本文转载自微信公众号「编程珠玑」，作者守望先生。转载本文请联系编程珠玑公众号。
性能优化是一个常有的事情，通常来说
- 不要过早优化-当你没有性能问题时，不需要过早考虑优化，当然对于一些代价很小，收益却很大的手段可以考虑做进来，例如最常见的就是根据业务需求选择合适的数据结构。
- 不要过度优化。优化都是有目标的，比如你需要达到多少TPS，那么你按照这个目标去优化即可，有些优化虽然能否提升性能，但可能对代码的可维护性造成破坏。
本人对此没有过多涉猎，仅分享工作中接触到的一些内存。
内存性能问题
有很多方面会造成性能问题，例如：
- 业务流程设计不合理，导致很多没有必要的计算
- 数据结构选择不合适
- 缓存使用不当
示例
假设你已经通过《perf:一个命令发现性能问题》中的方法或者使用profiler分析，已经发现内存分配是性能瓶颈：
- // 来源：公众号【编程珠玑】
- // 作者：守望先生
- // malloc.cc
- #include <thread>
- #include <vector>
- #include <stdlib.h>
- #include <string.h>
- void GetMemory(){
- for(int i = 0;i < 100000000; i++){
- void *p = malloc(1024);
- if(NULL != p){
- free(p);
- p = NULL;
- }
- }
- }
- int main(){
- std::vector<std::thread> th;
- int nr_threads = 10;
- for (int i = 0; i < nr_threads; ++i) {
- th.push_back(std::thread(GetMemory));
- }
- for(auto &t : th){
- t.join();
- }
- return 0;
- }
代码非常简单，仅仅是不断分配内存而已。
编译并尝试分配十亿次：
- $ g++ -g -o malloc malloc.cc -lpthread
- $ time ./malloc
- real 0m8.677s
- user 0m29.409s
- sys 0m0.029s
分配十亿次内存，使用时间大概17s左右。另外一个终端使用perf查看情况：
- $ perf top -p `pidof malloc`
- 52.92% libc-2.27.so [.] cfree@GLIBC_2.2.5
- 31.94% libc-2.27.so [.] malloc
- 8.82% malloc [.] GetMemory
- 3.45% malloc [.] free@plt
- 2.51% malloc [.] malloc@plt
- 0.03% [kernel] [k] prepare_exit_to_usermode
- 0.01% [kernel] [k] psi_task_change
- 0.01% [kernel] [k] native_irq_return_iret
- 0.01% [kernel] [k] __update_load_avg_cfs_rq
- 0.01% [kernel] [k] __update_load_avg_se
- 0.01% [kernel] [k] update_curr
- 0.01% [kernel] [k] native_write_msr
- 0.01% [kernel] [k] __schedule
- 0.01% [kernel] [k] native_read_msr
- 0.01% [kernel] [k] read_tsc
- 0.01% [kernel] [k] interrupt_entry
- 0.01% [kernel] [k] update_load_avg
- 0.01% [kernel] [k] swapgs_restore_regs_and_return_to_usermode
- 0.01% [kernel] [k] reweight_entity
- 0.01% [kernel] [k] switch_fpu_return
- 0.01% [kernel] [k] perf_event_task_tick
从结果可以看到，大部分CPU耗费在了内存的申请和释放。
怎么办呢?第一要考虑的做法不是如何提升它，而是它能否避免?比如内存复用?而非反复申请?
比如使用内存池?但是要自己写一个稳定的内存池又需要耗费很大的精力了。怎么办呢?
性能更好的库
实际上这就引出了性能优化的一种常见方法-使用性能更好的库。那么在内存分配方面，有更好的库吗?自己又不能写出一个比libc还厉害的库，就只能用用开源的库，才能维持得了写代码的生活。
目前常见的性能比较好的内存分配库有
- tcmalloc-谷歌开发的内存分配库
- jemalloc
在自己编译使用redis的时候，其实你能看到它们的身影：
- # Backwards compatibility for selecting an allocator
- ifeq ($(USE_TCMALLOC),yes)
- MALLOC=tcmalloc
- endif
- ifeq ($(USE_TCMALLOC_MINIMAL),yes)
- MALLOC=tcmalloc_minimal
- endif
- ifeq ($(USE_JEMALLOC),yes)
- MALLOC=jemalloc
- endif
- ifeq ($(USE_JEMALLOC),no)
- MALLOC=libc
- endif
如何使用
这里以tcmalloc为例，看一下如何使用该库替换libc中的malloc。tcmalloc使用了thread cache，小块的内存分配都可以从cache中分配。多线程分配内存的情况下，可以减少锁竞争。
获取
你可以通过源码编译获取，github地址：https://github.com/google/tcmalloc.git
不过它需要使用bazel进行构建编译，有兴趣的可以自行尝试。
也可以直接安装：
- $ apt-get install -y libtcmalloc-minimal4
安装位置查看：
- $ ldconfig -p | grep tcmalloc
- libtcmalloc_minimal_debug.so.4 (libc6,x86-64) => /usr/lib/x86_64-linux-gnu/libtcmalloc_minimal_debug.so.4
- libtcmalloc_minimal.so.4 (libc6,x86-64) => /usr/lib/x86_64-linux-gnu/libtcmalloc_minimal.so.4
- libtcmalloc_debug.so.4 (libc6,x86-64) => /usr/lib/x86_64-linux-gnu/libtcmalloc_debug.so.4
- libtcmalloc_and_profiler.so.4 (libc6,x86-64) => /usr/lib/x86_64-linux-gnu/libtcmalloc_and_profiler.so.4
- libtcmalloc.so.4 (libc6,x86-64) => /usr/lib/x86_64-linux-gnu/libtcmalloc.so.4
LD_PRELOAD
这种方式在自己测试的时候非常方便，只需要：
- $ export LD_PRELOAD=/path/to/tcmalloc.so
导入环境变量，指定库路径即可。注意这里的/path/to更换成你的tcmalloc实际的路径。运行的时候，tcmalloc库就会被首先被使用了。
直接链接
这种方法就和普通库的使用没有什么区别了，链接使用就完事了。相关文章《静态库的制作与使用》
效果
我们使用新的库，再进行10亿次的内存分配试试：
- $ time ./malloc
- real 0m7.152s
- user 0m27.997s
- sys 0m0.032s
可以看到要使用的时间少了些。当然，这里的对比严格来说不是很严谨，甚至可以说起不到对比的作用。首先这里内存分配大小比较单一，并且仅有内存分配，而没有其他处理，真正是否有效果，还是要根据实际业务程序的情况来判断。当然，整体来说，tcmalloc的效果要比libc的malloc分配内存要高效。
总结
当你的程序中存在大量的内存分配(例如C++频繁使用string)，那么可以考虑使用性能更好的内存分配库了。关于tcmalloc，jemalloc等内存分配库的对比有很多，这里有兴趣的可自行了解。
作者:守望，linux应用开发者，目前在公众号【编程珠玑】?分享Linux/C/C++/数据结构与算法/工具等原创技术文章和学习资源。
