淺談PHP5中垃圾回收算法（Garbage Collection）的演化

前言：PHP是一門托管型語言，在PHP編程中程序員不需要手工處理內存資源的分配與釋放（使用C編寫PHP或Zend擴展除外），這就意味著PHP本身實現了垃圾回收機制（Garbage Collection）。現在如果去PHP官方網站（php.net）可以看到，目前PHP5的兩個分支版本PHP5.2和PHP5.3是分別更新的，這是因為許多項目仍然使用5.2版本的PHP，而5.3版本對5.2並不是完全兼容。PHP5.3在PHP5.2的基礎上做了諸多改進，其中垃圾回收算法就屬於一個比較大的改變。本文將分別討論PHP5.2和PHP5.3的垃圾回收機制，並討論這種演化和改進對於程序員編寫PHP的影響以及要注意的問題。

PHP變量及關聯內存對象的內部表示

垃圾回收說到底是對變量及其所關聯內存對象的操作，所以在討論PHP的垃圾回收機制之前，先簡要介紹PHP中變量及其內存對象的內部表示（其C源代碼中的表示）。

PHP官方文檔中將PHP中的變量劃分為兩類：標量類型和復雜類型。標量類型包括布爾型、整型、浮點型和字符串；復雜類型包括數組、對象和資源；還有一個NULL比較特殊，它不劃分為任何類型，而是單獨成為一類。

所有這些類型，在PHP內部統一用一個叫做zval的結構表示，在PHP源代碼中這個結構名稱為“_zval_struct”。zval的具體定義在PHP源代碼的“Zend/zend.h”文件中，下面是相關代碼的摘錄。

 

typedef union _zvalue_value {
	long lval;					/* long value */
	double dval;				/* double value */
	struct {
		char *val;
		int len;
	} str;
	HashTable *ht;				/* hash table value */
	zend_object_value obj;
} zvalue_value;

struct _zval_struct {
	/* Variable information */
	zvalue_value value;		/* value */
	zend_uint refcount__gc;
	zend_uchar type;	/* active type */
	zend_uchar is_ref__gc;
};

其中聯合體“_zvalue_value”用於表示PHP中所有變量的值，這裡之所以使用union，是因為一個zval在一個時刻只能表示一種類型的變量。可以看到_zvalue_value中只有5個字段，但是PHP中算上NULL有8種數據類型，那麼PHP內部是如何用5個字段表示8種類型呢？這算是PHP設計比較巧妙的一個地方，它通過復用字段達到了減少字段的目的。例如，在PHP內部布爾型、整型及資源（只要存儲資源的標識符即可）都是通過lval字段存儲的；dval用於存儲浮點型；str存儲字符串；ht存儲數組（注意PHP中的數組其實是哈希表）；而obj存儲對象類型；如果所有字段全部置為0或NULL則表示PHP中的NULL，這樣就達到了用5個字段存儲8種類型的值。

而當前zval中的value（value的類型即是_zvalue_value）到底表示那種類型，則由“_zval_struct”中的type確定。_zval_struct即是zval在C語言中的具體實現，每個zval表示一個變量的內存對象。除了value和type，可以看到_zval_struct中還有兩個字段refcount__gc和is_ref__gc，從其後綴就可以斷定這兩個家伙與垃圾回收有關。沒錯，PHP的垃圾回收全靠這倆字段了。其中refcount__gc表示當前有幾個變量引用此zval，而is_ref__gc表示當前zval是否被按引用引用，這話聽起來很拗口，這和PHP中zval的“Write-On-Copy”機制有關，由於這個話題不是本文重點，因此這裡不再詳述，讀者只需記住refcount__gc這個字段的作用即可。

PHP5.2中的垃圾回收算法——Reference Counting

PHP5.2中使用的內存回收算法是大名鼎鼎的Reference Counting，這個算法中文翻譯叫做“引用計數”，其思想非常直觀和簡潔：為每個內存對象分配一個計數器，當一個內存對象建立時計數器初始化為1（因此此時總是有一個變量引用此對象），以後每有一個新變量引用此內存對象，則計數器加1，而每當減少一個引用此內存對象的變量則計數器減1，當垃圾回收機制運作的時候，將所有計數器為0的內存對象銷毀並回收其占用的內存。而PHP中內存對象就是zval，而計數器就是refcount__gc。

例如下面一段PHP代碼演示了PHP5.2計數器的工作原理（計數器值通過xdebug.org得到）：

<?php

$val1 = 100; //zval(val1).refcount_gc = 1;
$val2 = $val1; //zval(val1).refcount_gc = 2,zval(val2).refcount_gc = 2(因為是Write on copy，當前val2與val1共同引用一個zval)
$val2 = 200; //zval(val1).refcount_gc = 1,zval(val2).refcount_gc = 1(此處val2新建了一個zval)
unset($val1); //zval(val1).refcount_gc = 0($val1引用的zval再也不可用，會被GC回收)

?>

Reference Counting簡單直觀，實現方便，但卻存在一個致命的缺陷，就是容易造成內存洩露。很多朋友可能已經意識到了，如果存在循環引用，那麼Reference Counting就可能導致內存洩露。例如下面的代碼：

<?php

$a = array();
$a[] = & $a;
unset($a);

?>

這段代碼首先建立了數組a，然後讓a的第一個元素按引用指向a，這時a的zval的refcount就變為2，然後我們銷毀變量a，此時a最初指向的zval的refcount為1，但是我們再也沒有辦法對其進行操作，因為其形成了一個循環自引用，如下圖所示：

其中灰色部分表示已經不復存在。由於a之前指向的zval的refcount為1（被其HashTable的第一個元素引用），這個zval就不會被GC銷毀，這部分內存就洩露了。

這裡特別要指出的是，PHP是通過符號表（Symbol Table）存儲變量符號的，全局有一個符號表，而每個復雜類型如數組或對象有自己的符號表，因此上面代碼中，a和a［0］是兩個符號，但是a儲存在全局符號表中，而a［0］儲存在數組本身的符號表中，且這裡a和a［0］引用同一個zval（當然符號a後來被銷毀了）。希望讀者朋友注意分清符號（Symbol）的zval的關系。

在PHP只用於做動態頁面腳本時，這種洩露也許不是很要緊，因為動態頁面腳本的生命周期很短，PHP會保證當腳本執行完畢後，釋放其所有資源。但是PHP發展到目前已經不僅僅用作動態頁面腳本這麼簡單，如果將PHP用在生命周期較長的場景中，例如自動化測試腳本或deamon進程，那麼經過多次循環後積累下來的內存洩露可能就會很嚴重。這並不是我在聳人聽聞，我曾經實習過的一個公司就通過PHP寫的deamon進程來與數據存儲服務器交互。

由於Reference Counting的這個缺陷，PHP5.3改進了垃圾回收算法。

PHP5.3中的垃圾回收算法——Concurrent Cycle Collection in Reference Counted Systems

PHP5.3的垃圾回收算法仍然以引用計數為基礎，但是不再是使用簡單計數作為回收准則，而是使用了一種同步回收算法，這個算法由IBM的工程師在論文Concurrent Cycle Collection in Reference Counted Systems中提出。

這個算法可謂相當復雜，從論文29頁的數量我想大家也能看出來，所以我不打算（也沒有能力）完整論述此算法，有興趣的朋友可以閱讀上面的提到的論文（強烈推薦，這篇論文非常精彩）。

我在這裡，只能大體描述一下此算法的基本思想。

首先PHP會分配一個固定大小的“根緩沖區”，這個緩沖區用於存放固定數量的zval，這個數量默認是10，000，如果需要修改則需要修改源代碼Zend/zend_gc.c中的常量GC_ROOT_BUFFER_MAX_ENTRIES然後重新編譯。

由上文我們可以知道，一個zval如果有引用，要麼被全局符號表中的符號引用，要麼被其它表示復雜類型的zval中的符號引用。因此在zval中存在一些可能根（root）。這裡我們暫且不討論PHP是如何發現這些可能根的，這是個很復雜的問題，總之PHP有辦法發現這些可能根zval並將它們投入根緩沖區。

當根緩沖區滿額時，PHP就會執行垃圾回收，此回收算法如下：

1、對每個根緩沖區中的根zval按照深度優先遍歷算法遍歷所有能遍歷到的zval，並將每個zval的refcount減1，同時為了避免對同一zval多次減1（因為可能不同的根能遍歷到同一個zval），每次對某個zval減1後就對其標記為“已減”。

2、再次對每個緩沖區中的根zval深度優先遍歷，如果某個zval的refcount不為0，則對其加1，否則保持其為0。

3、清空根緩沖區中的所有根（注意是把這些zval從緩沖區中清除而不是銷毀它們），然後銷毀所有refcount為0的zval，並收回其內存。

如果不能完全理解也沒有關系，只需記住PHP5.3的垃圾回收算法有以下幾點特性：

1、並不是每次refcount減少時都進入回收周期，只有根緩沖區滿額後在開始垃圾回收。

2、可以解決循環引用問題。

3、可以總將內存洩露保持在一個阈值以下。

PHP5.2與PHP5.3垃圾回收算法的性能比較

由於我目前條件所限，我就不重新設計試驗了，而是直接引用PHP Manual中的實驗，關於兩者的性能比較請參考PHP Manual中的相關章節：http://www.php.net/manual/en/features.gc.performance-considerations.php。

首先是內存洩露試驗，下面直接引用PHP Manual中的實驗代碼和試驗結果圖：