Realocação Física de Objetos em um Garbage Collector Tricolor sobre um Acelerador PIM: Avaliação em Ciclos Reais com o Sim2PIM

• Christopher Eduardo Zai UTFPR
• João Fabrício Filho UTFPR

DOI: https://doi.org/10.5753/eradsp.2026.30801

Resumo

Estendemos um Garbage Collector (GC) concorrente tricolor inte grado ao Sim2PIM para que a compactação relocalize objetos de fato e me dimos, em ciclos reais, se descarregar a realocação para uma unidade vetorial reconfigurável (RVU) compensa. Em mais de 300 execuções sobre o pipeline completo, despachar a compactação para a RVU custou de 2,60 a 3,05 vezes mais ciclos que o backend de CPU, sem ponto de cruzamento em uma varredura de 4096× no tamanho do lote, custo que rastreamos até a simulação em soft ware das instruções PIM. Dois resultados favorecem a abordagem: realocar objetos fisicamente não custa mais que a contabilidade pura e exige 35 vezes menos recompactações, e o despacho assíncrono esconde latência.

Referências

Blackburn, S. M. and McKinley, K. S. (2008). Immix: a mark-region garbage collector with space efficiency, fast collection, and mutator performance. In Proceedings of the 29th ACM SIGPLAN Conference on Programming Language Design and Implementation (PLDI), pages 22–32.

Dijkstra, E. W., Lamport, L., Martin, A. J., Scholten, C. S., and Steffens, E. F. M. (1978). On-the-fly garbage collection: an exercise in cooperation. Communications of the ACM, 21(11):966–975.

Forlin, B. E., Santos, P. C., Becker, A. E., Alves, M. A. Z., and Carro, L. (2022). Sim2pim: a complete simulation framework for processing-in-memory. Journal of Systems Architecture, 128:102528.

Hudson, R. L. (2018). Getting to go: the journey of go’s garbage collector. Keynote at the ACM SIGPLAN International Symposium on Memory Management (ISMM). Disponível em: [link].

Morimoto, R., Ichinose, K., and Ugawa, T. (2025). Gray-in-young: a generational garbage collection for processing-in-memory. In Proceedings of the 2025 ACM SIGPLAN International Symposium on Memory Management (ISMM), pages 122–133.

Mutlu, O., Ghose, S., Gómez-Luna, J., and Ausavarungnirun, R. (2019). Enabling practical processing in and near memory for data-intensive computing. In Proceedings of the 56th Annual Design Automation Conference (DAC).

Santos, P. C., Oliveira, G. F., Tomé, D. G., Alves, M. A. Z., Almeida, E. C., and Carro, L. (2017). Operand size reconfiguration for big data processing in memory. In Design, Automation & Test in Europe Conference & Exhibition (DATE), pages 710–715.

Thomas, S., Choe, J., Gordon, O., Petrank, E., Moreshet, T., Herlihy, M., and Bahar, R. I. (2022). Towards hardware accelerated garbage collection with near-memory processing. In IEEE High Performance Extreme Computing Conference (HPEC), pages 1–6.

Wulf, W. A. and McKee, S. A. (1995). Hitting the memory wall: implications of the obvious. SIGARCH Computer Architecture News, 23(1):20–24.