Java StackOverflowError 与递归及尾递归优化 | 隔叶黄莺 Yanbin Blog

2023-12-30 | 阅读(45)

本篇同样是阅读《100 Java Mistakes and How to Avoid Them》的一则笔记，只是火力全集中在 StackOverflowError 这个单一主题之上, 且主要与递归及尾递归优化相关。一提到 StackOverflow, 恐怕首先是想到那个代码搬运源网站 stackoverflow.com，其次才是代码执行过程中的 StackOverflowError 错误。

什么是 StackOverflow, 准确来说是指线程的栈内存不足，无法在栈中分配新的内存(或创建新的栈帧)。我们通常会把它与方法调用关联起来，因为一次方法调用会创建一个新的栈帧，分配在栈上的局部变量(包括基本类型与对象引用)，和栈帧都要占用线程栈内存。而我们平时所说的方法调用栈，或出现异常时打印出的异常栈都是一个概念。

StackOverflowError 一般出现在方法调用太深(方法调方法)，手动编写的方法调用一般不容易达到这个限制，所以它与递归调用关系最为密切，递归调用次数太多或甚至没有出口条件无限递归; 也可能是经过一番递归调用后，再正常调用后续方法时出现 StackOverflowError(因为前面的递归调用资源消耗的差不多)

何谓递归调用，简单的说就是方法自己调用自己，从而实现循环的效果，或使代码更精练，例如经典排序中的快速和归并排序就要用到递归。但循环与递归又有本质上的区别，循环不增加调用深度；递归却不同，递归分递进与回归两个过程，递进调用时每次调用前都需通过压栈来保留现场，逆向回归时再逐级恢复现场，保留现场的过程就要从线程栈中分配内存空间; 死循环可能不会造成程序异常，但死(无限)递归必定出现 StackOverflowError。

我们知道 StackOverflowError 是由于线程栈内存不足造成的，方法调用层次太深会造成 StackOverflowError, 那么方法层次的最大深度是多少呢？答案是: 不确定。它受以下方面的影响

栈中分配的局部变量 -- 基本类型或对象引用(包括方法参数与返回值)
JIT 优化
给 JVM 分配的线程栈空间大小

篇外：Python 中函数的调用深度是由 sys.getrecursionlimit() 限制的，默认为 1000，可由 sys.getrecursionlimit(10000) 配置最大的数字, 所以 Python 在调用深度超过 1000 就报错 "RecursionError: maximum recursion depth exceeded", 还无关乎栈内存溢出。

那我们就来探一下 Java 的方法调用最大深度，以下是测试代码 Test.java

public class Test {
    private static int count = 0;

    public static void main(String[] args) {
        try {
            switch (args[0]){
                case "1":
                    call(2);
                case "2":
                    call(2, 2, 2, 2, 2);
                case "3":
                    call(2L, 2L, 2L, 2L, 2L);
            }
        } catch (StackOverflowError error) {
            System.out.println(count);
        }
    }

    static void call(int a) {
        count++;
        call(a);
    }

    static void call(int a, int b, int c, int d, int e) {
        count++;
        call(a, b, c, d, e);
    }

    static void call(long a, long b, long c, long d, long e) {
        count++;
        call(a, b, c, d, e);
    }
}

public class Test {

private static int count = 0;

public static void main(String[] args) {

try {

switch (args[0]){

case "1":

call(2);

case "2":

call(2, 2, 2, 2, 2);

case "3":

call(2L, 2L, 2L, 2L, 2L);

}

} catch (StackOverflowError error) {

System.out.println(count);

}

static void call(int a) {

count++;

call(a);

}

static void call(int a, int b, int c, int d, int e) {

count++;

call(a, b, c, d, e);

}

static void call(long a, long b, long c, long d, long e) {

count++;

call(a, b, c, d, e);

}

这是一个无限递归调用，用来找到不同情况下出现 StackOverflowError 时方法 call 被调用的次数, 变该参数的个数和类型可影响到栈内存的分配。这里无法对 JIT 的影响进行模拟。

测试环境：macOS, 16G 内存，JDK 17，即使是相同的参数也测试多次

参数为 1，调用一个 int 参数的 call 方法，int 为 4 字节，连续 5 次

$ for i in {1..5}; do; java Test 1; done
21863
21698
22070
21957
21951

参数为 2，调用有五个 int 参数的 call 方法，连续 5 次

$ for i in {1..5}; do; java Test 2; done
13552
13686
13526
13558
13110

参数为 3，调用有五个 long 参数的 call 方法, long 为 8 字节，连续 5 次

$ for i in {1..5}; do; java Test 3; done
8288
8440
8469
8544
8440

前面测试看到通过局部变量可以挤压掉方法的调用深度。我们看到即使是相同的执行条件，每次最大的方法调用深度也有区别，这更回答了不确定性。那什么是确定的呢，测试条件相似，改变线程栈内存大小可调整大概的调用深度。

那么前面提到的线程栈内存默认是多少，我们是否可以改变线程栈内存的大小呢？用下面的命令可显示出默认线程栈的大小

$ java -XX:+PrintFlagsFinal --version | grep StackSize
     intx CompilerThreadStackSize                  = 1024                                   {pd product} {default}
   size_t MarkStackSize                            = 4194304                                   {product} {ergonomic}
   size_t MarkStackSizeMax                         = 536870912                                 {product} {default}
     intx ThreadStackSize                          = 1024                                   {pd product} {default}
     intx VMThreadStackSize                        = 1024                                   {pd product} {default}

$ java -XX:+PrintFlagsFinal --version | grep StackSize

intx CompilerThreadStackSize = 1024 {pd product} {default}

size_t MarkStackSize = 4194304 {product} {ergonomic}

size_t MarkStackSizeMax = 536870912 {product} {default}

intx ThreadStackSize = 1024 {pd product} {default}

intx VMThreadStackSize = 1024 {pd product} {default}

默认为 1M, 可用 -Xss JVM 参数修改它的值。如果修改为 2M 重新跑上面的测试，来看看结果

$ for i in {1..5}; do; java -Xss2m Test 1; done
48165
48104
48046
48255
78302
$ for i in {1..5}; do; java -Xss2m Test 2; done
29462
29806
30007
29590
29897
$ for i in {1..5}; do; java -Xss2m Test 3; done
18442
35296
31661
18579
18424

果然立竿见影，所以我们可以根据实际需求修改线程栈的大小。比如有一个带有许多参数，或很多局部变量的递归调用，因为默认线程栈内存太小，可能递归调用几百次就抛出了 StackOverflowError, 那么适当的用 -Xss 调整线程栈内存还是有必要的。

尾递归优化

有些语言，特别是函数式编程语言，能够对尾递归(递归调用出现在函数的最后一条语句)进行优化，即把递归转换为循环，这样就消除了 StackOverflowError 的产生。Scala 语言会自动进行尾递归优化，加上 @tailrec 注解时如果不能进行尾递归优化则在编译期出错，比如非尾递归调用。在 Kotlin 中需加上 tailrec 修饰指示尾递归优化，否则不进行优化。

标准的 JDK/JVM 实现不会对尾递归进行优化，可能某些虚拟机实现的 JIT 会这么做，但不保证，因此我们在 Java 在写递归调用时一定要考虑到可能发生的 StackOverflowError。在用 Scala 或 Kotlin 时，应尽可能用 @tailrec 注解或 tailrec 修饰明确要求编译器进行尾递归优化，凡是用了 @tailrec 和 tailrec 的地方若编译无误都会被成功转换成了循环，这样就避免了 StackOverflowError.

虽然 JDK/JVM 不对 Java 的尾递归进行优化，但某些 IDE 能对尾递归提供优化建议。下面以 IntelliJ IDEA 为例，用递归实现一个累加的函数，把光标移到最后一行的递归调用方法名上，然后按 Option + Enter (macOS), 就可选择 Replace tail recursion with iteration, 递归调用也会在左列标示出来

应用该建议之后，代码会变成

long sum(long limit, long accumulator) {
    while (true) {
        if (limit == 0L) {
            return accumulator;
        }

        accumulator = accumulator + limit;
        limit = limit - 1;
    }
}

long sum(long limit, long accumulator) {

while (true) {

if (limit == 0L) {

return accumulator;

}

accumulator = accumulator + limit;

limit = limit - 1;

}

我们姑且也可以把这叫做 Java IDE 对尾递归的优化，但必须手工处理。我们应该认真审视项目中所有的递归方法调用，处处思量是否会产生 StackOverflowError, 然后尽可能的把尾递归优化成循环语句。如果不是一个尾递归，但方法调用深度可能会超过限制，那么递归总是能想办法替换成循环操作的，或借助于 ArrayDeque 模拟类似的栈操作。

尾递归的优化的好处是显而易见的，比如我们这里的递归累加的例子，如果没有尾递归优化成循环，那么根据前面的测试结果，以默认 -Xss1M 的线程栈内存都无法完成 1 到 30000 的累加操作，必定会出现 StackOverflowError, 而转换成循环再大的数字都能累加，只是数值太大了会安安静静的溢出而呈现错误的结果。

下面来看看 Scala 和 Kotlin 对尾递归优化后的效果

Scala 尾递归优化

Test.scala

def sum(limit: Long, accumulator: Long = 0): Long = {
  if (limit == 0L) {
    return accumulator
  }
  sum(limit - 1, accumulator + limit)
}


def main(args: Array[String]): Unit = {
  println(sum(100))
}

def sum(limit: Long, accumulator: Long = 0): Long = {

if (limit == 0L) {

return accumulator

}

sum(limit - 1, accumulator + limit)

}

def main(args: Array[String]): Unit = {

println(sum(100))

}

编译

scalac Test.scala

编译产生文件 Test$package$.class Test$package.class Test$package.tasty. 直接用 scala Test.scala 不会在当前目录下产生相应的 class/tasty 文件

用工具反编译 Test$package$.class 看到编译后的 sum() 方法实现为

  public long sum(long limit, long accumulator) {
    long l1 = accumulator, l2 = limit;
    while (true) {
      if (l2 == 0L)
        return l1; 
      long l3 = l2 - 1L, l4 = l1 + l2;
      l2 = l3;
      l1 = l4;
    } 
  }

public long sum(long limit, long accumulator) {

long l1 = accumulator, l2 = limit;

while (true) {

if (l2 == 0L)

return l1;

long l3 = l2 - 1L, l4 = l1 + l2;

l2 = l3;

l1 = l4;

}

尾递归自动转换成了循环

现在我们人为的把上面的 sum 方法干预为非递归调用，使之不能被尾递归优化，修改后的 sum 方法为

def sum(limit: Long, accumulator: Long = 0): Long = {
  if (limit == 0L) {
    return accumulator
  }
  var t = sum(limit - 1, accumulator + limit)
  return t
}

def sum(limit: Long, accumulator: Long = 0): Long = {

if (limit == 0L) {

return accumulator

}

var t = sum(limit - 1, accumulator + limit)

return t

}

再用 scalac Test.scala 编译后，反编译 Test$package$.class 看到的 sum 方法保留为递归调用，而非循环

  public long sum(long limit, long accumulator) {
    if (limit == 0L)
      return accumulator; 
    long t = sum(limit - 1L, accumulator + limit);
    return t;
  }

public long sum(long limit, long accumulator) {

if (limit == 0L)

return accumulator;

long t = sum(limit - 1L, accumulator + limit);

return t;

}

这时如果给 sum 方法强行冠上 @scala.annotaion.tailrec 注解就是勉为其难了，用 scalac Test.scala 编译或用 scala Test.scala 执行时都会报告如下错误

6 |  var t = sum(limit - 1, accumulator + limit)
  |          ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^
  |          Cannot rewrite recursive call: it is not in tail position

6 | var t = sum(limit - 1, accumulator + limit)

| ^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^^

| Cannot rewrite recursive call: it is not in tail position

如果对修改前的 sum 方法前加上 @tailrec 是没问题的。用 @tailrec 确定产生的字节码是否被优化为循环，建议总是使用。

Kotlin 尾递归优化

类似的 Kotlin 代码 Test.kt

fun sum(limit: Long, accumulator: Long = 0): Long {
    if (limit == 0L) {
        return accumulator
    }
    return sum(limit - 1, accumulator + limit)
}

fun main() {
    println(sum(100))
}

fun sum(limit: Long, accumulator: Long = 0): Long {

if (limit == 0L) {

return accumulator

}

return sum(limit - 1, accumulator + limit)

}

fun main() {

println(sum(100))

}

编译

kotlinc Test.kt

得到 TestKt.class 以及 META-INF 目录，反编译 TestKt.class 文件，看到 sum 方法的实现

  public static final long sum(long limit, long accumulator) {
    if (limit == 0L)
      return accumulator; 
    return sum(limit - 1L, accumulator + limit);
  }

public static final long sum(long limit, long accumulator) {

if (limit == 0L)

return accumulator;

return sum(limit - 1L, accumulator + limit);

}

说明不同于 Scala, Kotlin 不会自动尝试进行尾递归优化。给 sum 方法加上 tailrec 修饰，sum 方法变为

tailrec fun sum(limit: Long, accumulator: Long = 0): Long {
    if (limit == 0L) {
        return accumulator
    }
    return sum(limit - 1, accumulator + limit)
}

tailrec fun sum(limit: Long, accumulator: Long = 0): Long {

if (limit == 0L) {

return accumulator

}

return sum(limit - 1, accumulator + limit)

}

再编译 kotlinc Test.kt, 字节码 TestKt.class 对应的 sum 方法就变成了

  public static final long sum(long limit, long accumulator) {
    while (true) {
      if (limit == 0L)
        return accumulator; 
      long l1 = limit - 1L, l2 = accumulator + limit;
      limit = l1;
      accumulator = l2;
    } 
  }

public static final long sum(long limit, long accumulator) {

while (true) {

if (limit == 0L)

return accumulator;

long l1 = limit - 1L, l2 = accumulator + limit;

limit = l1;

accumulator = l2;

}

Kotlin 一定要给方法加上 tailrec 修饰才会进行了尾递归优化

把方法改成非尾递归调用，并保留 tailrec 修饰

tailrec fun sum(limit: Long, accumulator: Long = 0): Long {
    if (limit == 0L) {
        return accumulator
    }
    var t = sum(limit - 1, accumulator + limit)
    return t
}

tailrec fun sum(limit: Long, accumulator: Long = 0): Long {

if (limit == 0L) {

return accumulator

}

var t = sum(limit - 1, accumulator + limit)

return t

}

再用 kotlinc Test.kt 编译时就报错了

kotlinc Test.kt
Test.kt:1:1: warning: a function is marked as tail-recursive but no tail calls are found
tailrec fun sum(limit: Long, accumulator: Long = 0): Long {
^
Test.kt:5:13: warning: recursive call is not a tail call
    var t = sum(limit - 1, accumulator + limit)
            ^

kotlinc Test.kt

Test.kt:1:1: warning: a function is marked as tail-recursive but no tail calls are found

tailrec fun sum(limit: Long, accumulator: Long = 0): Long {

Test.kt:5:13: warning: recursive call is not a tail call

var t = sum(limit - 1, accumulator + limit)

不能进行尾递归优化，只要拿掉 tailrec 修饰就行了

防备无限递归

最后，要注意防备无限递归调用，可能下面一些情况会产生无限递归

在方法中错误的调用了自己(原本要调用 Delegate 的同名方法)
遍历有循环引用的数据结构，比如遍历带有符号引用或递归挂载文件系统的目录结构

当集合中包含自己时，某些方法会产生无限递归调用，如下

List<Object> list = new ArrayList<>();
list.add(list);   // IntelliJ IDEA 中会有警告：'add()' called on collection 'list' with itself as argument
list.hashCode();  // 会产生 StackOverflowError
list.toString();  // 这行没问题

list.set(0, List.of(list));
list.toString();  // 但这会出现 StackOverflowError

List<Object> list = new ArrayList<>();

list.add(list); // IntelliJ IDEA 中会有警告：'add()' called on collection 'list' with itself as argument

list.hashCode(); // 会产生 StackOverflowError

list.toString(); // 这行没问题

list.set(0, List.of(list));

list.toString(); // 但这会出现 StackOverflowError

本文链接 https://yanbin.blog/stackoverflowerror-recursion-tail-recursion/, 来自隔叶黄莺 Yanbin Blog

1 Comment

Inline Feedbacks

View all comments

Immobilien Dubai

2 months ago

What i do not understood is in truth how you are not actually a lot more smartlyliked than you may be now You are very intelligent You realize therefore significantly in the case of this topic produced me individually imagine it from numerous numerous angles Its like men and women dont seem to be fascinated until it is one thing to do with Woman gaga Your own stuffs nice All the time care for it up

ddd on postgres in (?,?) 和 =any(?) 用法/性能对比好文章
Perry Conn on Java 9 前/后使用 JAXB (包括支持 javax.* 或 jakarta.*)Your writing has a way of making even the most complex topics accessib...
Yanbin on Windows 安装使用 GCC(mingw-w64)是的，像 Rust 和 dotnet core 一样，都可以支持 Cross compile. Rust 和 g++ 在 Linux 下编译...
MerrickZ on Windows 安装使用 GCC(mingw-w64)我记得G++/GCC都是支持交叉编译的，你可以在linux/macos下面编译出windows平台的二进制PE文件……
Jack on 从 Rust 官方文档理解 Ownership哈哈，年纪大了才会下垂