概述
需求
系統的物理內存是有限的，而對內存的需求是變化的, 程序的動態性越強，內存管理就越重要，選擇合適的內存管理算法會帶來明顯的性能提升。
比如nginx， 它在每個連接accept后會malloc一塊內存，作為整個連接生命周期內的內存池。 當HTTP請求到達的時候，又會malloc一塊當前請求階段的內存池, 因此對malloc的分配速度有一定的依賴關系。(而apache的內存池是有父子關系的，請求階段的內存池會和連接階段的使用相同的分配器，如果連接內存池釋放則請求階段的子內存池也會自動釋放)。
目標
內存管理可以分為三個層次，自底向上分別是：
- 操作系統內核的內存管理
- glibc層使用系統調用維護的內存管理算法
- 應用程序從glibc動態分配內存后，根據應用程序本身的程序特性進行優化， 比如使用引用計數std::shared_ptr，apache的內存池方式等等。
當然應用程序也可以直接使用系統調用從內核分配內存，自己根據程序特性來維護內存，但是會大大增加開發成本。
本文主要介紹了glibc malloc的實現，及其替代品
一個優秀的通用內存分配器應具有以下特性:
- 額外的空間損耗盡量少
- 分配速度盡可能快
- 盡量避免內存碎片
- 緩存本地化友好
- 通用性，兼容性，可移植性，易調試
現狀
目前大部分服務端程序使用glibc提供的malloc/free系列函數，而glibc使用的ptmalloc2在性能上遠遠弱后於google的tcmalloc和facebook的jemalloc。 而且后兩者只需要使用LD_PRELOAD環境變量啟動程序即可，甚至並不需要重新編譯。
glibc ptmalloc2
ptmalloc2即是我們當前使用的glibc malloc版本。
ptmalloc原理
系統調用接口
上圖是 x86_64 下 Linux 進程的默認地址空間, 對 heap 的操作, 操作系統提供了brk()系統調用，設置了Heap的上邊界； 對 mmap 映射區域的操作,操作系 統 供了 mmap()和 munmap()函數。
因為系統調用的代價很高，不可能每次申請內存都從內核分配空間，尤其是對於小內存分配。 而且因為mmap的區域容易被munmap釋放，所以一般大內存采用mmap()，小內存使用brk()。
多線程支持
- Ptmalloc2有一個主分配區(main arena)， 有多個非主分配區。 非主分配區只能使用mmap向操作系統批發申請HEAP_MAX_SIZE（64位系統為64MB）大小的虛擬內存。 當某個線程調用malloc的時候，會先查看線程私有變量中是否已經存在一個分配區，如果存在則嘗試加鎖，如果加鎖失敗則遍歷arena鏈表試圖獲取一個沒加鎖的arena， 如果依然獲取不到則創建一個新的非主分配區。
- free()的時候也要獲取鎖。分配小塊內存容易產生碎片，ptmalloc在整理合並的時候也要對arena做加鎖操作。在線程多的時候，鎖的開銷就會增大。
ptmalloc內存管理
- 用戶請求分配的內存在ptmalloc中使用chunk表示， 每個chunk至少需要8個字節額外的開銷。 用戶free掉的內存不會馬上歸還操作系統，ptmalloc會統一管理heap和mmap區域的空閑chunk，避免了頻繁的系統調用。
-
ptmalloc 將相似大小的 chunk 用雙向鏈表鏈接起來, 這樣的一個鏈表被稱為一個 bin。Ptmalloc 一共 維護了 128 個 bin,並使用一個數組來存儲這些 bin(如下圖所示)。
數組中的第一個為 unsorted bin, 數組中從 2 開始編號的前 64 個 bin 稱為 small bins, 同一個small bin中的chunk具有相同的大小。small bins后面的bin被稱作large bins。 -
當free一個chunk並放入bin的時候， ptmalloc 還會檢查它前后的 chunk 是否也是空閑的, 如果是的話,ptmalloc會首先把它們合並為一個大的 chunk, 然后將合並后的 chunk 放到 unstored bin 中。 另外ptmalloc 為了提高分配的速度,會把一些小的(不大於64B) chunk先放到一個叫做 fast bins 的容器內。
- 在fast bins和bins都不能滿足需求后，ptmalloc會設法在一個叫做top chunk的空間分配內存。 對於非主分配區會預先通過mmap分配一大塊內存作為top chunk， 當bins和fast bins都不能滿足分配需要的時候, ptmalloc會設法在top chunk中分出一塊內存給用戶, 如果top chunk本身不夠大, 分配程序會重新mmap分配一塊內存chunk, 並將 top chunk 遷移到新的chunk上，並用單鏈表鏈接起來。如果free()的chunk恰好 與 top chunk 相鄰,那么這兩個 chunk 就會合並成新的 top chunk，如果top chunk大小大於某個閾值才還給操作系統。主分配區類似，不過通過sbrk()分配和調整top chunk的大小，只有heap頂部連續內存空閑超過閾值的時候才能回收內存。
- 需要分配的 chunk 足夠大,而且 fast bins 和 bins 都不能滿足要求,甚至 top chunk 本身也不能滿足分配需求時,ptmalloc 會使用 mmap 來直接使用內存映射來將頁映射到進程空間。
ptmalloc分配流程
ptmalloc的缺陷
- 后分配的內存先釋放,因為 ptmalloc 收縮內存是從 top chunk 開始,如果與 top chunk 相鄰的 chunk 不能釋放, top chunk 以下的 chunk 都無法釋放。
- 多線程鎖開銷大， 需要避免多線程頻繁分配釋放。
- 內存從thread的areana中分配， 內存不能從一個arena移動到另一個arena， 就是說如果多線程使用內存不均衡，容易導致內存的浪費。 比如說線程1使用了300M內存，完成任務后glibc沒有釋放給操作系統，線程2開始創建了一個新的arena， 但是線程1的300M卻不能用了。
- 每個chunk至少8字節的開銷很大
- 不定期分配長生命周期的內存容易造成內存碎片，不利於回收。 64位系統最好分配32M以上內存，這是使用mmap的閾值。
tcmalloc
tcmalloc是Google開源的一個內存管理庫， 作為glibc malloc的替代品。目前已經在chrome、safari等知名軟件中運用。
根據官方測試報告，ptmalloc在一台2.8GHz的P4機器上（對於小對象）執行一次malloc及free大約需要300納秒。而TCMalloc的版本同樣的操作大約只需要50納秒。
小對象分配
- tcmalloc為每個線程分配了一個線程本地ThreadCache，小內存從ThreadCache分配，此外還有個中央堆（CentralCache），ThreadCache不夠用的時候，會從CentralCache中獲取空間放到ThreadCache中。
- 小對象（<=32K）從ThreadCache分配，大對象從CentralCache分配。大對象分配的空間都是4k頁面對齊的，多個pages也能切割成多個小對象划分到ThreadCache中。
小對象有將近170個不同的大小分類(class)，每個class有個該大小內存塊的FreeList單鏈表，分配的時候先找到best fit的class，然后無鎖的獲取該鏈表首元素返回。如果鏈表中無空間了，則到CentralCache中划分幾個頁面並切割成該class的大小，放入鏈表中。
CentralCache分配管理
- 大對象(>32K)先4k對齊后，從CentralCache中分配。 CentralCache維護的PageHeap如下圖所示， 數組中第256個元素是所有大於255個頁面都掛到該鏈表中。
- 當best fit的頁面鏈表中沒有空閑空間時，則一直往更大的頁面空間則，如果所有256個鏈表遍歷后依然沒有成功分配。 則使用sbrk, mmap, /dev/mem從系統中分配。
- tcmalloc PageHeap管理的連續的頁面被稱為span.
如果span未分配， 則span是PageHeap中的一個鏈表元素
如果span已經分配，它可能是返回給應用程序的大對象， 或者已經被切割成多小對象，該小對象的size-class會被記錄在span中 - 在32位系統中，使用一個中央數組(central array)映射了頁面和span對應關系， 數組索引號是頁面號，數組元素是頁面所在的span。 在64位系統中，使用一個3-level radix tree記錄了該映射關系。
回收
- 當一個object free的時候，會根據地址對齊計算所在的頁面號，然后通過central array找到對應的span。
- 如果是小對象，span會告訴我們他的size class，然后把該對象插入當前線程的ThreadCache中。如果此時ThreadCache超過一個預算的值（默認2MB），則會使用垃圾回收機制把未使用的object從ThreadCache移動到CentralCache的central free lists中。
- 如果是大對象，span會告訴我們對象鎖在的頁面號范圍。 假設這個范圍是[p,q]， 先查找頁面p-1和q+1所在的span，如果這些臨近的span也是free的，則合並到[p,q]所在的span， 然后把這個span回收到PageHeap中。
- CentralCache的central free lists類似ThreadCache的FreeList，不過它增加了一級結構，先根據size-class關聯到spans的集合， 然后是對應span的object鏈表。如果span的鏈表中所有object已經free， 則span回收到PageHeap中。
tcmalloc的改進
- ThreadCache會階段性的回收內存到CentralCache里。 解決了ptmalloc2中arena之間不能遷移的問題。
- Tcmalloc占用更少的額外空間。例如，分配N個8字節對象可能要使用大約8N * 1.01字節的空間。即，多用百分之一的空間。Ptmalloc2使用最少8字節描述一個chunk。
- 更快。小對象幾乎無鎖， >32KB的對象從CentralCache中分配使用自旋鎖。 並且>32KB對象都是頁面對齊分配，多線程的時候應盡量避免頻繁分配，否則也會造成自旋鎖的競爭和頁面對齊造成的浪費。
性能對比
官方測試
測試環境是2.4GHz dual Xeon，開啟超線程，redhat9，glibc-2.3.2, 每個線程測試100萬個操作。
上圖中可以看到尤其是對於小內存的分配， tcmalloc有非常明顯性能優勢。
上圖可以看到隨着線程數的增加，tcmalloc性能上也有明顯的優勢，並且相對平穩。
github mysql優化
github使用tcmalloc后，mysql性能提升30%
Jemalloc
jemalloc是facebook推出的， 最早的時候是freebsd的libc malloc實現。 目前在firefox、facebook服務器各種組件中大量使用。
jemalloc原理
- 與tcmalloc類似，每個線程同樣在<32KB的時候無鎖使用線程本地cache。
- Jemalloc在64bits系統上使用下面的size-class分類：
Small: [8], [16, 32, 48, …, 128], [192, 256, 320, …, 512], [768, 1024, 1280, …, 3840]
Large: [4 KiB, 8 KiB, 12 KiB, …, 4072 KiB]
Huge: [4 MiB, 8 MiB, 12 MiB, …] - small/large對象查找metadata需要常量時間， huge對象通過全局紅黑樹在對數時間內查找。
- 虛擬內存被邏輯上分割成chunks（默認是4MB，1024個4k頁），應用線程通過round-robin算法在第一次malloc的時候分配arena， 每個arena都是相互獨立的，維護自己的chunks， chunk切割pages到small/large對象。free()的內存總是返回到所屬的arena中，而不管是哪個線程調用free()。
上圖可以看到每個arena管理的arena chunk結構， 開始的header主要是維護了一個page map（1024個頁面關聯的對象狀態）， header下方就是它的頁面空間。 Small對象被分到一起， metadata信息存放在起始位置。 large chunk相互獨立，它的metadata信息存放在chunk header map中。
- 通過arena分配的時候需要對arena bin（每個small size-class一個，細粒度）加鎖，或arena本身加鎖。
並且線程cache對象也會通過垃圾回收指數退讓算法返回到arena中。
jemalloc的優化
- Jmalloc小對象也根據size-class，但是它使用了低地址優先的策略，來降低內存碎片化。
- Jemalloc大概需要2%的額外開銷。（tcmalloc 1%， ptmalloc最少8B）
- Jemalloc和tcmalloc類似的線程本地緩存，避免鎖的競爭
- 相對未使用的頁面，優先使用dirty page，提升緩存命中。
性能對比
官方測試
上圖是服務器吞吐量分別用6個malloc實現的對比數據，可以看到tcmalloc和jemalloc最好(facebook在2011年的測試結果，tcmalloc這里版本較舊)。
4.3.2 mysql優化
測試環境：2x Intel E5/2.2Ghz with 8 real cores per socket，16 real cores， 開啟hyper-threading， 總共32個vcpu。 16個table，每個5M row。
OLTP_RO測試包含5個select查詢：select_ranges, select_order_ranges, select_distinct_ranges, select_sum_ranges,
可以看到在多核心或者多線程的場景下， jemalloc和tcmalloc帶來的tps增加非常明顯。
參考資料
glibc內存管理ptmalloc源代碼分析
Inside jemalloc
tcmalloc淺析
tcmalloc官方文檔
Scalable memory allocation using jemalloc
mysql-performance-impact-of-memory-allocators-part-2
ptmalloc,tcmalloc和jemalloc內存分配策略研究
Tick Tock, malloc Needs a Clock
總結
在多線程環境使用tcmalloc和jemalloc效果非常明顯。
當線程數量固定，不會頻繁創建退出的時候， 可以使用jemalloc；反之使用tcmalloc可能是更好的選擇。