目录
一、高并发下传统方式的弊端
1、常用的内存操作函数
2、弊端一
3、弊端二
4、弊端三
5、弊端四
二、弊端解决之道
1、内存管理维度分析
2、内存管理组件选型
三、高并发内存管理最佳实践
1、内存池技术
2、内存池如何解决弊端
3、高并发内存池如何实现
四、高效内存池设计与实现
1、内存池的实现思路
2、Nginx内存池结构图
3、关键数据结构
4、ngx_pool_t结构示意图(大希奥未1024的池)
5、Nginx内存池基本操作
一、高并发下传统方式的弊端
1、常用的内存操作函数
void *malloc(size_t size);
void *calloc(size_t nmemb, size_t size);
void *realloc(void *ptr, size_t size);
void free(void *ptr);malloc 在内存的动态存储区中分配一块长度为size字节的连续区域返回该区域的首地址.
calloc 与malloc相似,参数size为申请地址的单位元素长度,nmemb为元素个数，即在内存中申请nmemb*size字节大小的连续地址空间.内存会初始化0
realloc 给一个已经分配了地址的指针重新分配空间,参数ptr为原有的空间地址,newsize是重新申请的地址长度.ptr 若为NULL,它就等同于 malloc.
2、弊端一
高并发时较小内存块使用导致系统调用频繁，降低了系统的执行效率。(系统调用不了解的，观看我博客里系统调用的一文)。
3、弊端二
频繁使用时增加了系统内存的碎片，降低内存使用效率
内部碎片 － 已经被分配出去（能明确指出属于哪个进程）却不能被利用的内存空间；
产生根源：1.内存分配必须起始于可被 4、8 或 16 整除（视处理器体系结构而定）的地址
2.MMU的分页机制的限制
| 处理器 | 页大小 | 分页的级别 | 虚拟地址分级 |
| x86 | 4KB | 2 | 10+10+12 |
| x86(extended) | 4KB | 1 | 10+22 |
| x86(PAE) | 4KB | 3 | 2+9+9+12 |
| x86-64 | 4KB | 4 | 9+9+9+9+12 |
4、弊端三
没有垃圾回收机制，容易造成内存泄漏，导致内存枯竭
情形一：
void log_error(char *reason)
{ char *p1; p1 = malloc(100); sprintf(p1,"The f1 error occurred because of '%s'.", reason); log(p1);
}情形二：
int getkey(char *filename)
{ FILE *fp; int key; fp = fopen(filename, "r");fscanf(fp, "%d", &key); //fclose(fp);return key;
}
5、弊端四
内存分配与释放的逻辑在程序中相隔较远时，降低程序的稳定性
例如：程序1调用程序2，误认为传参过来的是指针，用完后，进行了释放
//程序1
ret get_stu_info(Student * _stu)
{ char * name= NULL; name = getName(_stu->no);//处理逻辑if(name) {free(name);name = NULL;}
}
//程序2
char stu_name[MAX];char * getName(int stu_no)
{//查找相应的学号并赋值给 stu_namesnprintf(stu_name,MAX,“%s”,name);return stu_name;
}
二、弊端解决之道
1、内存管理维度分析
2、内存管理组件选型
| PtMalloc (glibc 自带) | TcMalloc | JeMalloc | |
| 概念 | Glibc 自带 | Google 开源 | Jason Evans （FreeBSD著名开发人员） |
| 性能 (一次malloc/free 操作) | 300ns | 50ns | <=50ns |
| 弊端 | 锁机制降低性能，容易导致内存碎片 | 1%左右的额外内存开销 | 2%左右的额外内存开销 |
| 优点 | 传统，稳定 | 线程本地缓存，多线程分配效率高 | 线程本地缓存，多核多线程分配效率相当高 |
| 使用方式 | Glibc 编译 | 动态链接库 | 动态链接库 |
| 谁在用 | 较普遍 | safari、chrome等 | facebook、firefox 等 |
| 适用场景 | 除特别追求高效内存分配以外的 | 多线程下高效内存分配 | 多线程下高效内存分配 |
三、高并发内存管理最佳实践
1、内存池技术
什么是内存池技术？
在真正使用内存之前，先申请分配一定数量的、大小相等(一般情况下)的内存块留作备用。当有新的内存需求时，就从内存池中分出一部分内存块，若内存块不够再继续申请新的内存，统一对程序所使用的内存进行统一的分配和回收。这样做的一个显著优点是，使得内存分配效率得到很大的提升。
2、内存池如何解决弊端
(1)、高并发时系统调用频繁，降低了系统的执行效率
内存池提前预先分配大块内存，统一释放，极大的减少了malloc 和 free 等函数的调用。
(2)、频繁使用时增加了系统内存的碎片，降低内存使用效率
内存池每次请求分配大小适度的内存块，避免了碎片的产生
(3)、没有垃圾回收机制，容易造成内存泄漏
在生命周期结束后统一释放内存，完全避免了内存泄露的产生
(4)、内存分配与释放的逻辑在程序中相隔较远时，降低程序的稳定性
在生命周期结束后统一释放内存，避免重复释放指针或释放空指针等情况
3、高并发内存池如何实现
高并发（High Concurrency）是互联网分布式系统架构设计中必须考虑的因素之一，它通常是指，通过设计保证系统能够同时并行处理很多请求。
高并发特点
(1)、响应时间短
(2)、吞吐量大
(4)、每秒响应请求数 QPS
(5)、并发用户数高：
内存池设计考虑
设计逻辑应该尽量简单，避免不同请求之间互相影响，尽量降低不同模块之间的耦合
内存池生存时间应该尽可能短，与请求或者连接具有相同的周期，减少碎片堆积和内存泄漏
四、高效内存池设计与实现
1、内存池的实现思路
(1)、对于每个请求或者连接都会建立相应的内存池，建立好内存池之后，我们可以直接从内存池中申请所需要的内存，不用去管内存的释放，当内存池使用完成之后一次性销毁内存池。
(2)、区分大小内存块的申请和释放，大于池尺寸的定义为大内存块，使用单独的大内存块链表保存，即时分配和释放；小于等于池尺寸的定义为小内存块，直接从预先分配的内存块中提取，不够就扩充池中的内存，在生命周期内对小块内存不做释放，直到最后统一销毁。
2、Nginx内存池结构图
3、关键数据结构
typedef struct
{u_char *last; // 保存当前数据块中内存分配指针的当前位置u_char *end; // 保存内存块的结束位置ngx_pool_t *next; // 内存池由多块内存块组成，指向下一个数据块的位置ngx_uint_t failed; // 当前数据块内存不足引起分配失败的次数
} ngx_pool_data_t;struct ngx_pool_s
{ngx_pool_data_t d; // 内存池当前的数据区指针的结构体size_t max; // 当前数据块最大可分配的内存大小（Bytes）ngx_pool_t *current; // 当前正在使用的数据块的指针ngx_pool_large_t *large; // pool 中指向大数据块的指针（大数据快是指 size > max 的数据块）
};
4、ngx_pool_t结构示意图(大希奥未1024的池)
5、Nginx内存池基本操作
内存池创建、销毁和重置：
| 操作 | 函数 |
| 创建内存池 | ngx_pool_t * ngx_create_pool(size_t size); |
| 销毁内存池 | void ngx_destroy_pool(ngx_pool_t *pool); |
| 重置内存池 | void ngx_reset_pool(ngx_pool_t *pool); |
内存池申请、释放和回收操作：
| 操作 | 函数 |
| 内存申请（对齐） | void * ngx_palloc(ngx_pool_t *pool, size_t size); |
| 内存申请（不对齐） | void * ngx_pnalloc(ngx_pool_t *pool, size_t size); |
| 内存申请（对齐并初始化） | void * ngx_pcalloc(ngx_pool_t *pool, size_t size); |
| 内存清除 | ngx_int_t ngx_pfree(ngx_pool_t *pool, void *p); |
内存池申请、释放和回收操作：
| 操作 | 函数 |
| 内存申请（对齐） | void * ngx_palloc(ngx_pool_t *pool, size_t size); |
| 内存申请（不对齐） | void * ngx_pnalloc(ngx_pool_t *pool, size_t size); |
| 内存申请（对齐并初始化） | void * ngx_pcalloc(ngx_pool_t *pool, size_t size); |
| 内存清除 | ngx_int_t ngx_pfree(ngx_pool_t *pool, void *p); |
源码代码详细见上传资源
![Python期末模拟题库[python123题库]](https://img-blog.csdnimg.cn/img_convert/f2f03c29a396519b9b5d79d7fc3154aa.png)
