遇到了一个 glibc 导致的内存回收问题，查找原因和实验的的过程是比较有意思的，主要会涉及到下面这些：
- Linux 中典型的大量 64M 内存区域问题
- glibc 的内存分配器 ptmalloc2 的底层原理
- 如何写一个自定义的 malloc hook 动态链接库 so
- glibc 的内存分配原理（Arena、Chunk 结构、bins 等）
- malloc_trim 对内存真正回收的影响
- gdb 的 heap 调试工具使用
- jemalloc 库的介绍与应用
背景
前段时间有同学反馈一个 java RPC 项目在容器中启动完没多久就因为容器内存超过配额 1500M 被杀，我帮忙一起看了一下。
在本地 Linux 环境中跑了一下，JVM 启动完通过 top 看到的 RES 内存就已经超过了 1.5G，如下图所示。
首先想到查看内存的分布情况，使用 arthas 是一个不错的选择，输入 dashboard 查看当前的内存使用情况，如下所示。
可以看到发现进程占用的堆内存只有 300M 左右，非堆（non-heap）也很小，加起来才 500 M 左右，那内存被谁消耗了。这就要看看 JVM 内存的几个组成部分了。
JVM 的内存都耗在哪里
JVM 的内存大概分为下面这几个部分
- 堆（Heap）：eden、metaspace、old 区域等
- 线程栈（Thread Stack）：每个线程栈预留 1M 的线程栈大小
- 非堆（Non-heap）：包括 code_cache、metaspace 等
- 堆外内存：unsafe.allocateMemory 和 DirectByteBuffer申请的堆外内存
- native （C/C 代码）申请的内存
- 还有 JVM 运行本身需要的内存，比如 GC 等。
接下来怀疑堆外内存和 native 内存可能存在泄露问题。堆外内存可以通过 开启 NMT（NativeMemoryTracking) 来跟踪，加上 -XX:NativeMemoryTracking=detail 再次启动程序，也发现内存占用值远小于 RES 内存占用值。
因为 NMT 不会追踪 native （C/C 代码）申请的内存，到这里基本已经怀疑是 native 代码导致的。我们项目中除了 rocksdb 用到了 native 的代码就只剩下 JVM 自己了。接下来继续排查。
Linux 熟悉的 64M 内存问题
使用 pmap -x 查看内存的分布，发现有大量的 64M 左右的内存区域，如下图所示。
这个现象太熟悉了，这不是 linux glibc 中经典的 64M 内存问题吗？
ptmalloc2 与 arena
Linux 中 malloc 的早期版本是由 Doug Lea 实现的，它有一个严重问题是内存分配只有一个分配区（arena），每次分配内存都要对分配区加锁，分配完释放锁，导致多线程下并发申请释放内存锁的竞争激烈。arena 单词的字面意思是「舞台；竞技场」，可能就是内存分配库表演的主战场的意思吧。
于是修修补补又一个版本，你不是多线程锁竞争厉害吗，那我多开几个 arena，锁竞争的情况自然会好转。
Wolfram Gloger 在 Doug Lea 的基础上改进使得 Glibc 的 malloc 可以支持多线程，这就是 ptmalloc2。在只有一个分配区的基础上，增加了非主分配区(non main arena)，主分配区只有一个，非主分配可以有很多个，具体个数后面会说。
当调用 malloc 分配内存的时候，会先查看当前线程私有变量中是否已经存在一个分配区 arena。如果存在，则尝试会对这个 arena 加锁
- 如果加锁成功，则会使用这个分配区分配内存
- 如果加锁失败，说明有其它线程正在使用，则遍历 arena 列表寻找没有加锁的 arena 区域，如果找到则用这个 arena 区域分配内存。
主分配区可以使用 brk 和 mmap 两种方式申请虚拟内存，非主分配区只能 mmap。glibc 每次申请的虚拟内存区块大小是 64MB，glibc 再根据应用需要切割为小块零售。
这就是 linux 进程内存分布中典型的 64M 问题，那有多少个这样的区域呢？在 64 位系统下，这个值等于 8 * number of cores，如果是 4 核，则最多有 32 个 64M 大小的内存区域。
难道是因为 arena 数量太多了导致的？
设置 MALLOC_ARENA_MAX=1 有用吗？
加上这个环境变量启动 java 进程，确实 64M 的内存区域就不见了，但是集中到了一个大的接近 700M 的内存区域中，如下图所示。
到这里，内存占用高的问题并没有解决，接下来继续折腾。
是谁在分配释放内存
接下来，写一个自定义的 malloc 函数 hook。hook 实际上就是利用 LD_PRELOAD 环境变量替换 glibc 中的函数实现，在 malloc、free、realloc、calloc 这几个函数调用前先打印日志然后再调用实际的方法。以 malloc 函数的 hook 为例，部分代码如下所示。
代码语言：javascript复制// 获取线程 id 而不是 pid
static pid_t gettid() {
return syscall(__NR_gettid);
}
static void *(*real_realloc)(void *ptr, size_t size) = 0;
void *malloc(size_t size) {
void *p;
if (!real_malloc) {
real_malloc = dlsym(RTLD_NEXT, "malloc");
if (!real_malloc) return NULL;
}
p = real_malloc(size);
printLog("[0xx] malloc(%u)t= 0xx ", GETRET(), size, p);
return p;
}
设置 LD_PRELOAD 启动 JVM
代码语言：javascript复制LD_PRELOAD=/app/my_malloc.so java -Xms -Xmx -jar ....
在 JVM 启动的过程中同时开启 jstack 打印线程堆栈，当 jvm 进程完全启动以后，查看 malloc 的输出日志和 jstack 的日志。
这里输出了一个几十 M 的 malloc 日志，内容如下所示。日志的第一列是线程 id。
使用 awk 处理上的日志，统计线程处理的次数。
代码语言：javascript复制cat malloc.log | awk '{print $1}' | less| sort | uniq -c | sort -rn | less
284881 16342
135 16341
57 16349
16 16346
10 16345
9 16351
9 16350
6 16343
5 16348
4 16347
1 16352
1 16344
可以看到线程 16342 分配释放内存最为凶残，那这个线程在做什么呢？在 jstack 的输出日志中搜索 16342（0x3fd6）线程，可以看到很多次都在处理 jar 包的解压。
java 处理 zip 使用的是 java.util.zip.Inflater 类，调用它的 end 方法会释放 native 的内存。看到这里我以为是 end 方法没有调用导致的，这种的确是有可能的，java.util.zip.InflaterInputStream 类的 close 方法在一些场景下是不会调用 Inflater.end 方法，如下所示。
高兴的有点早了。实际上并非如此，就算上层调用没有调用 Inflater.end，Inflater 类的 finalize 方法也调用了 end 方法，我强行 GC 试一下。
代码语言：javascript复制jcmd `pidof java` GC.run
通过 GC 日志确认确实触发了 FullGC，但内存并没有降下来。通过 valgrind 等工具查看内存泄露，也没有什么发现。
如果说 JVM 本身的实现没有内存泄露，那就是 glibc 自己的问题了，调用 free 把内存还给了 glibc，glibc 并没有最终释放，这个内存二道贩子自己把内存截胡了。
glibc 的内存分配原理
这是一个很复杂的话题，如果这一块完全不熟悉，建议你先看看下面这几个资料。
- Understanding glibc malloc https://sploitfun.wordpress.com/2015/02/10/understanding-glibc-malloc/
- 淘宝华庭大师的《Glibc 内存管理 - Ptmalloc2 源代码分析》 https://paper.seebug.org/papers/Archive/refs/heap/glibc内存管理ptmalloc源代码分析.pdf
总体来看，需要理解下面这几个概念：
- 内存分配区 Arena
- 内存 chunk
- 空闲 chunk 的回收站（bins）
内存分配区 Arena
内存分配区 Arena 的概念在前面介绍过，也比较简单。为了更直观的了解 heap 的内部结构，可以使用 gdb 的 heap 扩展包，比较常见的有
- libheap: https://github.com/cloudburst/libheap
- Pwngdb: https://github.com/scwuaptx/Pwngdb
- pwndbg: https://github.com/pwndbg/pwndbg
这些也是打 CTF 堆相关的题目可以使用的工具，接下来使用的是 Pwngdb 工具来介绍。输入 arenainfo 可以查看 Arena 的列表，如下所示。
在这个例子中，有 1 个主分配区 Arena 和 15 个非主分配区 Arena。
内存 chunk 的结构
chunk 的概念也比较好理解，chunk 的字面意思是「大块」，是面向用户而言的，用户申请分配的内存用 chunk 表示。
可能这样说还是不好理解，下面一个实际的例子来说明。
代码语言：javascript复制#include <stdio.h>
#include <stdlib.h>
#include <unistd.h>
int main(void) {
void *p;
p = malloc(1024);
printf("%pn", p);
p = malloc(1024);
printf("%pn", p);
p = malloc(1024);
printf("%pn", p);
getchar();
return (EXIT_SUCCESS);
}
这段代码分配了三次 1k 大小的内存，内存地址是：
代码语言：javascript复制./malloc_test
0x602010
0x602420
0x602830
pmap 输出的结果如下所示。
可以看到第一次分配的内存区域地址 0x602010 在这块内存区域的基址(0x602000)偏移量 16(0x10) 的地方。
再来看第二次分配的内存区域地址 0x602420 与 0x602010 的差值是 1,040 = 1024 16(0x10)
第三次分配的内存以此类推是一样的，每次都空了 0x10 个字节。这中间空出来的 0x10 是什么呢？
使用 gdb 查看一下就很清楚了，查看这三个内存地址往前 0x10 字节开始的 32 字节区域。
可以看到实际上存储的是 0x0411，
代码语言：javascript复制0x0411 = 1024(0x0400) 0x10(block size) 0x01
其中 1024 很明显，是用户申请的内存区域大小，0x11是什么？因为内存分配都会对齐，实际上最低 3 位对内存大小没有什么意义，最低 3 位被借用来表示特殊含义。一个使用中的 chunk 结构如下图所示。
最低三位的含义如下：
- A：表示该 chunk 属于主分配区或者非主分配区，如果属于非主分配区，将该位置为 1，否则置为 0
- M：表示当前 chunk 是从哪个内存区域获得的内存。M 为 1 表示该 chunk 是从 mmap 映射区域分配的，否则是从 heap 区域分配的
- P：表示前一个块是否在使用中，P 为 0 则表示前一个 chunk 为空闲，这时 chunk 的第一个域 prev_size 才有效
这个例子中最低三位是 b001，A = 0表示这个chunk 不属于主分配区，M = 0，表示是从 heap 区域分配的，P = 1 表示前一个 chunk 在使用中。
从 glibc 源码中可以看的更清楚一些。
代码语言：javascript复制#define PREV_INUSE 0x1
/* extract inuse bit of previous chunk */
#define prev_inuse(p) ((p)->size & PREV_INUSE)
#define IS_MMAPPED 0x2
/* check for mmap()'ed chunk */
#define chunk_is_mmapped(p) ((p)->size & IS_MMAPPED)
#define NON_MAIN_ARENA 0x4
/* check for chunk from non-main arena */
#define chunk_non_main_arena(p) ((p)->size & NON_MAIN_ARENA)
#define SIZE_BITS (PREV_INUSE|IS_MMAPPED|NON_MAIN_ARENA)
/* Get size, ignoring use bits */
#define chunksize(p) ((p)->size & ~(SIZE_BITS))
前面介绍的是 allocatd chunk 的结构，被 free 以后的空闲 chunk 的结构不太一样，还有一个称为 top chunk 的结构，这里不再展开。
chunk 的回收站 bins
bin 的字面意思是「垃圾箱」。内存在应用调用 free 释放以后 chunk 不一定会立刻归还给系统，而是就被 glibc 这个二道贩子截胡。这也是为了效率的考量，当用户下次请求分配内存时，ptmalloc2 会先尝试从空闲 chunk 内存池中找到一个合适的内存区域返回给应用，这样就避免了频繁的 brk、mmap 系统调用。
为了更高效的管理内存分配和回收，ptmalloc2 中使用了一个数组，维护了 128 个 bins。
这些 bin 的介绍如下。
- bin0 目前没有使用
- bin1 是
unsorted bin，主要用于存放刚刚释放的 chunk 堆块以及大堆块分配后剩余的堆块，大小没有限制 - bin2~bin63 是
small bins，用于维护 < 1024B 的 chunk 内存块，同一条 small bin 链中的 chunk 具有相同的大小，都为index * 16，比如 bin2 对应的链表的 chunk 大小都是 32(0x20)，bin3 对应的链表的 chunk 大小为 48(0x30)。备注：淘宝的 pdf 图中有点问题，pdf 中的size * 8，看源码，应该是*16才对 - bin64~bin126 是
large bins，用于维护 > 1024B 的堆块，同一条链表中的堆块大小不一定相同，具体的规则不是本篇介绍的重点，不再展开。
具体到本例中，在 Pwngdb 中可以查看每个 arena 的 bins 信息。如下图所示。
fastbin
一般情况下，程序在运行过程中会频繁和分配一些小的内存，如果这些小内存被频繁的合并和切割，效率会比较低下，因此 ptmalloc 在除了上面的 bin 组成部分，还有一个非常重要的结构 fastbin，专门用来管理小的内存堆块。
64 位系统中，不大于 128 字节的内存堆块被释放以后，首先会被放到 fastbin 中，fastbin 中的 chunk 的 P 标记始终为 1，fastbin 的堆块会被当做使用中，因此不会被合并。
在分配小于 128 字节的内存时，ptmalloc 会首先在 fastbin 中查找对应的空闲块，如果没有才去其它 bins 中查找。
换个角度来看，fastbin 可以看做是 smallbin 的一道缓存。
内存碎片与回收
接下来我们来做一个实验，看看内存碎片如何影响 glibc 的内存回收，代码如下所示。
代码语言：javascript复制#include <stdlib.h>
#include <stdio.h>
#include <string.h>
#define K (1024)
#define MAXNUM 500000
int main() {
char *ptrs[MAXNUM];
int i;
// malloc large block memory
for (i = 0; i < MAXNUM; i) {
ptrs[i] = (char *)malloc(1 * K);
memset(ptrs[i], 0, 1 * K);
}
//never free，only 1B memory leak, what it will impact to the system?
char *tmp1 = (char *)malloc(1);
memset(tmp1, 0, 1);
printf("%sn", "malloc done");
getchar();
printf("%sn", "start free memory");
for(i = 0; i < MAXNUM; i) {
free(ptrs[i]);
}
printf("%sn", "free done");
getchar();
return 0;
}
程序中先 malloc 了一块 500M 的内存，然后再 malloc 了 1B 的内存（实际上比 1B 要大一点，不过不影响说明），接下来 free 掉那 500M 的内存。
在 free 之前的内存占用如下所示。
在调用 free 以后，使用 top 查看 RES 的结果如下。
可以看到实际上 glibc 并没有把内存归还给系统。而是放到了它自己的 unsorted bin 中，使用 gdb 的 arenainfo 工具可以看得很清楚。
0x1efe9200 用十进制表示是 520,000,000，正是我们刚刚释放的 500M 左右的内存。
如果我把代码中的第二次 malloc 注释掉，glibc 是可以立刻释放内存的。
这个实验已经比较能证明内存碎片对 glibc 内存消耗的影响了。
glibc 与 malloc_trim
glibc 中提供了 malloc_trim 函数，文档内容在这里：
https://man7.org/linux/man-pages/man3/malloc_trim.3.html
从文档来看，应该只是归还堆顶上全部的空余内存给系统，没有办法归还堆顶内存中的空洞。但是实际上并非如此，在本例中，调用 malloc_trim 真正归还了 500M 以上的内存给系统。
代码语言：javascript复制gdb --batch --pid `pidof java` --ex 'call malloc_trim()'
看 glibc 的源码，malloc_trim 的底层实现已经做了修改，是遍历所有的 arena，然后对每个 arena 遍历所有的 bin，执行 madvise 系统调用告知 MADV_DONTNEED，通知内核这块可以回收了。
通过 Systemtap 脚本可以同步确认这一点。
代码语言：javascript复制probe begin {
log("begin to proben")
}
probe kernel.function("SYSC_madvise") {
if (ppid() == target()) {
printf("nin %s: %sn", probefunc(), $$vars)
print_backtrace();
}
}
执行 malloc_trim 时，有大量的 madvise 系统调用，如下图所示。
这里的 behavior=0x4 表示是 MADV_DONTNEED，len_in 表示长度，start 表示内存开始地址。
malloc_trim 对前一个小节中的内存碎片实验同样是生效的。
jemalloc 登场
既然是因为 glibc 的内存分配策略导致的碎片化内存回收问题，导致看起来像是内存泄露，那有没有更好一点的对碎片化内存的 malloc 库呢？业界常见的有 google 家的 tcmalloc 和 facebook 家的 jemalloc。
这两个我都试过，jemalloc 的效果比较明显，使用 LD_PRELOAD 挂载 jemalloc 库。
代码语言：javascript复制LD_PRELOAD=/usr/local/lib/libjemalloc.so
重新启动 Java 程序，可以看到内存 RES 消耗降低到了 1G 左右
使用 jemalloc 比 glibc 小了 500M 左右，只比 malloc_trim 的 900 多 M 多了一点点。
至于为什么 jemalloc 在这个场景这么厉害，又是一个复杂的话题，这里先不展开，有时间可以详细介绍一下 jemalloc 的实现原理。
经多次实验，malloc_trim 有概率会导致 JVM Crash，使用的时候需要小心。
经过替换 ptmalloc2 为 jemalloc，进程的内存 RES 占用显著下降，至于性能、稳定性还需进一步观察。
番外篇
最近也在写一个简单的 malloc 库，可能真正写过才知道 tcmalloc、jemalloc 到底想解决什么痛点，复杂设计的背后的权衡是如何做的。
小结
内存相关的问题是相对而言比较复杂的，影响的因素很多，如果排除是应用层自己的问题，那是最简单的，如果是 glibc 或者内核本身的问题，那就只能通过大胆假设，一点点验证了。关于内存的分配和管理是一个比较复杂的话题，希望可以在后面的文章中再详细介绍介绍。
上面的内容可能都是错的，看看思路就好。
