使用Tcmalloc进行堆栈分析

　　在前一篇译文《使用TCmalloc的堆栈检查》，介绍了Tcmalloc进行堆栈检查，今天翻译《heap-profiling using tcmalloc》，了解如何 TCmalloc进行堆栈分析。

1.堆栈分析的用法：

　　这篇技术文档描述了如何使用C++程序来分析堆栈。可以用来做一下三条事情：

• 在任何时间了解程序的堆栈情况
• 定位内存泄漏
• 找到大量内存分配的位置

1.1 链接堆栈分析器

　　你可以对任何链接了tcmalloc的程序进行堆栈分析，并且不需要重新编译。

　　把tcmalloc链接到你的程序，即时你不想使用堆栈分析器来检查也是安全的。你的程序并不会运行的有任何一点缓慢，因为你没有用到任何一点堆栈分析的特性。

　　你可以通过LD_PRELOAD在那些不是你编译的程序中运行堆栈检查。

$ LD_PRELOAD="/usr/lib/libtcmalloc.so" HEAPPROFILE=... 

　　我们不建议这种使用。

1.2 开启堆栈检查

　　定义HEAPPROFILE环境变量来确定生成分析文件的位置，例如生成在/usr/local/nmetscape:

$ HEAPPROFILE=/tmp/profile /usr/local/netscape           # sh
% setenv HEAPPROFILE /tmp/profile; /usr/local/netscape   # csh

　　分析对子进程也是有效的：每个子进程根据自己的名字得到它自己的分析文件（由HEAPPROFILE和进程ID组成）

　　出于安全的原因，堆栈检查将不会写道文件里，所以对于有setuid的程序，堆栈分析是不能使用的。

1.3 解压分析文件

　　如果堆程序中打开了堆栈分析，程序将会把分析文件生成到文件系统中，一系列分析文件的名字将被命名为如下：

<prefix>.0000.heap
<prefix>.0001.heap
<prefix>.0002.heap
 ...

　　<perfix> 是HEAPPROFILE中定义的值。注意到如果没有定义文件的路径，文件将直接被生成到程序当前目录。

　　默认情况下，一个文件写满1GB换一个新的文件。写文件的频率可以在你的程序中调用HeapProfilerSetAllocationInterval()来控制。得出这样一个结论，每个文件的大小是一个确定的数值。

　　你也可以调用HeapProfile来在你程序的特定位置生成分析文件，例如：

extern const char* HeapProfile();
const char* profile = HeapProfile();
fputs(profile, stdout);
free(const_cast<char*>(profile));

1.4 分析了什么

　　这个分析系统说明了所有内存申请和释放。它保留了每次内存分配的一系列信息。内存分配定义为堆栈内活跃调用：malloc,calloc,realloc, or,new.

1.5 解析profile

　　可以通过把分析文件传给pprof工具来得到分析输出，pprof工具可以打印CPU和堆栈使用情况。解释如下：

　　这里是一些例子，这些例子假设二进制名字为gfs_master，一系列的堆栈分析文件名字如下：

profile.0001.heap
profile.0002.heap
...
profile.0100.heap

1.6 为什么进程这样大

% pprof --gv gfs_master profile.0100.heap

　　这个命令将会弹出一个显示分析信息的图表的窗口，如下是一个例子：

 

一些解释：

• GFS_MasterChunk::AddServer耗费掉256M内存，活跃内存为25%
• GFS_MasterChunkTable：UpdateState 消耗了176.2MB活跃内存，另外，它和被它调消耗了792MB。在输出边缘的标签上给出了每一个被调用者占用的内存。\

1.7 比较分析文件

　　你经常希望跳过程序在初始化阶段的内存分配来找到内存泄漏。一个简单的方法来实现这件事情是通过比较两个分析文件，这两个文件都是从程序开始到运行了一段时间。使用—baseoption来指定第一个文件，例如：

% pprof --base=profile.0004.heap gfs_master profile.0100.heap

　　profile.0004.heap 中的内存使用将会见到profile.0100.heap中的内存使用，并显示出结果。

1.8 文本输出

% pprof gfs_master profile.0100.heap
   255.6  24.7%  24.7%    255.6  24.7% GFS_MasterChunk::AddServer
   184.6  17.8%  42.5%    298.8  28.8% GFS_MasterChunkTable::Create
   176.2  17.0%  59.5%    729.9  70.5% GFS_MasterChunkTable::UpdateState
   169.8  16.4%  75.9%    169.8  16.4% PendingClone::PendingClone
    76.3   7.4%  83.3%     76.3   7.4% __default_alloc_template::_S_chunk_alloc
    49.5   4.8%  88.0%     49.5   4.8% hashtable::resize
   ...

• 第一列包含了直接内存使用，单位是MB
• 第四列包含了它调用的模块的内存使用
• 第二列和第五列为第一列和第四列的百分比。
• 第三列为 第二列的 此行之前元素总和

1.9 忽略或聚焦到特定区域

　　如下的命令将会给出调用的图形显示，只包含了调用图中包含了DataBuffer表达式的那些路径：

% pprof --gv --focus=DataBuffer gfs_master profile.0100.heap

　　同样的，下面的命令将忽略所有的路径。所有匹配了DataBuffer中的表达式的都会被忽略： 

% pprof --gv --ignore=DataBuffer gfs_master profile.0100.heap

1.10 所有的内存分配 + 对象信息

　　所有前面的例子已经说明了如何显示出空间使用，例如：那些分配了但未释放的数量。里可以获取其它信息用如下标志：

--inuse_space	Display the number of in-use megabytes (i.e. space that has been allocated but not freed). This is the default.
--inuse_objects	Display the number of in-use objects (i.e. number of objects that have been allocated but not freed).
--alloc_space	Display the number of allocated megabytes. This includes the space that has since been de-allocated. Use this if you want to find the main allocation sites in the program.
--alloc_objects	Display the number of allocated objects. This includes the objects that have since been de-allocated. Use this if you want to find the main allocation sites in the program.

1.11 注意事项

• 堆栈分析需要使用libcmalloc
• 如何程序链接了足够的符号信息的库，所有与之相关采样将会由上次在这个库之前发现的符号信息来负责，这就创造性的减少了符号的数量。
• 如果你在一台机器上运行程序，在另一台机器上分析，并且这两台机器共享的库是不同的，分析输出也许会不准。
• 一些库，如STL实现，由自己的内存管理。这回引起分析奇怪。你必须在STL库也使用tcmalloc。所以置只对少数STL实现有效。

 

原文链接:http://blog.csdn.net/chen19870707/article/details/40145565