خوارزميات عد المراجع: تنفيذ جمع القمامة الدوري

عد المراجع هو أسلوب لإدارة الذاكرة حيث يحتفظ كل كائن في الذاكرة بعدد المراجع التي تشير إليه. عندما ينخفض ​​عدد المراجع لكائن إلى الصفر، فهذا يعني أنه لا توجد كائنات أخرى تشير إليه، ويمكن إلغاء تخصيص الكائن بأمان. يقدم هذا النهج العديد من المزايا، ولكنه يواجه أيضًا تحديات، خاصة مع هياكل البيانات الدورية. تقدم هذه المقالة نظرة عامة شاملة عن عد المراجع ومزاياه وقيوده واستراتيجياته لتنفيذ جمع القمامة الدوري.

ما هو عد المراجع؟

عد المراجع هو شكل من أشكال إدارة الذاكرة التلقائية. بدلاً من الاعتماد على جامع القمامة لفحص الذاكرة بشكل دوري بحثًا عن الكائنات غير المستخدمة، يهدف عد المراجع إلى استعادة الذاكرة بمجرد أن يصبح الوصول إليها غير ممكن. يحتوي كل كائن في الذاكرة على عدد مراجع مرتبط به، يمثل عدد المراجع (المؤشرات، الروابط، إلخ) إلى هذا الكائن. العمليات الأساسية هي:

• زيادة عدد المراجع: عند إنشاء مرجع جديد لكائن، يتم زيادة عدد المراجع الخاص بالكائن.
• تقليل عدد المراجع: عند إزالة مرجع لكائن أو الخروج عن النطاق، يتم تقليل عدد المراجع الخاص بالكائن.
• إلغاء التخصيص: عندما يصل عدد المراجع الخاص بالكائن إلى الصفر، فهذا يعني أن الكائن لم يعد مرجعًا إليه من قبل أي جزء آخر من البرنامج. في هذه المرحلة، يمكن إلغاء تخصيص الكائن، ويمكن استعادة ذاكرته.

مثال: ضع في اعتبارك سيناريو بسيطًا في Python (على الرغم من أن Python تستخدم بشكل أساسي جامع القمامة للتتبع، إلا أنها تستخدم أيضًا عد المراجع للتنظيف الفوري):

obj1 = MyObject()
obj2 = obj1  # Increment reference count of obj1
del obj1  # Decrement reference count of MyObject; object is still accessible through obj2
del obj2  # Decrement reference count of MyObject; if this was the last reference, the object is deallocated

مزايا عد المراجع

يوفر عد المراجع العديد من المزايا المقنعة مقارنة بتقنيات إدارة الذاكرة الأخرى، مثل جمع القمامة بالتتبع:

• الاستعادة الفورية: تتم استعادة الذاكرة بمجرد أن يصبح الوصول إلى كائن غير ممكن، مما يقلل من مساحة الذاكرة وتجنب التوقفات الطويلة المرتبطة بجامعي القمامة التقليديين. هذا السلوك الحتمي مفيد بشكل خاص في الأنظمة أو التطبيقات في الوقت الفعلي ذات متطلبات الأداء الصارمة.
• البساطة: خوارزمية عد المراجع الأساسية واضحة نسبيًا للتنفيذ، مما يجعلها مناسبة للأنظمة المدمجة أو البيئات ذات الموارد المحدودة.
• موقع المرجع: غالبًا ما يؤدي إلغاء تخصيص كائن إلى إلغاء تخصيص كائنات أخرى يشير إليها، مما يحسن أداء ذاكرة التخزين المؤقت ويقلل من تجزئة الذاكرة.

قيود عد المراجع

على الرغم من مزاياه، يعاني عد المراجع من عدة قيود يمكن أن تؤثر على قابليته للتطبيق العملي في بعض السيناريوهات:

• الحمل الزائد: يمكن أن يؤدي زيادة وتقليل عدد المراجع إلى إدخال حمل زائد كبير، خاصة في الأنظمة التي يتم فيها إنشاء الكائنات وحذفها بشكل متكرر. يمكن أن يؤثر هذا الحمل الزائد على أداء التطبيق.
• المراجع الدائرية: القيد الأهم في عد المراجع الأساسي هو عدم قدرته على التعامل مع المراجع الدائرية. إذا كان كائنان أو أكثر يشيران إلى بعضهما البعض، فلن يصل عدد المراجع الخاص بهما إلى الصفر أبدًا، حتى لو لم يكن الوصول إليهما ممكنًا من بقية البرنامج، مما يؤدي إلى تسرب الذاكرة.
• التعقيد: يتطلب تنفيذ عد المراجع بشكل صحيح، خاصة في البيئات متعددة الخيوط، مزامنة دقيقة لتجنب حالات السباق وضمان دقة عدد المراجع. يمكن أن يضيف هذا تعقيدًا إلى التنفيذ.

مشكلة المرجع الدائري

تعتبر مشكلة المرجع الدائري هي نقطة ضعف عد المراجع الساذج. ضع في اعتبارك كائنين، A و B، حيث يشير A إلى B ويشير B إلى A. حتى إذا لم تشر أي كائنات أخرى إلى A أو B، فسيكون عدد المراجع الخاص بهما واحدًا على الأقل، مما يمنعهما من إلغاء تخصيصهما. يؤدي هذا إلى إنشاء تسرب للذاكرة، حيث تظل الذاكرة التي يشغلها A و B مخصصة ولكن لا يمكن الوصول إليها.

مثال: في Python:

class Node:
    def __init__(self, data):
        self.data = data
        self.next = None

node1 = Node(1)
node2 = Node(2)

node1.next = node2
node2.next = node1  # Circular reference created

del node1
del node2  # Memory leak: the nodes are no longer accessible, but their reference counts are still 1

يمكن أن تظهر لغات مثل C++ باستخدام المؤشرات الذكية (مثل `std::shared_ptr`) هذا السلوك أيضًا إذا لم تتم إدارتها بعناية. ستمنع دورات `shared_ptr` إلغاء التخصيص.

استراتيجيات جمع القمامة الدوري

لمعالجة مشكلة المرجع الدائري، يمكن استخدام العديد من تقنيات جمع القمامة الدوري جنبًا إلى جنب مع عد المراجع. تهدف هذه التقنيات إلى تحديد دورات الكائنات التي لا يمكن الوصول إليها وكسرها، مما يسمح بإلغاء تخصيصها.

1. خوارزمية العلامات والمسح

خوارزمية العلامات والمسح هي تقنية لجمع القمامة مستخدمة على نطاق واسع ويمكن تكييفها للتعامل مع المراجع الدائرية في أنظمة عد المراجع. وهو يتضمن مرحلتين:

• مرحلة العلامات: بدءًا من مجموعة من الكائنات الجذرية (الكائنات التي يمكن الوصول إليها مباشرة من البرنامج)، تجتاز الخوارزمية الرسم البياني للكائنات، مع وضع علامة على جميع الكائنات التي يمكن الوصول إليها.
• مرحلة المسح: بعد مرحلة العلامات، تقوم الخوارزمية بمسح مساحة الذاكرة بأكملها، وتحديد الكائنات التي لم يتم وضع علامة عليها. تعتبر هذه الكائنات غير المميزة غير قابلة للوصول ويتم إلغاء تخصيصها.

في سياق عد المراجع، يمكن استخدام خوارزمية العلامات والمسح لتحديد دورات الكائنات التي لا يمكن الوصول إليها. تقوم الخوارزمية مؤقتًا بتعيين عدد المراجع لجميع الكائنات إلى الصفر ثم تنفذ مرحلة العلامات. إذا ظل عدد المراجع الخاص بالكائن صفرًا بعد مرحلة العلامات، فهذا يعني أن الكائن لا يمكن الوصول إليه من أي كائنات جذرية وهو جزء من دورة لا يمكن الوصول إليها.

اعتبارات التنفيذ:

• يمكن تشغيل خوارزمية العلامات والمسح بشكل دوري أو عندما يصل استخدام الذاكرة إلى حد معين.
• من المهم التعامل مع المراجع الدائرية بعناية أثناء مرحلة العلامات لتجنب الحلقات اللانهائية.
• يمكن للخوارزمية إدخال توقفات في تنفيذ التطبيق، خاصة أثناء مرحلة المسح.

2. خوارزميات الكشف عن الدورة

تم تصميم العديد من الخوارزميات المتخصصة خصيصًا للكشف عن الدورات في الرسوم البيانية للكائنات. يمكن استخدام هذه الخوارزميات لتحديد دورات الكائنات التي لا يمكن الوصول إليها في أنظمة عد المراجع.

أ) خوارزمية المكونات المترابطة بقوة لـ Tarjan

خوارزمية Tarjan هي خوارزمية اجتياز الرسم البياني التي تحدد المكونات المترابطة بقوة (SCCs) في الرسم البياني الموجه. SCC عبارة عن رسم بياني فرعي حيث يمكن الوصول إلى كل رأس من كل رأس آخر. في سياق جمع القمامة، يمكن أن تمثل SCC دورات الكائنات.

كيف يعمل:

• تنفذ الخوارزمية بحثًا متعمقًا أولاً (DFS) للرسم البياني للكائنات.
• أثناء DFS، يتم تعيين فهرس فريد وقيمة ارتباط منخفض لكل كائن.
• تمثل قيمة الارتباط المنخفض أصغر فهرس لأي كائن يمكن الوصول إليه من الكائن الحالي.
• عندما تواجه DFS كائنًا موجودًا بالفعل في المكدس، فإنها تقوم بتحديث قيمة الارتباط المنخفض للكائن الحالي.
• عندما تكمل DFS معالجة SCC، فإنها تسحب جميع الكائنات الموجودة في SCC من المكدس وتحددها كجزء من دورة.

ب) خوارزمية المكون القوي المستندة إلى المسار

خوارزمية المكون القوي المستندة إلى المسار (PBSCA) هي خوارزمية أخرى لتحديد SCC في الرسم البياني الموجه. إنه بشكل عام أكثر كفاءة من خوارزمية Tarjan في الممارسة العملية، خاصة بالنسبة للرسوم البيانية المتفرقة.

كيف يعمل:

• تحتفظ الخوارزمية بمكدس من الكائنات التي تمت زيارتها أثناء DFS.
• لكل كائن، يخزن مسارًا يؤدي من الكائن الجذر إلى الكائن الحالي.
• عندما تواجه الخوارزمية كائنًا موجودًا بالفعل في المكدس، فإنها تقارن المسار إلى الكائن الحالي بالمسار إلى الكائن الموجود في المكدس.
• إذا كان المسار إلى الكائن الحالي بادئة للمسار إلى الكائن الموجود في المكدس، فهذا يعني أن الكائن الحالي هو جزء من دورة.

3. عد المراجع المؤجل

يهدف عد المراجع المؤجل إلى تقليل الحمل الزائد لزيادة وتقليل عدد المراجع عن طريق تأجيل هذه العمليات حتى وقت لاحق. يمكن تحقيق ذلك عن طريق تخزين تغييرات عدد المراجع مؤقتًا وتطبيقها على دفعات.

التقنيات:

• المخازن المؤقتة المحلية للخيوط: يحتفظ كل مؤشر ترابط بمخزن مؤقت محلي لتخزين تغييرات عدد المراجع. يتم تطبيق هذه التغييرات على أعداد المراجع العالمية بشكل دوري أو عندما يصبح المخزن المؤقت ممتلئًا.
• حواجز الكتابة: تُستخدم حواجز الكتابة لاعتراض عمليات الكتابة إلى حقول الكائنات. عندما تنشئ عملية الكتابة مرجعًا جديدًا، فإن حاجز الكتابة يعترض الكتابة ويؤجل زيادة عدد المراجع.

في حين أن عد المراجع المؤجل يمكن أن يقلل من الحمل الزائد، إلا أنه يمكن أن يؤخر أيضًا استعادة الذاكرة، مما قد يزيد من استخدام الذاكرة.

4. علامة ومسح جزئي

بدلاً من إجراء علامة ومسح كاملين على مساحة الذاكرة بأكملها، يمكن إجراء علامة ومسح جزئيين على منطقة أصغر من الذاكرة، مثل الكائنات التي يمكن الوصول إليها من كائن معين أو مجموعة من الكائنات. يمكن أن يؤدي ذلك إلى تقليل أوقات التوقف المرتبطة بجمع القمامة.

التنفيذ:

• تبدأ الخوارزمية من مجموعة من الكائنات المشتبه بها (الكائنات التي من المحتمل أن تكون جزءًا من دورة).
• يجتاز الرسم البياني للكائنات الذي يمكن الوصول إليه من هذه الكائنات، مع وضع علامة على جميع الكائنات التي يمكن الوصول إليها.
• ثم يمسح المنطقة المميزة، ويزيل تخصيص أي كائنات غير مميزة.

تنفيذ جمع القمامة الدوري في لغات مختلفة

يمكن أن يختلف تنفيذ جمع القمامة الدوري اعتمادًا على لغة البرمجة ونظام إدارة الذاكرة الأساسي. فيما يلي بعض الأمثلة:

بايثون

تستخدم Python مجموعة من عد المراجع وجامع القمامة للتتبع لإدارة الذاكرة. يتعامل مكون عد المراجع مع إلغاء التخصيص الفوري للكائنات، بينما يكتشف جامع القمامة للتتبع ويكسر دورات الكائنات التي لا يمكن الوصول إليها.

يتم تنفيذ جامع القمامة في Python في الوحدة `gc`. يمكنك استخدام الوظيفة `gc.collect()` لتشغيل جمع القمامة يدويًا. يتم تشغيل جامع القمامة أيضًا تلقائيًا على فترات منتظمة.

مثال:

import gc

class Node:
    def __init__(self, data):
        self.data = data
        self.next = None

node1 = Node(1)
node2 = Node(2)

node1.next = node2
node2.next = node1  # Circular reference created

del node1
del node2

gc.collect()  # Force garbage collection to break the cycle

C++‎

لا تحتوي C++‎ على وظيفة جمع القمامة مدمجة. تتم عادةً إدارة الذاكرة يدويًا باستخدام `new` و`delete` أو باستخدام المؤشرات الذكية.

لتنفيذ جمع القمامة الدوري في C++‎، يمكنك استخدام المؤشرات الذكية مع الكشف عن الدورة. أحد الأساليب هو استخدام `std::weak_ptr` لكسر الدورات. `weak_ptr` هو مؤشر ذكي لا يزيد عدد المراجع للكائن الذي يشير إليه. يتيح لك ذلك إنشاء دورات من الكائنات دون منع إلغاء تخصيصها.

مثال:

#include 
#include 

class Node {
public:
    int data;
    std::shared_ptr next;
    std::weak_ptr prev;  // Use weak_ptr to break cycles

    Node(int data) : data(data) {}
    ~Node() { std::cout << "Node destroyed with data: " << data << std::endl; }
};

int main() {
    std::shared_ptr node1 = std::make_shared(1);
    std::shared_ptr node2 = std::make_shared(2);

    node1->next = node2;
    node2->prev = node1; // Cycle created, but prev is weak_ptr

    node2.reset();
    node1.reset(); // Nodes will now be destroyed

    return 0;
}

في هذا المثال، يحتفظ `node2` بـ `weak_ptr` إلى `node1`. عندما يخرج كل من `node1` و`node2` عن النطاق، يتم تدمير مؤشراتهما المشتركة، ويتم إلغاء تخصيص الكائنات لأن المؤشر الضعيف لا يساهم في عدد المراجع.

جافا

تستخدم Java جامع قمامة تلقائي يتعامل مع كل من التتبع وشكل من أشكال عد المراجع داخليًا. جامع القمامة مسؤول عن اكتشاف واستعادة الكائنات التي لا يمكن الوصول إليها، بما في ذلك تلك المتورطة في المراجع الدائرية. لا تحتاج عمومًا إلى تنفيذ جمع القمامة الدوري بشكل صريح في Java.

ومع ذلك، فإن فهم كيفية عمل جامع القمامة يمكن أن يساعدك في كتابة تعليمات برمجية أكثر كفاءة. يمكنك استخدام أدوات مثل محللات الأداء لمراقبة نشاط جمع القمامة وتحديد تسربات الذاكرة المحتملة.

جافاسكربت

تعتمد JavaScript على جمع القمامة (غالبًا خوارزمية العلامات والمسح) لإدارة الذاكرة. في حين أن عد المراجع هو جزء من الطريقة التي قد يتتبع بها المحرك الكائنات، إلا أن المطورين لا يتحكمون بشكل مباشر في جمع القمامة. المحرك مسؤول عن اكتشاف الدورات.

ومع ذلك، كن حذرًا بشأن إنشاء رسوم بيانية للكائنات كبيرة جدًا عن غير قصد والتي قد تبطئ دورات جمع القمامة. يؤدي كسر المراجع إلى الكائنات عندما لم تعد هناك حاجة إليها إلى مساعدة المحرك على استعادة الذاكرة بشكل أكثر كفاءة.

أفضل الممارسات لعد المراجع وجمع القمامة الدوري

• تقليل المراجع الدائرية: صمم هياكل البيانات الخاصة بك لتقليل إنشاء المراجع الدائرية. ضع في اعتبارك استخدام هياكل بيانات أو تقنيات بديلة لتجنب الدورات تمامًا.
• استخدم المراجع الضعيفة: في اللغات التي تدعم المراجع الضعيفة، استخدمها لكسر الدورات. لا تزيد المراجع الضعيفة عدد المراجع للكائن الذي تشير إليه، مما يسمح بإلغاء تخصيص الكائن حتى لو كان جزءًا من دورة.
• تنفيذ الكشف عن الدورة: إذا كنت تستخدم عد المراجع في لغة بدون كشف دورة مدمج، فقم بتنفيذ خوارزمية الكشف عن الدورة لتحديد دورات الكائنات التي لا يمكن الوصول إليها وكسرها.
• مراقبة استخدام الذاكرة: راقب استخدام الذاكرة للكشف عن تسربات الذاكرة المحتملة. استخدم أدوات تحليل الأداء لتحديد الكائنات التي لا يتم إلغاء تخصيصها بشكل صحيح.
• تحسين عمليات عد المراجع: قم بتحسين عمليات عد المراجع لتقليل الحمل الزائد. ضع في اعتبارك استخدام تقنيات مثل عد المراجع المؤجل أو حواجز الكتابة لتحسين الأداء.
• ضع في اعتبارك المفاضلات: قم بتقييم المفاضلات بين عد المراجع وتقنيات إدارة الذاكرة الأخرى. قد لا يكون عد المراجع هو الخيار الأفضل لجميع التطبيقات. ضع في اعتبارك التعقيد والحمل الزائد والقيود المفروضة على عد المراجع عند اتخاذ قرارك.

الخلاصة

يعد عد المراجع أسلوبًا قيمًا لإدارة الذاكرة يوفر استعادة فورية وبساطة. ومع ذلك، فإن عدم قدرته على التعامل مع المراجع الدائرية يمثل قيدًا كبيرًا. من خلال تنفيذ تقنيات جمع القمامة الدوري، مثل خوارزميات العلامات والمسح أو الكشف عن الدورة، يمكنك التغلب على هذا القيد وجني فوائد عد المراجع دون التعرض لخطر تسرب الذاكرة. يعد فهم المفاضلات وأفضل الممارسات المرتبطة بعد المراجع أمرًا بالغ الأهمية لبناء أنظمة برمجية قوية وفعالة. ضع في اعتبارك بعناية المتطلبات المحددة لتطبيقك واختر استراتيجية إدارة الذاكرة التي تناسب احتياجاتك على أفضل وجه، مع دمج جمع القمامة الدوري عند الضرورة للتخفيف من تحديات المراجع الدائرية. تذكر تحليل التعليمات البرمجية الخاصة بك وتحسينها لضمان استخدام الذاكرة بكفاءة ومنع تسربات الذاكرة المحتملة.