Language agnostic 垃圾收集和运行时类型信息

让我想到另一个我想了很久的问题

许多关于垃圾收集的在线资料都没有说明如何实现运行时类型信息。因此，我知道很多关于各种垃圾收集器的知识，但不知道如何实现它们

fixnum解决方案实际上相当不错，很清楚哪个值是指针，哪个不是指针。还有哪些其他常用的存储类型信息的解决方案

---

还有，我想知道关于fixnum的事情。这难道不意味着在每个数组索引上都只能使用fixnums吗？或者是否有某种方法可以获得完整的64位整数？

基本上，为了实现准确的标记，您需要元数据来指示哪些字用作指针，哪些字不用作指针

这个元数据可以像emacs那样按引用存储。如果对于您的语言/实现，您不太关心内存的使用，您甚至可以使引用比单词大一倍，这样每个引用都可以携带类型信息以及它的一个单词数据。这样，您就可以拥有一个32位指针大小的fixnum，而所有引用的代价都是64位

或者，元数据可以与其他类型信息一起存储。因此，例如，一个类和通常的函数指针表一样，可以包含数据布局中每个字的一位，指示该字是否包含垃圾收集器应该遵循的引用。如果您的语言有虚拟调用，那么您必须已经有了从对象计算出要使用的函数地址的方法，因此相同的机制将允许您计算出要使用的标记数据-通常在每个对象的开头添加一个额外的秘密指针，指向构成其运行时类型的类。显然，对于某些动态语言，所指向的类型数据需要在写入时进行复制，因为它是可修改的

堆栈也可以执行类似的操作-将准确的标记信息存储在代码本身的数据段中，并让垃圾收集器检查存储的程序计数器和/或堆栈上的链接指针，和/或代码为此而放置在堆栈上的其他信息，确定堆栈的每一位与哪些代码相关，从而确定哪些字是指针。轻量级异常机制倾向于做类似的事情来存储关于try/catch在代码中发生的位置的信息，当然调试器也需要能够解释堆栈，因此这很可能与实现任何语言所做的其他工作结合在一起，包括内置垃圾收集功能的

请注意，垃圾收集不一定需要精确的标记。您可以将每个单词视为指针，不管它是否真的是指针，在垃圾收集器的所有内容的大列表中查找它，以确定它是否可能引用尚未标记的对象，如果是，则将其视为对该对象的引用。这很简单，但成本当然是介于相当慢和非常慢之间，这取决于gc用于查找的数据结构。此外，有时一个整数恰好与一个未引用对象的地址具有相同的值，并导致您保留一大堆本应收集的对象。因此，这样的垃圾收集器不能为收集未引用的对象提供强有力的保证。这对于玩具实现或第一个工作版本来说可能很好，但不太可能受到用户的欢迎

---

比如说，一种混合的方法可能会对对象进行精确的标记，但不会对堆栈中的某些区域进行标记，因为在这些区域中，事情会变得特别复杂。例如，如果您编写一个JIT，该JIT可以创建一个代码，其中引用的对象地址只出现在寄存器中，而不出现在通常的堆栈插槽中，那么您可能需要不准确地跟踪堆栈区域，操作系统在重新调度相关线程以运行垃圾回收器时存储了寄存器。这可能相当棘手，因此可能导致代码速度变慢的合理方法是要求JIT始终在准确标记的堆栈上保留其使用的所有指针值的副本。

基本上，要实现准确标记，需要元数据指示哪些字用作指针，哪些字不用作指针

这个元数据可以像emacs那样按引用存储。如果对于您的语言/实现，您不太关心内存的使用，您甚至可以使引用比单词大一倍，这样每个引用都可以携带类型信息以及它的一个单词数据。这样，您就可以拥有一个32位指针大小的fixnum，而所有引用的代价都是64位

或者，元数据可以与其他类型信息一起存储。所以 示例一个类可以包含，以及通常的函数指针表，数据布局的每个字一位，指示该字是否包含垃圾收集器应该跟随的引用。如果您的语言有虚拟调用，那么您必须已经有了从对象计算出要使用的函数地址的方法，因此相同的机制将允许您计算出要使用的标记数据-通常在每个对象的开头添加一个额外的秘密指针，指向构成其运行时类型的类。显然，对于某些动态语言，所指向的类型数据需要在写入时进行复制，因为它是可修改的

堆栈也可以执行类似的操作-将准确的标记信息存储在代码本身的数据段中，并让垃圾收集器检查存储的程序计数器和/或堆栈上的链接指针，和/或代码为此而放置在堆栈上的其他信息，确定堆栈的每一位与哪些代码相关，从而确定哪些字是指针。轻量级异常机制倾向于做类似的事情来存储关于try/catch在代码中发生的位置的信息，当然调试器也需要能够解释堆栈，因此这很可能与实现任何语言所做的其他工作结合在一起，包括内置垃圾收集功能的

请注意，垃圾收集不一定需要精确的标记。您可以将每个单词视为指针，不管它是否真的是指针，在垃圾收集器的所有内容的大列表中查找它，以确定它是否可能引用尚未标记的对象，如果是，则将其视为对该对象的引用。这很简单，但成本当然是介于相当慢和非常慢之间，这取决于gc用于查找的数据结构。此外，有时一个整数恰好与一个未引用对象的地址具有相同的值，并导致您保留一大堆本应收集的对象。因此，这样的垃圾收集器不能为收集未引用的对象提供强有力的保证。这对于玩具实现或第一个工作版本来说可能很好，但不太可能受到用户的欢迎

---

比如说，一种混合的方法可能会对对象进行精确的标记，但不会对堆栈中的某些区域进行标记，因为在这些区域中，事情会变得特别复杂。例如，如果您编写一个JIT，该JIT可以创建一个代码，其中引用的对象地址只出现在寄存器中，而不出现在通常的堆栈插槽中，那么您可能需要不准确地跟踪堆栈区域，操作系统在重新调度相关线程以运行垃圾回收器时存储了寄存器。这可能相当棘手，因此可能导致代码速度变慢的合理方法是要求JIT始终保留其在精确标记堆栈上使用的所有指针值的副本。

在Squeak Alway Scheme和许多其他动态语言中，我猜您有SmallInteger，有符号的31位整数类，和用于任意大整数的类，例如大正整数。很可能还有其他的表示法，64位的整数，或者是作为完整的对象，或者是带有一些位，因为我不是指针

---

但是算术方法被编码来处理过流/欠流，例如，如果向SmallInteger maxVal添加一个，则得到2^30+1作为LargePositiveInteger的实例，如果从中减去一个，则得到2^30作为SmallInteger。

在Squeak Alway Scheme和许多其他动态语言中，我猜您有SmallInteger，有符号31位整数的类，以及任意大整数的类，例如大正整数。很可能还有其他的表示法，64位的整数，或者是作为完整的对象，或者是带有一些位，因为我不是指针

---

但是算术方法被编码来处理过流/欠流，例如，如果向SmallInteger maxVal添加一个，则得到2^30+1作为LargePositiveInteger的实例，如果从中减去一个，您将返回2^30作为一个小整数。

我确信您可以使用BigNumbers作为数组索引。我确信您可以使用BigNumbers作为数组索引。我知道C有一个保守的垃圾收集器，它没有运行时类型信息。我想我现在更了解它了，因此我接受这个答案。+1作为元数据的替代方案，你可以让每个对象包含一个指向其类型的指针，它的类型可以包含一个指向一个函数的指针，该函数可以标记从该类型的任何值直接引用的所有内容。我在HLVM中使用了这种方法，效果很好。这些访问函数是在看到新的类型定义和JIT编译时动态生成的，只要有可能预先确定将为子级调用哪个访问函数，它们就可以直接相互引用，从而为您提供近似的操作

---

timal标记没有任何元数据的性能@乔恩：同意，我称之为元数据的信息可以体现为代码。希望我上面写的内容在考虑到这种可能性的情况下仍然有意义。C有一个我知道的保守的垃圾收集器，它没有运行时类型信息。我想我现在更了解它了，因此我接受这个答案。+1作为元数据的替代方案，你可以让每个对象包含一个指向其类型的指针，它的类型可以包含一个指向一个函数的指针，该函数可以标记从该类型的任何值直接引用的所有内容。我在HLVM中使用了这种方法，效果很好。这些访问函数是在看到新的类型定义和JIT编译时动态生成的，只要有可能预先确定将为子级调用哪个访问函数，它们就可以直接相互引用，从而在没有任何元数据的情况下为您提供接近最佳的标记性能@乔恩：同意，我称之为元数据的信息可以体现为代码。希望我上面写的东西在考虑到这种可能性的情况下仍然有意义。