Web services 在长时间运行的公共Lisp应用程序中，应该使用什么策略来管理垃圾？
如果我在公共Lisp映像中托管一个长时间运行的应用程序（如web服务器），我应该使用什么策略来管理垃圾收集器 我假设，在默认情况下，垃圾收集器有权花很长时间整理堆，有时我无法预测。这可能会以我不希望的方式影响特定的浏览器请求Web services 在长时间运行的公共Lisp应用程序中，应该使用什么策略来管理垃圾？,web-services,garbage-collection,lisp,common-lisp,Web Services,Garbage Collection,Lisp,Common Lisp,如果我在公共Lisp映像中托管一个长时间运行的应用程序（如web服务器），我应该使用什么策略来管理垃圾收集器 我假设，在默认情况下，垃圾收集器有权花很长时间整理堆，有时我无法预测。这可能会以我不希望的方式影响特定的浏览器请求 在Common Lisp中是否有一种方法可以控制这种情况？也许是鼓励它以“少而常”的方式工作？从早期开始，垃圾收集已经走了很长的路，为了避免不可预知的长时间等待，已经做了很多工作。对于现代实现，我认为这些已经成为过去 但是，垃圾收集的细节因实现而异。现在没有那么多高质量的L
在Common Lisp中是否有一种方法可以控制这种情况？也许是鼓励它以“少而常”的方式工作？从早期开始，垃圾收集已经走了很长的路，为了避免不可预知的长时间等待，已经做了很多工作。对于现代实现，我认为这些已经成为过去
但是，垃圾收集的细节因实现而异。现在没有那么多高质量的Lisp实现，因此您应该可以很容易地查阅他们关于垃圾收集的文档。一些Lisp实现具有优秀的垃圾收集器。一个特殊的问题是Lisp应用程序通常具有较高的小对象分配率（conses，…） 有一些事情需要考虑。
- 精确与保守GC。我不是Lisp的保守GCs（Boehm等）的超级粉丝。保守的地面军事系统的一个问题是，他们找不到所有的垃圾。对于长时间运行的程序来说，这可能是一个问题，并且会导致碎片化和无法回收未使用的内存。精确地面军事系统使用Lisp数据的标记信息，可以识别每个对象的每个数据类型。保守的GCs是为不使用标记数据的编程语言实现而发明的（C++，…）
- 复制GC，压缩GC。为了解决长时间运行的Lisps中的内存碎片问题，可以使用压缩和本地化对象的GC。当哈希表需要重新刷新时（因为位置改变），有时会出现问题。复制GC可能需要更多内存（因为有一个from和to内存空间）。但当GC将对象从一个内存空间复制到另一个内存空间时，它会自动使其更加紧凑。更高级的GCs（如Lisp机器上的GCs）还可以对对象进行排序，并将相同类型的对象分配到彼此相邻的位置，前提是这样可以加快对对象的访问速度
- 短暂GC。这意味着有第一个GC阶段专门在主内存中运行，并从内存管理单元获得一些支持，以识别更改的内存区域。扫描主内存比扫描虚拟内存快，并且只扫描更改的内存区域可以进一步减少工作量。当分配了大量对象并很快变成垃圾时，这会导致很短的GC暂停
- 世代GC。如今的地面军事系统通常是分代的。有不止一代，在几代地面军事系统中幸存下来的物体将升级到更老的一代。通常只有第一代人经常进行GCD
- 调谐。例如，LispWorks和Allegro CL的地面军事系统有很多调谐旋钮。特别是对于长期运行的应用程序，阅读手册，例如调整代数、代大小和其他内容是有意义的
- 虚拟内存。虚拟内存上的GC通常非常慢。尽可能避免这种情况-为机器添加更多RAM
- 手动内存管理。例如，CL-HTTP web服务器使用资源执行一些手动内存管理。这些是预先分配的对象池，可以很快重新初始化。Lisp机器经常使用这个。它们的典型用途是在流的读取缓冲区中。与每次读取操作都创建新字符串不同，使用可重用缓冲区非常有用
- 堆栈分配。一些常见的Lisp允许对某些数据进行堆栈分配—离开块后会自动释放内存。这假定在离开块时不再引用内存。请参见声明
动态范围 - 并发GC。通常的公共Lisp实现都没有并发GC和对并发Lisp线程的支持。有些实现具有并发Lisp线程，但GC将在其工作时停止所有这些线程。如果Lisp实现在JVM上运行，比如ABCL，那么它可能能够使用JVM并发/并行GC
- 分析内存分配。如果您不确定分配发生在哪里以及GC做了什么，那么需要使用分析信息来了解这一点
- 克洛祖雷公司
- CMUCL
- LispWorks
- 快板
您使用的是哪种lisp实现？当您说“我在假设”时，听起来好像您在尝试进行优化，而没有进行任何分析。您是否看到您的环境中需要解决的具体问题？我正在开始向自己介绍尚未出现的问题。考虑到web服务上使用的GC语言的数量，我认为这是一个基本上已解决的问题。哦，我现在不打算优化任何东西。我只是想知道当问题出现时我的选择是什么，我想你不会的
CL-USER 2 > (room t)
Generation 0: Total Size 1823K, Allocated 1090K, Free 725K
Segment 2008AAB8: Total Size 507K, Allocated 361K, Free 142K
minimum free space 64K,
Awaiting promotion = 0K, sweeps before promotion =10
Segment 217E7050: Total Size 1315K, Allocated 729K, Free 582K
minimum free space 0K,
Awaiting promotion = 0K, sweeps before promotion =2
Generation 1: Total Size 1397K, Allocated 513K, Free 871K
Segment 20CB9A50: Total Size 68K, Allocated 48K, Free 15K
minimum free space 0K,
Awaiting promotion = 0K, sweeps before promotion =4
Segment 216D7050: Total Size 1088K, Allocated 331K, Free 752K
minimum free space 0K,
Awaiting promotion = 0K, sweeps before promotion =4
Segment 2004E4F8: Total Size 241K, Allocated 133K, Free 103K
minimum free space 0K, static
Generation 2: Total Size 2884K, Allocated 1290K, Free 1585K
Segment 21417050: Total Size 2816K, Allocated 1227K, Free 1584K
minimum free space 0K,
Awaiting promotion = 0K, sweeps before promotion =4
Segment 20DA5DA0: Total Size 68K, Allocated 62K, Free 1K
minimum free space 117K,
Awaiting promotion = 0K, sweeps before promotion =4
Generation 3: Total Size 19373K, Allocated 19232K, Free 128K
Segment 20109A50: Total Size 11968K, Allocated 11963K, Free 0K
minimum free space 3K,
Awaiting promotion = 0K, sweeps before promotion =10
Segment 20DB6E18: Total Size 6528K, Allocated 6396K, Free 128K
minimum free space 0K,
Awaiting promotion = 0K, sweeps before promotion =10
Segment 20CCAAC8: Total Size 876K, Allocated 872K, Free 0K
minimum free space 0K,
Awaiting promotion = 0K, sweeps before promotion =10
Total Size 25792K, Allocated 22127K, Free 3310K