对齐对象与页面生命周期的移动端垃圾回收（OSDI 2026）
原题：LifeLine: An Object-Page Lifetime Alignment GC Enabling Minimal Memory Copying for Mobile Devices
一句话总结：Android GC 因同页对象生死混杂而无法充分使用页重映射；LifeLine 依据引用可变性划分 lifetime-correlated object subgraph，再把同生命周期对象聚集到物理页，使 Pixel 7 Pro 上 GC copy volume 降 57.4%、GC time 降 22.7%。
问题与动机
ART 的 Concurrent Mark-Compact collector 可让 OS 修改 PTE 来搬整页，但只有几乎全活的 page 才适合 remap；包含 live/dead objects 的中间态页面仍需逐对象复制。generational GC 只区分 young/mature，mature generation 内依旧混合不同 lifetime，形成 object–page lifetime mismatch。复制消耗 memory bandwidth/cache/TLB，还会在 page fault 路径拉长 application memory access，最终表现为移动端掉帧和卡顿。
关键观察 / 隐含假设
- 观察 1：对象 lifetime 难直接预测，但 object graph 的 reference mutability 与共同存亡相关；稳定引用连接的对象更可能形成 lifetime-affinity subgraph（§3）。
- 依赖假设：历史 field modification behavior 能预测后续 GC cycle，且应用对象图存在可利用结构。
- 观察 2：只要把 per-page survival distribution 从中间区域推向接近 0%/100%，dead page 可整页回收、live page 可 PTE remap，少量 survivor才需 copy（§5.4）。
- 观察 3：prediction error 不必永久正确；系统在后续 GC 重新采样、划分和放置，构成 self-correcting closed loop。
- 假设 1：graph tracking/metadata 与额外 GC pass 能被移动端有限 CPU/memory budget接受。
核心方法
LifeLine 采样对象 reference updates，用 edge mutability 把 object reference graph 切成多个 lifetime-affinity subgraphs；目标不是给每个对象预测绝对死亡时间，而是找出大概率共同存亡的集合。划分结果作为后续 moving collection 的 placement guidance（§5）。
Lifetime-Aligned GC（LAGC）在 compaction 时以 subgraph 为单位重新布局，尽量让同类对象装入同一 page，并处理 variable-sized subgraph 与 fixed-size page 的 packing。Near-Zero-Copy GC（ZCGC）随后按 page liveness选择动作：mostly-live page 通过 OS-assisted page remapping移动，mostly-dead page只复制少量 survivors，dead page直接释放；不确定页面走保守路径以维持 correctness（§5.3–§5.4）。
系统集成进 AOSP/ART，形成 observation→partition→placement→page-level collection 的闭环，而不是一次性的 offline predictor。
设计取舍
- 结构相关性代替精确 lifetime prediction：降低预测复杂度，但对引用频繁重连或弱 graph locality应用收益有限。
- 额外 metadata 换少复制：记录 sampling/partition/subgraph，受移动设备内存约束。
- 保守 fallback 保 correctness：alignment 不佳时仍可 object copy，不会破坏 GC语义，但收益随预测准确度下降。
- 整页操作换粒度：只有 page liveness够双峰时 remap 才划算，large object/fragmentation会影响 packing。
实验与结果
- 在 Google Pixel 7 Pro（120 Hz、8-core CPU）和常见 commercial Android applications 上，与 production CMC collector比较（§6.1）。
- 平均 GC copy volume 从 61.9 MB 降到 26.4 MB，下降 57.4%；平均 GC duration 从 198 ms 降至 153 ms，下降 22.7%（图 12/13、§6.2）。
- heap 越紧，LifeLine 相对传统 collector 的 copy优势越明显，符合 object-page mismatch 在频繁 collection下放大的机制。
- frame rendering latency 的 CDF/case study 显示长尾卡顿减少，证明收益可传到用户可见指标，而不只缩短内部 GC阶段（图 14）。
- metadata memory modest；LAGC 期间平均 CPU overhead有单独测量，但论文结果依赖应用与 collection周期，不能视为零成本（§6.4）。
论断—证据表
| 论断 | 证据 | 评测边界 | 置信度 |
|---|---|---|---|
| lifetime alignment 显著减少对象复制 | 图 12、§6.2 | Pixel 7 Pro、popular apps | 强 |
| copy reduction 能缩短 GC pause/work | 图 13 | 同一手机上的多次 GC平均 | 强 |
| 收益改善用户可见流畅度 | 图 14 | Amazon/Instagram 等 case study | 中 |
| overhead 适合移动设备 | §6.4 | 单一硬件平台、所测应用 | 中 |
批判性分析
论证链条
论文从 GC/OS 粒度不匹配推导出 layout问题，而不是继续优化 memcpy；三段设计分别回答“谁应放一起、如何放一页、如何用页操作”。copy volume、GC time 与 frame latency构成较完整的因果证据链。
假设压力测试
reference mutability 并非 lifetime 的充分条件：cache、listener、global registry可能以稳定边持有短命对象，mutable container也可能长期存活。对象图快速变化、allocation site已能很好区分代际或大量超页对象时，partition成本可能超过收益。
实验可信度
真实手机与 commercial apps 强于 simulator/microbenchmark，也给出用户指标。限制是只在 Pixel 7 Pro/ART 上验证，缺少低端设备、不同 page size、长时间能耗/thermal throttling，以及与更广泛 region-based/lifetime-aware collectors 的统一对照。
系统性缺陷
方案需要改变 runtime layout 和 OS-assisted compaction path，难直接迁移到不可控制 allocator/GC 的 managed runtime。alignment metadata、sampling period和subgraph size都产生policy sensitivity；错误预测虽可恢复，却可能在一次关键GC中放大copy与pause。
局限与后续工作
- 扩展到更多 SoC、内存压力与应用类型，并报告 energy、thermal 与 p99 frame latency。
- 对引用突变、large object、JNI/native reference 和 adversarial graph做压力测试。
- 探索把 allocation-site、age 与 graph mutability联合建模，同时保持 online overhead有界。