubicación de ``h2`` pero no se vuelve a copiar la celda (ver figura *forwarding address*. .. aafig:: - :scale: 1.25 +--------------------------------------------------+ | "Fromspace" | @@ -1975,7 +1997,6 @@ nueva ubicación de ``h3``, como se muestra en la figura *forwarding address*. .. aafig:: - :scale: 1.25 +--------------------------------------------------+ | "Fromspace" | @@ -2007,7 +2028,6 @@ nueva ubicación de ``h3``, como se muestra en la figura semi-espacios y se actualiza la referencia del *root set*. .. aafig:: - :scale: 1.25 +--------------------------------------------------+ | "Tospace" | @@ -2097,7 +2117,7 @@ con el *mutator* en cada actualización del grafo de conectividad (exceptuando algunos :ref:`recolectores incrementales ` que a veces necesitan instrumentar el *mutator* pero no para mantener el estado del grafo de conectividad completo). La recolección se dispara usualmente cuando el -*mutator* requiere alocar memoria pero no hay más memoria libre conocida +*mutator* requiere asignar memoria pero no hay más memoria libre conocida disponible y el recolector se encarga de generar la información de conectividad desde cero para determinar qué celdas son *basura*. @@ -2128,7 +2148,7 @@ De los `algoritmos clásicos`_ el único que es incremental en su forma más básica es el :ref:`conteo de referencias `. Otros recolectores pueden hacerse incrementales de diversas maneras, pero en general consta de hacer parte del trabajo de escanear el grafo de conectividad cada vez que el -*mutator* aloca memoria. En general para hacer esto es también necesario +*mutator* asigna memoria. En general para hacer esto es también necesario instrumentar al *mutator* de forma tal que informe al recolector cada vez que cambia el grafo de conectividad, para que éste pueda marcar al sub-grafo afectado por el cambio como *desactualizado* y así re-escanearlo nuevamente en @@ -2137,7 +2157,7 @@ la próxima iteración. Para realizar esto en recolectores :ref:`indirectos cuando el *mutator* cambia una referencia, se marca *gris* la celda que la contiene, de modo que el recolector vuelva a visitarla. -En general la eficiencia de los recolectores incrementales disminuye +En general el rendimiento de los recolectores incrementales disminuye considerablemente cuando el *mutator* actualiza muy seguido el grafo de conectividad, porque debe re-escanear sub-grafos que ya había escaneado una y otra vez. A esto se debe también que en general el tiempo de procesamiento @@ -2173,7 +2193,8 @@ disponibles para realizar la recolección (ver figura *Stop-the-world*. .. aafig:: - :aspect: 0.7 + :scale: 110 + :aspect: 70 ___________________________________________________________________ | | @@ -2191,7 +2212,8 @@ disponibles para realizar la recolección (ver figura Paralelo. .. aafig:: - :aspect: 0.7 + :scale: 110 + :aspect: 70 ___________________________________________________________________ | | @@ -2209,7 +2231,8 @@ disponibles para realizar la recolección (ver figura Concurrente. .. aafig:: - :aspect: 0.7 + :scale: 110 + :aspect: 70 ___________________________________________________________________ | | @@ -2274,26 +2297,27 @@ en una lista de libres. Al solicitarse una nueva celda simplemente se la desenlaza de la lista de libres. Por otro lado, cuando el recolector detecta una celda *muerta*, la vuelve a enlazar en la lista de libres. Este es un esquema simple pero con limitaciones, entre las principales, el costo de -alocar puede ser alto si hay muchos tamaños distintos de celda y soportar +asignar puede ser alto si hay muchos tamaños distintos de celda y soportar tamaño de celda variable puede ser complejo o acarrear muchas otras -ineficiencias. :ref:`gc_mark_sweep` en general usa este esquema, al igual que -:ref:`gc_rc`. +ineficiencias. El :ref:`marcado y barrido ` en general usa este +esquema, al igual que el :ref:`conteo de referencias `. Otro forma de organizar el *heap* es utilizándolo como una especie de *stack* -en el cual para alocar simplemente se incrementa un puntero. Este esquema es +en el cual para asignar simplemente se incrementa un puntero. Este esquema es simple y eficiente, si el recolector puede mover celdas (ver -:ref:`gc_moving`); de otra manera alocar puede ser muy costoso si hay que +:ref:`gc_moving`); de otra manera asignar puede ser muy costoso si hay que buscar un *hueco* en el heap (es decir, deja de reducirse a incrementar un -puntero). El clásico ejemplo de esta familia es :ref:`gc_copy`. +puntero). El clásico ejemplo de esta familia es el algoritmo visto en +:ref:`gc_copy`. Sin embargo, entre estos dos extremos, hay todo tipo de híbridos. Existen recolectores basados en *regiones*, que se encuentran en un punto intermedio. Dentro de una región se utiliza un esquema de *pointer bump allocation* pero las regiones en sí se administran como una lista de libres (como por ejemplo [BLAC08]_). Otra variación (más común) de este esquema son los *two level -allocators* que alocan páginas completas (similar a las regiones) y dentro de -cada página se alocan las celdas. Ambas, páginas y celdas, se administran como -listas de libres (ejemplos que utilizan este esquema son [BOEHWD]_ y el +allocators* que asignan páginas completas (similar a las regiones) y dentro de +cada página se asignan las celdas. Ambas, páginas y celdas, se administran +como listas de libres (ejemplos que utilizan este esquema son [BOEHWD]_ y el :ref:`recolector actual de D `). @@ -2307,7 +2331,7 @@ Otra característica muy importante del recolector de basura es si mueve las celdas o no. En general el movimiento de celdas viene de la mano del esquema de :ref:`pointer bump allocation `, ya que *compacta* todas las celdas *vivas* al comienzo del *heap* luego de una recolección, permitiendo -este esquema para alocar nuevas celdas, pero puede utilizarse en esquemas +este esquema para asignar nuevas celdas, pero puede utilizarse en esquemas híbridos como recolectores basados en *regiones* (por ejemplo [BLAC08]_). Además los recolectores con movimiento de celdas deben ser :ref:`precisos @@ -2370,7 +2394,7 @@ para tener un recolector de basura (y en especial aquellos que son de relativo alto nivel) en general disponen de recolectores precisos. Hay casos donde se posee información de tipos para algunas celdas solamente, -o más comunmente se posee información de tipos de celdas que se encuentran en +o más comúnmente se posee información de tipos de celdas que se encuentran en el *heap* pero no para el *stack* y registros (por ejemplo [MOLA06]_). En estos casos se puede adoptar un esquema híbrido y tratar algunas referencias de forma conservativa y otras de forma precisa, de manera de mitigar, aunque @@ -2383,19 +2407,20 @@ El ejemplo de recolector conservativo por excelencia es el recolector `Boehm-Demers-Wiser`_ ([BOEH88]_, [BOEH91]_, [BOEH93]_, [BOEHWD]_) aunque puede comportarse de forma semi-precisa si el usuario se encarga de darle la información de tipos (en cuyo caso el recolector deja de ser transparente para -el usuario). Otros ejemplos de recolectores con cierto grado de -conservativismo son el :ref:`recolector actual de D ` y [BLAC08]_. +el usuario). Otros ejemplos de recolectores con cierto grado de precisión son +el :ref:`recolector actual de D ` y [BLAC08]_. .. _gc_part: -Recolección particionada +Recolección por particiones / generacional ~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~~ Otra forma de reducir la cantidad de pausas y la cantidad de trabajo realizado -por el recolector en general es particionando el *heap* de manera tal de -recolectar solo las partes donde más probabilidad de encontrar *basura* haya. +por el recolector en general es dividiendo el *heap* en particiones de manera +tal de recolectar solo las partes donde más probabilidad de encontrar *basura* +haya. Entonces, si el recolector tiene algún mecanismo para identificar zonas de alta concentración de *basura* puede hacer la recolección solo en ese área @@ -2406,7 +2431,8 @@ donde el trabajo va a ser mejor recompensado (ver :vref:`fig:gc-part`). Concentración de basura en distintas particiones del *heap*. .. aafig:: - :aspect: 0.7 + :scale: 110 + :aspect: 70 _______________________________________________________________________ | | @@ -2421,44 +2447,44 @@ donde el trabajo va a ser mejor recompensado (ver :vref:`fig:gc-part`). Sin embargo encontrar zonas de alta concentración no es trivial. La forma más -divulgada de encontrar estas zonas es particionando el *heap* en un área +divulgada de encontrar estas zonas es dividiendo el *heap* en una partición utilizada para almacenar celdas *jóvenes* y otra para celdas *viejas*. Una -celda *vieja* es aquella que ha *sobrevivido* una cantidad N de recolecciones, -mientras que el resto se consideran *jóvenes* (las celdas *nacen* jóvenes). -Los recolectores que utilizan este tipo de partición son ampliamente conocido -como recolectores **generacionales**. La *hipótesis generacional* dice que el -área de celdas jóvenes tiene una mayor probabilidad de ser un área de alta -concentración de basura [JOLI96]_. Basandose en esto, los recolectores -generacionales primero intentan recuperar espacio del área de celdas jóvenes -y luego, de ser necesario, del área de celdas viejas. Es posible tener varias -generaciones e ir subiendo de generación a generación a medida que es -necesario. Sin embargo en general no se obtienen buenos resultados una vez que -se superan las 3 particiones. La complejidad que trae este método es que para -recolectar la generación joven es necesario tomar las referencias de la -generación vieja a la joven como parte del *root set* (de otra forma podrían -tomarse celdas como *basura* que todavía son utilizadas por las celdas -viejas). Revisar toda la generación vieja no es una opción porque sería -prácticamente lo mismo que realizar una recolección del *heap* completo. La -solución está entonces, una vez más, en instrumentar el *mutator* para que +celda *vieja* es aquella que ha *sobrevivido* una cantidad *N* de +recolecciones, mientras que el resto se consideran *jóvenes* (las celdas +*nacen* jóvenes). Los recolectores que utilizan este tipo de partición son +ampliamente conocido como recolectores **generacionales**. La *hipótesis +generacional* dice que el área de celdas jóvenes tiene una mayor probabilidad +de ser un área de alta concentración de basura [JOLI96]_. Basándose en esto, +los recolectores generacionales primero intentan recuperar espacio del área de +celdas jóvenes y luego, de ser necesario, del área de celdas viejas. Es +posible tener varias generaciones e ir subiendo de generación a generación +a medida que es necesario. Sin embargo en general no se obtienen buenos +resultados una vez que se superan las 3 particiones. La complejidad que trae +este método es que para recolectar la generación joven es necesario tomar las +referencias de la generación vieja a la joven como parte del *root set* (de +otra forma podrían tomarse celdas como *basura* que todavía son utilizadas por +las celdas viejas). Revisar toda la generación vieja no es una opción porque +sería prácticamente lo mismo que realizar una recolección del *heap* completo. +La solución está entonces, una vez más, en instrumentar el *mutator* para que avise al recolector cuando cambia una referencia de la generación vieja a la -joven (no es necesario monitorear las referencias en sentido inverso ya que +joven (no es necesario vigilar las referencias en sentido inverso ya que cuando se recolecta la generación vieja se hace una recolección del *heap* completo). -Sin embargo, a pesar de ser este el esquema más difundido para particionar el +Sin embargo, a pesar de ser este el esquema más difundido para dividir el *heap* y realizar una recolección parcial sobre un área de alta concentración de basura no es la única. Otros recolectores proponen hacer un análisis estático del código revisando la conectividad entre los objetos según sus -tipos (esto es posible solo en lenguajes con tipado estático), de manera tal +tipos (esto es posible solo en lenguajes con *tipado* estático), de manera tal de separar en distintas áreas grupos de tipos que no pueden tener referencias -entre sí [HIRZ03]_. Este análisis hace que sea inecesario instrumentar el +entre sí [HIRZ03]_. Este análisis hace que sea innecesario instrumentar el *mutator* para reportar al recolector cambios de referencias inter-particiones, sencillamente porque queda demostrado que no existe dicho -tipo de referencias. Esto quita una de las principale ineficiencias +tipo de referencias. Esto quita una de las principales ineficiencias y complejidades del esquema generacional. .. include:: links.rst -.. vim: set ts=3 sts=3 sw=3 et tw=78 : +.. vim: set ts=3 sts=3 sw=3 et tw=78 spelllang=es :