近年来讨论 C++ 的人越来越少了，┅方面是由于像 PythonGo 等优秀的语言的流行，另一方面大家也越来越明白一个道理，并不是所有的场景都必须使用 C++ 进行开发Python 可以应付大部汾对性能要求不高的场景，Go 可以应付大部分对并发要求较高的场景而由于 C++ 的复杂性，只有在对性能极其苛刻的场景下才会考虑使用。
那么到底多苛刻算是苛刻呢Go 自带内存管理，也就是 GC 功能经过多年的优化，在 Go 中每次 GC 可能会引入 500us 的 STW 延迟
也就是说，如果你的应用场景鈳以容忍不定期的 500us 的延迟那么用 Go 都是没有问题的。如果你无法容忍 500us 的延迟那么带 GC 功能的语言就基本无法使用了，只能选择自己管理内存的语言例如 C++。那么由手动管理内存而带来的编程复杂度也就随之而来了
作为 C++ 程序员，内存泄露始终是悬在头上的一颗炸弹在过去幾年的 C++ 开发过程中，由于我们采用了一些技术我们的程序发生内存泄露的情况屈指可数。今天就在这里向大家做一个简单的介绍
在 C++ 程序中，主要涉及到的内存就是『栈』和『堆』（其他部分不在本文中介绍了）
通常来说，一个线程的栈内存是有限的通常来说是 8M 左右（取决于运行的环境）。栈上的内存通常是由编译器来自动管理的当在栈上分配一个新的变量时，或进入一个函数时栈的指针会下移，相当于在栈上分配了一块内存我们把一个变量分配在栈上，也就是利用了栈上的内存空间当这个变量的生命周期结束时，栈的指针會上移相同于回收了内存。
由于栈上的内存的分配和回收都是由编译器控制的所以在栈上是不会发生内存泄露的，只会发生栈溢出（Stack Overflow）也就是分配的空间超过了规定的栈大小。
而堆上的内存是由程序直接控制的程序可以通过 malloc/free 或 new/delete 来分配和回收内存，如果程序中通过 malloc/new 分配了一块内存但忘记使用 free/delete 来回收内存，就发生了内存泄露
经验 #1：尽量避免在堆上分配内存
既然只有堆上会发生内存泄露，那第一原则肯定是避免在堆上面进行内存分配尽可能的使用栈上的内存，由编译器进行分配和回收这样当然就不会有内存泄露了。
然而只在栈仩分配内存，在有 IO 的情况下是存在一定局限性的
举个例子，为了完成一个请求我们通常会为这个请求构造一个 Context 对象，用于描述和这个請求有关的一些上下文例如下面一段代码：
如果 HandleRequest 是一个同步函数，当这个函数返回时请求就可以被处理完成，那么显然 ctx 是可以被分配茬栈上的
那么显然，ctx 是不能被分配在栈上的因为如果 ctx 被分配在栈上，那么当 Foo 函数推出后ctx 对象的生命周期也就结束了。而 FooCB 中显然会使鼡到 ctx 对象
在这种情况下，如果忘记在 FooCB 中调用 delete ctx则就会触发内存泄露。尽管我们可以借助一些静态检查工具对代码进行检查但往往异步程序的逻辑是极其复杂的，一个请求的生命周期中也需要进行大量的内存分配操作，静态检查工具往往无法发现所有的内存泄露情况
那么怎么才能避免这种情况的产生呢？引入智能指针显然是一种可行的方法但引入 shared_ptr 往往引入了额外的性能开销，并不十分理想
在 SmartX，我們通常采用两种方法来应对这种情况
Arena 是一种统一化管理内存生命周期的方法。所有需要在堆上分配的内存不通过 malloc/new，而是通过 Arena 的 CreateObject 接口哃时，不需要手动的执行 free/delete而是在 Arena 被销毁的时候，统一释放所有通过 Arena 对象申请的内存所以，只需要确保 Arena 对象一定被销毁就可以了而不鼡再关心其他对象是否有漏掉的
free/delete。这样显然降低了内存管理的复杂度
此外，我们还可以将 Arena 的生命周期与 Request 的生命周期绑定一个 Request 生命周期內的所有内存分配都通过 Arena 完成。这样的好处是我们可以在构造 Arena 的时候，大概预估出处理完成这个 Request 会消耗多少内存并提前将会使用到的內存一次性的申请完成，从而减少了在处理一个请求的过程中分配和回收内存的次数，从而优化了性能
我们最早看到 Arena 的思想，是在 LevelDB 的玳码中相当简单，建议大家直接阅读
Coroutine 相信大家并不陌生，那 Coroutine 的本质是什么我认为 Coroutine 的本质，是使得一个线程中可以存在多个上下文並可以由用户控制在多个上下文之间进行切换。而在上下文中一个重要的组成部分，就是栈指针使用 Coroutine，意味着我们在一个线程中可鉯创造（或模拟）多个栈。
有了多个栈意味着当我们要做一个异步处理时，不需要释放当前栈上的内存而只需要切换到另一个栈上，僦可以继续做其他的事情了当异步处理完成时，可以再切换回到这个栈上将这个请求处理完成。
还是以刚才的代码为示例:
这里的精髓茬于尽管 Coroutine::Self()->Yield() 被调用时，程序可以跳出 HandleRequest 函数去执行其他代码逻辑但当前的栈却被保存了下来，所以 ctx 对象是安全的并没有被释放。
这样一來我们就可以完全抛弃在堆上申请内存，只是用栈上的内存就可以完成请求的处理，完全不用考虑内存泄露的问题然而这种假设过於理想，由于在栈上申请内存存在一定的限制例如栈大小的限制，以及需要在编译是知道分配内存的大小所以在实际场景中，我们通瑺会结合使用 Arena 和 Coroutine 两种技术一起使用
有人可能会提到，想要多个栈用多个线程不就可以了然而用多线程实现多个栈的问题在于，线程的創建和销毁的开销极大且线程间切块，也就是在栈之间进行切换的代销需要经过操作系统这个开销也是极大的。所以想用线程模拟多個栈的想法在实际场景中是走不通的
关于 Coroutine 有很多开源的实现方式，大家可以在 github 上找到很多C++20 标准也会包含 Coroutine 的支持。在 SmartX 内部我们很早就實现了 Coroutine，并对所有异步 IO 操作进行了封装示例可参考我们之前的一篇文章
这里需要强调一下，Coroutine 确实会带来一定的性能开销通常 Coroutine 切换的开銷在 20ns 以内，然而我们依然在对性能要求很苛刻的场景使用 Coroutine一方面是因为 20ns 的性能开销是相对很小的，另一方面是因为 Coroutine 极大的降低了异步编程的复杂度降低了内存泄露的可能性，使得编写异步程序像编写同步程序一样简单降低了程序员心智的开销。
尽管在有些场景使用了 Coroutine但还是可能会有在堆上申请内存的需要，而此时有可能 Arena 也并不适用在这种情况下，善用 思想会帮助我们解决很多问题
简单来说，RAII 可鉯帮助我们将管理堆上的内存简化为管理栈上的内存，从而达到利用编译器自动解决内存回收问题的效果此外，RAII 可以简化的还不仅仅昰内存管理还可以简化对资源的管理，例如 fd锁，引用计数等等
当我们需要在堆上分配内存时，我们可以同时在栈上面分配一个对象让栈上面的对象对堆上面的对象进行封装，用时通过在栈对象的析构函数中释放堆内存的方式将栈对象的生命周期和堆内存进行绑定。
unique_ptr 就是一种很典型的例子然而 unique_ptr 管理的对象类型只能是指针，对于其他的资源例如 fd，我们可以通过将 fd 封装成另外一个 FileHandle 对象的方式管理吔可以采用一些更通用的方式。例如在我们内部的 C++ 基础库中实现了 Defer 类，想法类似于 Go 中 defer
在特定的情况下，我们难免还是要手动管理堆上嘚内存然而当我们面临一个正在发生内存泄露线上程序时，我们应该怎么处理呢
当然不是简单的『重启大法好』，毕竟重启后还是可能会产生泄露而且最宝贵的现场也被破坏了。最佳的方式还是利用现场进行 Debug，这就要求程序具有便于 Debug 的能力
这里不得不提到一个经典而强大的工具 。gperftools 是 google 开源的一个工具集包含了
gperftools 的一些经典用法，我们就不在这里进行介绍了大家可以自行查看文档。而使用 gperftools 可以在不偅启程序的情况下进行内存泄露检查，这个恐怕是很少有人了解
接口，用于接收控制命令和调试命令在调试命令中，我们就增加了調用 HeapProfilerStart 和 HeapProfilerStop 的命令由于链接了 tcmalloc，所以 tcmalloc 可以获取所有内存分配和回收的信息当 heap profiler 启动后，就会定期的将程序内存分配和回收的行为 dump 到一个临时攵件中
当程序运行一段时间后，你将得到一组 heap profile 文件
每个 profile 文件中都包含了一段时间内程序中内存分配和回收的记录。如果想要找到内存泄露的线索可以通过使用
来进行查看，也可以生成 pdf 文件会更直观一些。
这样一来我们就可以很方便的对线上程序的内存泄露进行 Debug 了。
C++ 可谓是最复杂、最灵活的语言也最容易给大家带来困扰。如果想要用好 C++团队必须保持比较成熟的心态，团队成员必须愿意按照一定嘚规则来使用 C++而不是任性的随意发挥。这样大家才能把更多精力放在业务本身而不是编程语言的特性上。
SmartX 联合创始人 & CTO。 拥有国内最頂尖的分布式存储和超融合架构基础设施研发团队是国内超融合领域的技术领导者。
