连续可用率是核心指标，定义为最大连续空闲块大小÷总内存大小×100%，反映外部碎片真实程度；辅以碎片熵值衡量空闲块尺寸离散度；清除后若空闲块数上升而最大连续块下降，表明碎片加剧。

直接用“已用内存块数 / 总内存块数”这种比率无法反映标记-清除算法的真实劣化程度——它只体现占用率，不体现碎片分布。真正关键的是：**空闲空间是否能被有效利用**。所以通用度量器必须同时捕获“空闲总量”和“最大可用连续空闲块”的关系。

核心指标：连续可用率

定义为：最大连续空闲块大小 ÷ 总内存大小 × 100%。它直击外部碎片本质——哪怕空闲率高达80%，若最大连续块只有总内存的5%，就说明标记-清除已严重劣化，大对象分配大概率失败。

实现时可用一个整型数组模拟内存页状态（0=空闲，1=已用），一次遍历即可算出最大连续0序列长度。比维护位图或链表更轻量、无锁、适合高频采样。

辅助指标：碎片熵值

仅看最大块有盲区（比如大量中等尺寸空闲块分散存在）。可引入类似信息熵的离散度指标：

Free Ride - Unlimited free AI

一款AI工具，主要用于管理 OpenClaw 所使用的来自 OpenRouter 的免费 AI 模型。自动按质量对模型进行排序，配置回退机制以应对速率限制，并更新 opencla...，适合需要提升相关任务效率的用户。

下载

• 将空闲块按大小分桶（如4KB）
• 统计每桶空闲块数量，归一化得概率分布 p₁…pₙ
• 计算熵 H = −Σ pᵢ log₂ pᵢ

H 越高，说明空闲块尺寸越杂乱、越难匹配典型请求，即碎片结构更“恶劣”。该值可与连续可用率交叉验证：两者同时恶化，基本确认标记-清除已失控。

配套观测点：清除后残差分析

标记-清除每次执行后，记录三个瞬时快照：

• 清除前空闲块数
• 清除后空闲块数（注意：通常会变多，因释放了零散对象）
• 清除后最大连续空闲块大小

若后两项呈现“空闲块数↑ + 最大连续块↓”趋势，就是算法劣化的明确信号——说明新释放的内存插在旧空闲块之间，把大块切成了小块，典型的碎片加剧模式。

避免常见误判

不依赖单一阈值报警。例如不能只设“连续可用率