對比Ruby和Python的垃圾回收

上面三個”M”標記的對象為活躍對象，依然被我們的程序使用。在Ruby解釋器內部，通常使用”free bitmap”的數據結構來保存一個對象是否被標記：

Ruby將”free bitmap”保存在一個獨立的內存區域，以便可以更好的利用Unix的”copy-on-write”特性。更詳細的信息，請參考我的另一篇文章《為什么Ruby2.0的垃圾回收器讓我們如此興奮》。

如果活躍對象被標記了，那么其余的便是垃圾對象，意味著它們不再會被代碼使用。在下圖中，我使用白色的方塊表示垃圾對象：

接下來，Ruby將清理沒有使用的，垃圾對象，將它們鏈入空閑對象鏈表(free list)：

在解釋器內部，這個過程非常迅速，Ruby并不會真正的將對象從一個地方拷貝到另一個地方。相反的，Ruby會將垃圾對象組成一個新的鏈表，并且鏈入空閑對象鏈表(free list)。

現在，當我們要創建一個新的Ruby對象的時候，Ruby將為我們返回收集的垃圾對象。在Ruby中，對象是可以重生的，享受著多次的生命!

標記回收算法 vs. 引用計數算法

咋一看，Python的垃圾回收算法對于Ruby來說是相當讓人感到驚訝的：既然可以生活在一個整潔干凈的房間，為什么要生活在一個臟亂的房間呢?為什么Ruby周期性的強制停止程序的運行去清理垃圾，而不使用Python的算法呢?

然而，引用計數實現起來不會像它看起來那樣簡單。這里有一些許多語言不愿像Python一樣使用引用計數算法的原因：

首先，實現起來很困難。Python必須為每一個對象留有一定的空間來保存引用計數。這會導致一些細微的內存開銷。但更遭的是，一個簡答的操作例如改變一個變量或引用將導致復雜的操作，由于Python需要增加一個對象的計數，減少另一個對象的計數，有可能釋放一個對象。

其次，它會減慢速度。盡管Python在程序運行過程中垃圾回收的過程非常順暢(當你把臟盤子放到水槽后，它立馬清洗干凈)，但是運行的并不十分迅速。Python總是在更新引用計數。并且當你停止使用一個巨大的數據結構時，例如一個包含了大量元素的序列，Python必須一次釋放許多對象。減少引用計數可能是一個復雜的，遞歸的過程。

最后，它并不總是工作的很好。在我演講的下一部分，也就是下一篇帖子中能看到，引用計數不能處理循環引用數據結構，它包含循環引用。

下一次…

下周我將發布演講的其他部分。我將討論Python怎樣處理循環引用數據結構，以及在即將到來的Ruby2.1中，垃圾回收器是怎樣工作的。