first-fit／best-fit／next-fit 放置策略

假設你經營一座停車場，裡面有各種寬度的空位，來了一輛車需要停。你要把它停進哪個空位？你可以挑你找到的第一個夠寬的空位（快，但也許草率）。你可以巡視整座停車場，挑最貼合的空位，留下最少的剩餘（整齊，但決定起來慢）。或者你可以記住上一輛車停在哪裡，從那裡開始找。這正是配置器用來選擇從哪個空閒區塊滿足請求的放置策略。

把三個經典策略在自由串列上走一遍：first-fit（首次適配）從串列開頭掃描，抓住第一個夠大的區塊——快、簡單，但它傾向啃掉串列前段的區塊，可能在那裡留下一堆小剩餘。best-fit（最佳適配）掃描整條串列，選擇仍然夠大的最小區塊，使切割後剩下的碎片盡可能小——這能把記憶體塞得很緊、對抗外部碎片，但它必須檢視每一個空閒區塊（慢），且可能產生許多微小、無用的剩餘。next-fit（下次適配）是帶記憶的 first-fit：它從上一次搜尋停下的地方接續掃描，而非總是從前頭開始，這會把配置分散到堆積各處、避免重走擁擠的前段——通常比 first-fit 快，但碎片往往略差。（worst-fit，選最大的區塊，也存在，其理論是剩餘仍夠大可重用，但它的表現往往不好。）

為何重要：放置策略是配置器的核心決策，直接形塑碎片與速度的權衡。誠實且被廣泛研究的結論是沒有通用贏家——最佳策略取決於工作負載的大小與生命期模式；而且令人意外地，在良好資料結構上的單純 first-fit 或 next-fit，實務上往往表現得跟 best-fit 差不多，卻快得多。這正是為什麼現代配置器對小物件大致用 size class 與分離式串列繞過了這個問題——在分離式串列中，某類別內每個區塊都相同，根本沒有適配可選。