Haskell 垃圾收集器如何从堆栈中查找对象引用？

在Haskell或Go等具有自动垃圾收集功能的语言中，垃圾收集器如何找出堆栈上存储的哪些值是指向内存的指针，哪些值只是数字？如果垃圾收集器只是扫描堆栈并假设所有地址都是对对象的引用，那么许多对象可能会被错误地标记为可访问

显然，可以在每个堆栈帧的顶部添加一个值，该值描述了下一个值中有多少是指针，但这不会降低性能吗

---

实际上是如何实现的？

Haskell堆栈在每个堆栈帧中使用一个内存字（使用位图）描述该堆栈帧中哪些值是指针，哪些值不是指针。有关详细信息，请参阅文章和GHC评注中的文章

---

公平地说，从各方面考虑，一个单词的记忆实际上并没有多少成本。您可以将其视为只向每个方法添加一个变量；这并不是那么糟糕。

一些收集器认为堆栈上的所有内容都是潜在的指针（比如Boehm GC）。事实证明，这并不像人们预期的那么糟糕，但显然是次优的。在托管语言中，通常会在堆栈中留下一些额外的标记信息，以帮助收集器确定指针的位置

请记住，在大多数编译语言中，每次输入函数时堆栈帧的布局都是相同的，因此确保以正确的方式标记数据并不难

“位图”方法是实现这一点的一种方法。位图的每一位对应于堆栈上的一个字。如果位是1，则堆栈上的位置是指针；如果位是0，则从收集器的角度来看，该位置只是一个数字（或沿着这些线的某个位置）。编写得非常好的GHC运行时和调用约定对大多数函数都使用一个字的布局，这样一些位就可以传递堆栈帧的大小，其余的作为位图。较大的堆栈帧需要一个多字结构，但其思想是相同的

关键是开销很低，因为布局信息是在编译时计算的，然后每次调用函数时都包含在堆栈中

更简单的方法是“指针优先”，所有指针都位于堆栈的开头。您只需要在指针前面加上一个长度，或者在指针后面加上一个特殊的“结束”字，就可以知道在这种布局下哪些字是指针

有趣的是，试图将这些管理信息放到堆栈中会产生大量与C的互操作相关的问题。例如，将高级语言编译成C是次优的，因为即使C是可移植的，也很难携带此类信息。为类C语言（GCC、LLVM）设计的优化编译器可能会重新构造堆栈框架，从而产生问题，因此GHC LLVM后端使用自己的“堆栈”，而不是LLVM堆栈，这会导致一些优化。类似地，C代码和“托管”代码之间的边界需要仔细构造，以避免混淆GC

---

因此，当您在JVM上创建一个新线程时，实际上创建了两个堆栈（一个用于Java，一个用于C）。

存在GC，它假设GC正在管理的某个对象的地址的每个位模式实际上都是一个指针（因此不要释放该对象）。这实际上可以很好地工作，因为调用指针通常比小的公共整数大，并且通常必须对齐。但是，这可能会导致某些对象的收集延迟。Boehm collector for C就是这样工作的，因为它是基于库的，所以没有从编译器获得任何特定的帮助

---

还有一些gc与所使用的语言更紧密地耦合，并且实际上知道内存中对象的结构。我从未专门阅读过堆栈帧处理，但是如果编译器和GC设计为协同工作，您可以记录信息来帮助GC。一个技巧是将所有指针引用放在一起，并使用每个堆栈帧一个字来记录有多少指针引用，这并不是一个巨大的开销。如果您可以在不添加单词的情况下计算出每个堆栈帧对应的函数，那么您可以在中编译每个函数的“堆栈帧布局图”。另一种选择是使用标记字，将不是指针的字的低阶位设置为1（由于地址对齐），指针永远不需要1，因此可以区分它们。这意味着您必须移动未绑定的值才能使用它们。

重要的是要认识到GHC维护自己的堆栈，而不使用C堆栈（FFI调用除外）。没有可移植的方式来访问C堆栈的所有内容（例如，在SPARC中，它的一些内容隐藏在寄存器窗口中），因此GHC维护一个它可以完全控制的堆栈。维护自己的堆栈后，您可以选择任何方案来区分堆栈上的指针和非指针（如使用位图）。

+1讨论Boehm collector，它使用了一种非常出色的方法。对于某些平台（如IA-64、x86-64）和操作系统（如Linux），您可以使用libunwind（）展开堆栈并访问C堆栈帧。这减少了处理C堆栈的一些复杂性（但是积极的编译器优化可能仍然会导致问题）？使用指针优先的方法不是更好吗？似乎LLVM确实有。@fuzzxl，来自GHC评论：“与主要具有“指针优先”布局的堆对象不同，在堆栈框架中，指针和非指针混合在一起。这样我们就可以支持“堆栈存根”，即活变量存储