你的心理模型是什么？它是如何实现的？它有哪些优点和缺点？ MATLAB GC 与 Python GC?
在看似无害的代码中使用 MATLAB 嵌套函数时，我有时会看到奇怪的性能瓶颈，我确信这是因为 GC。垃圾收集器是 VM 的重要组成部分，Mathworks 没有公开它。
我的问题是关于 MATLAB 自己的 heap 和 GC!与 Java/COM 对象的处理/防止“内存不足”错误/堆栈变量的分配无关。
编辑:第一个响应实际上是元答案“我为什么要关心？”。我确实很在意，因为 GC 在实现 linked list 时会表现出来。或 MVC模式。
最佳答案
这是我收集的事实 list 。在这种情况下，术语内存(取消)分配 似乎比 GC 更合适。
我的主要信息来源是 Loren 的博客(尤其是它的评论)和 this来自 MATLAB Digest 的文章。
由于其面向可能的大型数据集的数值计算，MATLAB 在优化方面做得非常好 stack objects性能像使用 in-place operations on data和 call-by-reference关于函数参数。同样由于它的方向，它的内存模型基本上是 different来自 Java 等 OO 语言。
MATLAB 在版本 7 之前正式没有用户定义的堆内存(在版本 6 中，schema.m 文件中有未记录的reference 功能)。 MATLAB 7 的堆都以 nested functions (closures) and handle objects 的形式存在，它们的实现共享相同的基础。作为附注 OO 可能是 emulated在 MATLAB 中使用闭包(对于 2008a 之前的版本很有趣)。
令人惊讶的是，可以检查函数句柄(闭包)捕获的封闭函数的整个工作区，请参阅函数 functions(fhandle)在 MATLAB 帮助中。这意味着封闭的工作区正在内存中卡住。这就是为什么 cellfun/arrayfun 在嵌套函数中使用时有时会非常慢。
Loren 也有有趣的帖子和 Brad Phelan关于对象清理。
在我看来，关于 MATLAB 中的堆释放最有趣的事实是，MATLAB 会在每次释放堆栈时尝试执行此操作，即在离开每个函数时。这有 advantages但如果堆重新分配很慢，这也是一个巨大的 CPU 损失。在某些情况下，它在 MATLAB 中实际上非常慢!
可以命中代码的 MATLAB 内存释放的性能问题非常糟糕。我总是注意到我无意中在我的代码中引入了一个循环引用，当它突然运行慢了 x20 并且有时在离开函数和返回它的调用者之间需要几秒钟(清理时间)。这是一个已知问题，请参阅 Dave Foti和 this older forum post这张图是用什么代码做的可视化性能(测试是在不同的机器上做的，所以不同MATLAB版本的绝对时序比较没有意义):
引用对象池大小的线性增加意味着 MATLAB 性能的多项式(或指数)下降!正如预期的那样，对于值对象，性能是线性的。
考虑到这些事实，我只能推测 MATLAB 使用尚未非常有效的引用计数 形式进行堆释放。
编辑:我总是遇到许多小嵌套函数的性能问题，但最近我注意到至少在 2006a 中清理了一个单个嵌套范围 几兆字节的数据也很糟糕，将嵌套范围变量设置为空需要 1.5 秒!
编辑 2:我终于得到了答案 - by Dave Foti himself .他承认存在缺陷，但表示 MATLAB 将保留其目前的确定性清理方法。
图例:执行时间越短越好
关于memory-management - MATLAB 的垃圾收集器？，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/1446281/