MATLAB的垃圾收集器？
你的心智模式是什么？ 它是如何实现的？ 它有哪些优点和缺点？ MATLAB GC与Python GC ？
我有时会看到奇怪的性能瓶颈时使用MATLAB嵌套function，否则无害的代码，我相信这是因为GC。 垃圾收集器是虚拟机的一个重要组成部分，Mathworks并不公开。
我的问题是关于MATLAB自己的堆和GC！ 不是关于处理Java / COM对象/防止“内存不足”错误/分配堆栈variables。
编辑：第一个回答实际上是元回答“我为什么要在意？”。 我很在乎，因为GC在实现链表或MVC模式时显现出来。
这是我收集的事实清单。 记忆（de）分配这一术语似乎更适合于这种情况。
我的主要信息来源是Loren的博客（特别是其评论）和来自MATLAB Digest的这篇文章。
由于数值计算的方向可能有大量的数据集，因此MATLAB在优化堆栈对象性能方面确实做得很好，例如使用数据的就地操作和函数参数的引用调用。 同样因为它的定位，它的内存模型与Java这样的OO语言根本不同 。
在版本7之前，MATLAB正式没有用户定义的堆内存（在版本6中，在schema.m文件中有未logging的referencefunction）。 MATLAB 7具有嵌套函数（闭包）和处理对象的forms ，它们的实现共享相同的基础。 作为一个侧面说明OO可以用MATLAB中的闭包进行模拟 （对于2008年之前有趣）。
令人惊讶的是，可以检查由函数句柄（闭包）捕获的封闭函数的整个工作空间，参见MATLAB帮助中的函数函数（fhandle） 。 这意味着封闭的工作空间正在被冻结在内存中。 这就是为什么cellfun/arrayfun在嵌套函数中使用时有时非常慢的原因。
还有Loren和Brad Phelan在对象清理方面的有趣post。
在我看来，关于MATLAB中堆释放的最有趣的事实是，每次堆栈被释放时（即离开每个函数），MATLAB都会尝试执行它。 这有好处，但如果堆释放缓慢，也是巨大的CPU惩罚。 在某些情况下，实际上MATLAB非常慢！
可以打码的MATLAB内存释放的性能问题相当糟糕。 我总是注意到，当我的代码突然运行x20时，无意中引入了一个循环引用，有时在离开函数和返callback用者（花在清理上的时间）之间需要几秒钟的时间。 这是一个已知的问题，请参阅Dave Foti和这个较旧的论坛post ，该代码用于使图片可视化性能（testing是在不同的机器上进行的，因此不同MATLAB版本的绝对时序比较是没有意义的）：
参考对象池大小的线性增加意味着MATLAB性能的多项式（或指数）减less！ 对于价值对象，性能如预期的那样是线性的。
考虑到这些事实，我只能推测，MATLAB使用的还不是非常有效的引用计数forms，用于堆释放。
编辑 ：我总是遇到许多小嵌套function的性能问题，但最近我注意到，至less与2006年一个单一的嵌套范围与一些兆字节的数据的清理也是可怕的，只需要1.5秒设置嵌套范围variables为空！
编辑2 ：最后我得到了答案 – 由戴夫·福迪自己 。 他承认这个缺陷，但说MATLAB将保留现有的确定性清理方法。
图例：执行时间越短越好
MATLAB使工作空间在Workspace浏览器或“whos”命令中非常清晰。 这将显示您的命令创build的所有对象以及占用的内存量。
feature('memstats')
将向您展示可用于MATLAB的最大的连续内存块，这意味着这是您可以创build的最大的matrix。 使用“清除”命令将同步从内存中删除这些对象，释放空间再次使用。
JVM仅处理Java项目的垃圾回收。 所以，如果你在编辑器中打开一个文件并closures它，Java会从内存中删除窗口和文本等。 如果你在MATLAB工作区中创build一个Java对象，它首先必须被清除，然后它可以被jvm清除。
有很多关于在我们的技术中pipe理程序内存的信息： http : //www.mathworks.com/support/tech-notes/1100/1106.html
最近我写了关于在MATLAB桌面博客上处理Java内存的问题： http : //blogs.mathworks.com/desktop/2009/08/17/calling-java-from-matlab-memory-issues/
如果你对学术感兴趣，当一个函数退出或者当你调整一个variables的时候，分配的内存会发生什么……我敢肯定这是一个商业秘密，它会改变每个版本。 您不应该注意到它，如果遇到您怀疑与对象pipe理网有关的性能问题，请提供技术支持的帮助凭单： http ： //www.mathworks.com/support
看来你正在尝试构build某种Python vs MATLAB的参数。 我对这个说法不感兴趣。
对你的元问题的元回答。
实际上你并不在乎，这是相当重要的。 当我这么说的时候，我并不是想把它限制在MATLAB内存pipe理上。 这延伸到Python，Java，.NET和任何其他语言，dynamic内存分配，并仍在积极的发展。
对于当前的内存pipe理机制了解得越多，就越有可能针对特定的实现进行防御编码，越有可能不会从未来的性能改进中受益。 Java的gc能够在developerworks.com上由Brian Goetz写出一些很好的例子。
http://www.ibm.com/developerworks/library/j-jtp01274.html
你可以说知道这很重要。 我反驳说，这一切都是关于要求。 更合适的问题是，为我的项目考虑的语言能否满足我在开发人员的性能，开发工作，可维护性，可移植性，专业知识等方面的需求？
我从来没有见过一个项目，要求使用代数gc超过标记扫描参考计数。 我不期望看到一个。
