內存垃圾回收(Garbage Collection)是一個很古老的技術了，最開始在Lisp上出現。如今幾乎所有高級語言都有GC，大部分程序員不再需要絞盡腦汁通宵達旦去查找內存泄露的原因了。我以前也不怎麼關心垃圾回收這個問題，可是面試時老是被問到智能指針，而我又不會寫，因爲我對C++不熟。所以決定研究並且總結一下這個問題。
其實智能指針都不能稱爲GC，就是編譯器給你加了delete或free，基於的原理是引用計數(Reference Counting)。GC一般基於一下兩個原理
Reference Counting(引用計數): 每個對象都設置一個參數，就是引用它的變量，引用少一個就減1，多一個就加1，爲0時回收
Reachability(可達性):有一組基本的對象或變量是可達的，稱爲root set，這些變量或對象指向的對象也是可達的，同理，一個可達對象指向的對象是可達的。
本文簡單的介紹了常用的幾種內存回收算法，包括Reference Counting，Mark and Sweep，Semispace, Generation。
Reference Counting
一般沒有真正的GC使用Reference Counting。智能指針使用了Reference Counting，在指針析構的時候，將引用數減1，爲0時順便把指向的對象回收了。
一個簡單的智能指針的實現(用於應付面試)
template <class T> class SmartPointer {
protected:
T* ref;
unsigned int * ref_count;
public:
SmartPointer(T *ptr)
{
ref = ptr;
ref_count = (unsigned int*)malloc(sizeof(unsigned int));
*ref_count = 1;
}
SmartPointer(SmartPointer<T> & sptr)
{
ref = sptr.ref;
ref_count = sptr.ref_count;
++*ref_count;
}
SmartPointer<T> & operator= (SmartPointer<T> &sptr)
{
if(this != &sptr)
{
ref = sptr.ref;
ref_count = sptr.ref_count;
++*ref_count;
}
return *this;
}
~SmartPointer()
{
--*ref_count;
if(*ref_count == 0)
{
delete ref;
free(ref_count);
ref = NULL;
ref_count = NULL;
}
}
T getValue() {return *ref;}
}智能指針是最簡單的一種gc方法。甚至，這算不上一種gc，實際上是編譯器幫你寫了free或者delete，基於的原理就是：對象的作用域結束時都會自動調用析構函數，這個析構函數是編譯器在編譯時加上的。gc都會有一個觸發事件，對於智能指針來說，就是作用域結束。對於其他的，可能是內存不夠了，然後會啓動gc進行回收。
Mark and Sweep
Mark and Sweep使用的是可達性。在一個程序中，所有的全局變量，靜態變量，局部變量都是可達的，這些稱爲root set。從root出發，找到所有可達的，然後回收不可達的。
基本的過程如下：
每個object都有一個singlebit的標誌位，一開始都是0
要回收的時候，掃兩遍
第一遍，從root變量開始進行DFS掃描，可達的都將它們的標誌位置1
第二遍，搜索所有的object，如果是1，置爲0，如果是0，reclaim
這就有一個問題，這個root怎麼找呢？比如C語言，怎麼確定找出棧上哪些是變量？更不用說要確定哪些是指針了。對於高級的動態語言，虛擬機或者解釋器都會維護一個所有符號的表，這樣找起來是很容易的。gc可以分爲Precise gc和Conservative gc。前者明確知道內存的哪個地方是變量，哪個地方是指針，因此可以精確的進行回收，這種一般適用於高級語言，例如lisp,python,Java等。但是對於C語言，只能假設棧上任何32bit(或者64bit)都是指針，在此基礎上可能會有一些檢測方法，然後把這些指針當作root，進行掃描。C/C++還有一個問題就是internal pointer。因爲在高級語言裏，一般所有的地址都指向對象的開頭，但是C/C++指針可以指向對象的任何地方，這也導致了掃描的困難。所以C/C++一般不會使用gc。This is the nature of C! 但是也有一些比較好的C/C++的gc，例如Boehm GC，它是一種Conservative GC。
Boehm挺好用的，下面是一個例子。
#include <stdio.h>
#include <gc/gc.h>
int main()
{
int i;
GC_INIT();
int *p;
for(i = 0; i < 1000000; i++)
{
p = (int*)GC_MALLOC(20*1024*1024);
p[i/400] = 5;
if(i % 10000 == 0)
printf("Heap size = %d\n",GC_get_heap_size());
}
}這段代碼不會發生內存溢出，如果使用malloc但是不free，很快內存就不夠了。
但是如果我把大小從20*1024*1024增加到1024*1024*1024，就有問題了。
內存不夠用了。說明它的回收做的不夠好。而使用malloc加free，可以一直運行下去。我的內存有2G，是夠用的。Boehm GC是最有名的C/C++ GC，而且不少項目也在用它。但是，C語言的本性決定了它不需要GC。
Semispace
在進行內存回收時，內存整理也是必須的。否則內存中充滿了碎片。Semispace的方法也是基於可達性，從名字也可以看出，它是要把內存分成兩半，只有一半可用，一個FromSpace，一個ToSpace(或者叫Old,New,whatever)。
基本工作過程是：
從root開始掃描，找到可達的，就從FromSpace複製到ToSpace，一直這樣找下去，最後可達的都被移到了ToSpace，而且不存在碎片。
這個過程牽涉到一個很嚴重的問題：指針重定向，稱爲pointer forward。這是semispace需要解決的最主要問題。這個問題最簡單的方法就是查表。
copy(p):
if(content of p is already copy to ToSpace)
p = forwarding_address(p)
ret
if(content of p is not copied to ToSpace)
copy content of p to ToSpace
forwarding_address(p) = ToSpacePtr;
ToSpacePtr += sizeof(p)
foreach pointer x in content of p:
copy(x)如果回收的時候堆裏大部分都是garbage，那麼semispace的方法特別好，如果大部分都是可達的，那麼效率就很低了。
Generation Garbage Collection
如果你在程序裏讀入了一些靜態的數據，很大，而且需要常駐內存，而且裏面確定沒有指針。你肯定不希望GC一直去掃描它或者一直移來移去。Java和.Net採用的方法稱爲Generation Garbage Collection，將對象分成幾個generation，新創建的對象在 Generation 0(Java使用Young,Old,Permenant,Eden,Survior,Tenured,.Net使用0,1,2)，逃過第一次掃蕩(Sweep)的被挪到Generation 1，逃過兩次的被挪到Generation 2，.Net就到2，就是你逃過回收的次數越多，就越年老，GC就越不管你。
基本的過程如下：
if(G0 is almost full)
{
scan and reclaim G0
if(G1 is almost full)
{
scan and reclaim G1
if(G2 is almost full)
scan and reclaim G2
move survivors to G2
}
move survivors to G1
}這張圖是Java使用的方法，先分了Young,Old,Permanent，然後裏面又細分，挺複雜的，但是思想就是上面所敘述的。
總結
本文只是簡單的介紹了垃圾回收的一些基本思想方法，實際上GC特別複雜。自動回收的代價就是性能的下降，在有些情況下自動回收可能會比手動釋放性能更好。即使性能差點，能擺脫內存泄露這樣的問題，還是非常值得的。
參考
http://en.wikipedia.org/wiki/Garbage_collection_(computer_science)
http://www.memorymanagement.org/glossary/t.html
http://www.hpl.hp.com/personal/Hans_Boehm/gc/
http://xtzgzorex.wordpress.com/2012/10/11/demystifying-garbage-collectors/