近日，中国科学院软件研究所科研团队在语言虚拟机内存管理方面取得进展，涉及垃圾回收（GC）算法的跨语言性能评估以及面向大数据系统的新型垃圾回收器设计。
在现代编程语言中，GC负责自动管理内存分配和回收，其效率直接影响用户程序的性能。目前，学术界和工业界主要通过对比评估单一语言运行环境下的GC实现，来分析性能差异指导GC优化，缺少直接实现不同语言运行环境下的GC性能差异评估的方法。
针对这一不足，研究团队提出了GEAR方法，通过自动构建适用于不同语言运行环境的一致性GC工作负载，实现跨语言GC性能评估。GEAR的核心在于设计了一组与运行环境无关的内存操作原语（MOP），用于描述影响GC行为的关键内存使用信息。GEAR可以将这些MOP程序自动转换为目标语言的代码，并生成一致的GC测试负载。为保证测试负载的真实性，团队对Java虚拟机进行插桩，记录实际Java应用程序执行期间的内存操作，并将其转换为MOP程序，进而适配到其他语言运行环境。
实验表明，GEAR能够在Java、Go和C#三个广泛使用的运行环境生成一致的GC工作负载。基于此，团队对比了这三种语言的GC实现情况，揭示了6项性能差异，并分析了可能原因，为未来GC优化提供了参考依据。
相关成果被ICSE 2025会议录用。研究工作得到国家自然科学基金和中国科学院相关项目的支持。
当前，Apache Flink、Spark等主流大数据框架普遍运行于JVM平台，其内存管理依赖JVM虚拟机的GC算法。然而，大数据应用通常产生大量长生命周期的数据对象，这与传统GC算法针对短生命周期对象优化的设计假设存在差异，导致GC效率低下，影响系统性能。
针对这一问题，研究团队面向大数据系统，设计并提出了新型跨层次垃圾回收器BridgeGC，通过框架层与GC层的协同设计实现内存管理优化。具体来说，BridgeGC在框架源码层面采用极简注解方式标记关键数据的创建和释放点，帮助GC层识别数据对象及其生命周期；BridgeGC在GC层设计了分离式内存布局，将普通对象和大数据对象分区管理，提高内存访问效率；BridgeGC通过自适应GC回收策略，根据对象生命周期动态调整数据处理时期，避免冗余标记等不必要操作。
研究团队将BridgeGC集成至OpenJDK 17的ZGC回收器，并在Apache Flink、Spark等主流大数据系统进行验证。实验数据显示，BridgeGC在保持内存使用效率的同时将GC耗时降低了31%至82%。此外，BridgeGC提升了端到端应用性能，且对业务系统透明，无需修改应用代码。
相关成果被ACM TACO录用。研究工作得到国家自然科学基金等的支持。
11月13日，教育部召开学习贯彻落实习近平总书记给中国国际大学生创新大赛参赛学生代表重要回信精神座谈会。教育部党组书记、部长怀进鹏出席会议并讲话。教育部党组成员、副部长吴岩主持会议。 怀进鹏指出，习近平 城区学校在开展劳动教育时常常面临劳动教育资源不足、劳动场地受限等问题。长沙市长郡芙蓉中学是—所城区学校，校园面积仅29亩，学生达到2100余人。为了满足学生的劳动实践需求，学校在建设和 中国教育报-中国教育新闻网讯（记者 魏海政 通讯员 王胜利 胡勇）11月11日上午，山东省泰安市东平县旧县乡中心学校一名学生家长饱含感激之情，将一面写有“关爱生命施援手，全家不忘救命恩”的锦旗，送 2024年11月8日，十四届全国人民代表大会常务委员会第十二次会议表决通过《中华人民共和国学前教育法》，自2025年6月1日起施行。学前教育是国民教育体系的组成部分，是重要的社会公益事业，关系到亿 中国教育报-中国教育新闻网讯（记者 陈欣然）“大家来看这幅图，图中红点表示位于中心城区的64处红色旧址，其余36处位于周边郊区……”近日，在天津城建大学革命丰碑展馆，讲解员正在向参观的学生们介绍 中国教育新闻网讯（记者 焦小新）近日，由广东以色列理工学院（以下简称“广以”）、广东省能量转换材料和技术重点实验室主办的“2024先进材料与柔性电子国际研讨会”成功举办。世界柔性电子领域知名 。本文链接：语言虚拟机内存管理研究取得进展http://www.sushuapos.com/show-12-1510-0.html
声明：本网站为非营利性网站，本网页内容由互联网博主自发贡献，不代表本站观点，本站不承担任何法律责任。天上不会到馅饼，请大家谨防诈骗！若有侵权等问题请及时与本网联系，我们将在第一时间删除处理。
上一篇： “百县对百校促就业行动”滁州专场校企供需对接会暨“百校学子滁州行”活动举办
下一篇： 研究通过纳米限域结晶构筑高性能呋喃聚酯