堆状态分析的利器——gperftools的Heap Profiler

在《内存泄漏分析的利器——gperftools的Heap Checker》一文中，我们介绍了如何使用gperftools分析内存泄漏。本文将介绍其另一个强大的工具——Heap Profiler去分析堆的变化过程。（转载请指明出于breaksoftware的csdn博客）

我们使用类似于《堆状态分析的利器——valgraind的DHAT》中的测试代码作为例子。为了让Heap Profiler产生多份快照文件，我将申请的内存放大了很多

#include <stdlib.h>void* create(unsigned int size) {return malloc(size);
}void create_destory(unsigned int size) {void *p = create(size);free(p);
}int main(void) {const int loop = 4;char* a[loop];unsigned int mega = 1024 * 1024;for (int i = 0; i < loop; i++) {const unsigned int create_size = 1024 * mega;create(create_size);const unsigned int malloc_size = 1024 * mega;a[i] = (char*)malloc(malloc_size);const unsigned int create_destory_size = mega;create_destory(create_destory_size);}for (int i = 0; i < loop; i++) {free(a[i]);}return 0;
}

第19行每次申请1G的空间，且在整个程序周期中，都不会释放。

第22行每次申请1G的空间，每个空间都将在第29行释放掉。

第25行调用的create_destory方法，每次申请1M的空间，每次申请完就释放掉。

为了方便起见，我们还是要链接tcmalloc库，并开启调试信息

g++ heap_profiler.cpp -ltcmalloc -g -o heap_profiler

编译完后，使用如下指令开始分析。其中HEAPPROFILE表示的“生成快照文件的目录格式”。

HEAPPROFILE=/tmp/profile /home/fangliang/gperftools_test/heap_profiler/heap_profiler

会得到输出结果

Starting tracking the heap
Dumping heap profile to /tmp/profile.0001.heap (1024 MB allocated cumulatively, 1024 MB currently in use)
Dumping heap profile to /tmp/profile.0002.heap (2048 MB allocated cumulatively, 2048 MB currently in use)
Dumping heap profile to /tmp/profile.0003.heap (3073 MB allocated cumulatively, 3072 MB currently in use)
Dumping heap profile to /tmp/profile.0004.heap (4097 MB allocated cumulatively, 4096 MB currently in use)
Dumping heap profile to /tmp/profile.0005.heap (5122 MB allocated cumulatively, 5120 MB currently in use)
Dumping heap profile to /tmp/profile.0006.heap (6146 MB allocated cumulatively, 6144 MB currently in use)
Dumping heap profile to /tmp/profile.0007.heap (7171 MB allocated cumulatively, 7168 MB currently in use)
Dumping heap profile to /tmp/profile.0008.heap (8195 MB allocated cumulatively, 8192 MB currently in use)
Dumping heap profile to /tmp/profile.0009.heap (Exiting, 4096 MB in use)

第2到9行显示，每个快照都会增长1G的内存申请。第10行显示，释放了4G的内存，最终还有4G的内存没有被释放。这个分析结果和代码的逻辑是一致的：

第19行和第22行每次都申请1G空间，一共执行了4次，故8G的在用内存使用量。

第25行每次申请并释放了1M，故不会造成内存增长。

第29行每次释放1G的空间，共执行4次，释放了4G空间。最终有4G的内存泄漏。

我们先看下第一个快照的状态

pprof --text heap_profiler /tmp/profile.0001.heap

此时我们使用的文本输出方式（--text）

Using local file heap_profiler.
Using local file /tmp/profile.0001.heap.
Total: 1024.0 MB1024.0 100.0% 100.0%   1024.0 100.0% create0.0   0.0% 100.0%   1024.0 100.0% __libc_start_main0.0   0.0% 100.0%   1024.0 100.0% _start0.0   0.0% 100.0%   1024.0 100.0% main

第4到7行是调用堆栈，这段显示create方法申请了1G的空间，且该空间还是可用状态。

再查看快照2

pprof --text heap_profiler /tmp/profile.0002.heap

其结果显示main函数和create函数各申请了1G的空间（第4~5行第1列），各占总未释放内存（2G）的50%（第4~5行第2列）。main函数中调用了create方法（第4~5行第3,4,5列显示出main中直接调用了create，因为main函数中直接和间接申请了2G的空间，其中1G是直接申请的）

Using local file heap_profiler.
Using local file /tmp/profile.0002.heap.
Total: 2048.0 MB1024.0  50.0%  50.0%   1024.0  50.0% create1024.0  50.0% 100.0%   2048.0 100.0% main0.0   0.0% 100.0%   2048.0 100.0% __libc_start_main0.0   0.0% 100.0%   2048.0 100.0% _start

为了更方便解读这组信息，我们使用图形显示命令

pprof --gv heap_profiler /tmp/profile.0002.heap

显示结果如下

上图中，main下面“1024.0（50.0%）”意思是main函数直接申请了1024M尚未释放的空间，占总未释放空间的50%。再下面一行“of 2048.0 (100.0%)”意思是main函数直接或者间接申请了2048M尚未释放的空间（这意味着它申请并释放了的空间不在该统计内）。create中的信息解读是类似的。

如果只是单纯的看一个快照点，是比较难以发现问题。我们需要对比两个快照，比如我们对比1号和2号快照，看看1G内存的增长是什么导致的

pprof --gv heap_profiler --base=/tmp/profile.0001.heap  /tmp/profile.0002.heap

可以发现，快照1和快照2的变化是：main函数自身申请了1G的空间。

我们再对比下8和9号快照

pprof --gv heap_profiler --base=/tmp/profile.0008.heap  /tmp/profile.0009.heap

上面显示：main函数内部释放了4G的空间（出现了负值）。这个就是第29行代码的执行结果，分析和代码逻辑一致。

最后我们再看下最后一片快照

pprof --gv heap_profiler /tmp/profile.0009.heap

create函数导致的4G内存泄漏就一目了然了。

最后提一句，如果项目不能链接tcmalloc，则可以使用如下的指令去获取快照

LD_PRELOAD="/usr/local/lib/libtcmalloc.so" HEAPPROFILE=/tmp/profile /home/fangliang/gperftools_test/heap_profiler/heap_profiler

堆状态分析的利器——gperftools的Heap Profiler相关推荐

动态执行流程分析和性能瓶颈分析的利器——gperftools的Cpu Profiler
在<动态执行流程分析和性能瓶颈分析的利器--valgrind的callgrind>中,我们领略了valgrind对流程和性能瓶颈分析的强大能力.本文将介绍拥有相似能力的gperftools ...
堆状态分析的利器——valgrind的DHAT
在<堆问题分析的利器--valgrind的massif>一文中,我们介绍了如何使用massif查看和分析堆分配/释放的问题.但是除了申请和释放,堆空间还有其他问题,比如堆空间的使用率.使用 ...
Google Heap Profiler使用方法
最近在查找内存泄露的问题,使用了一些工具来查找问题,定位问题,但是工具都有各自的优劣,在我们实际的使用过程当中,只有各种工具结合使用才能发挥最大的效用. 由于项目需要,最近也开始使用Google He ...
L2-012. 关于堆的判断（STL中heap）
L2-012. 关于堆的判断将一系列给定数字顺序插入一个初始为空的小顶堆H[].随后判断一系列相关命题是否为真.命题分下列几种: "x is the root":x是根结点: & ...
内存泄漏的定位与排查：Heap Profiling 原理解析
系统长时间运行之后,可用内存越来越少,甚至导致了某些服务失败,这就是典型的内存泄漏问题.这类问题通常难以预测,也很难通过静态代码梳理的方式定位.Heap Profiling 就是帮助我们解决此类问题的 ...
createbitmap导致的内存泄漏如何处理_C++ 如何避免内存泄漏，一篇就够
前言近年来,讨论 C++ 的人越来越少了,一方面是由于像 Python,Go 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 ...
html5 自带video内存泄露_C++ 如何避免内存泄露？
来源:知乎-张凯(Kyle Zhang) [CPP开发者导读]:内存泄漏是C/C++的一个老生常谈的问题,无论是新手还是有经验的开发者都会在这个问题上栽跟头. 本文向读者介绍了如何避免内存泄漏的方法和 ...
堆（heap）系列_0x0A：3种方法一次性解决堆溢出问题
概述:本篇文章主要介绍堆问题中最常见的堆溢出问题的排查思路:常规思路 + 页堆思路 + 应用程序验证器思路前提:可以看到懂得DPH(点击查看)和会使用应用程序验证器(点击查看)和WinDbg 文章目 ...
c语言建立小根堆的算法,小根堆(Heap)的详细实现
堆的介绍 Heap是一种数据结构具有以下的特点: 1)完全二叉树 2)heap中存储的值是偏序 Min-heap: 父节点的值小于或等于子节点的值 Max-heap: 父节点的值大于或等于子节点的值 ...

堆状态分析的利器——gperftools的Heap Profiler

堆状态分析的利器——gperftools的Heap Profiler相关推荐

最新文章

热门文章