linux性能评估-内存案例实战篇
1.内存泄漏，该如何定位和处理
机器配置：2 CPU，4GB 内存
预先安装 sysstat、Docker 以及 bcc 软件包，比如：
# install sysstat dockersudo apt-get install -y sysstat docker.io# Install bccsudo apt-key adv --keyserver keyserver.ubuntu.com --recv-keys 4052245BD4284CDDecho "deb https://repo.iovisor.org/apt/bionic bionic main" | sudo tee /etc/apt/sources.list.d/iovisor.listsudo apt-get updatesudo apt-get install -y bcc-tools libbcc-examples linux-headers-$(uname -r) |
软件包bcc,它提供了一系列的 Linux 性能分析工具，常用来动态追踪进程和内核的行为。更多工作原理你先不用深究，后面学习我们会逐步接触。这里你只需要记住，按照上面步骤安装完后，它提供的所有工具都位于 /usr/share/bcc/tools 这个目录中。
注意：bcc-tools 需要内核版本为 4.1 或者更高，如果你使用的是 CentOS7，或者其他内核版本比较旧的系统，那么你需要手动升级内核版本后再安装。
同以前的案例一样，下面的所有命令都默认以 root 用户运行，如果你是用普通用户身份登陆系统，请运行 sudo su root 命令切换到 root 用户。
安装完成后，再执行下面的命令来运行案例：
$ docker run --name=app -itd feisky/app:mem-leak |
案例成功运行后，你需要输入下面的命令，确认案例应用已经正常启动。如果一切正常，你应该可以看到下面这个界面：
$ docker logs app2th => 13th => 24th => 35th => 56th => 87th => 13 |
从输出中，我们可以发现，这个案例会输出斐波那契数列的一系列数值。实际上，这些数值每隔 1 秒输出一次。
知道了这些，我们应该怎么检查内存情况，判断有没有泄漏发生呢？你首先想到的可能是 top 工具，不过，top 虽然能观察系统和进程的内存占用情况，但今天的案例并不适合。内存泄漏问题，我们更应该关注内存使用的变化趋势。
运行下面的 vmstat ，等待一段时间，观察内存的变化情况。如果忘了 vmstat 里各指标的含义，记得复习前面内容，或者执行 man vmstat 查询。
root@ubuntu:/home/xhong# vmstat 3procs -----------memory---------- ---swap-- -----io---- -system-- ------cpu----- r b swpd free buff cache si so bi bo in cs us sy id wa st 0 0 392324 2100404 23480 791260 13 41 19871 104 615 619 4 23 72 1 0 0 0 392324 2100272 23480 791296 0 0 0 52 207 386 1 1 99 0 0 0 0 392324 2100148 23488 791296 0 0 0 5 186 371 0 0 99 0 0 0 0 392324 2100180 23520 791332 0 0 0 373 297 456 1 1 99 0 0 0 0 392324 2100056 23520 791332 0 0 0 0 150 342 1 0 99 0 0 |
从输出中你可以看到，内存的 free 列在不停的变化，并且是下降趋势；而 buffer 和 cache 基本保持不变。
未使用内存在逐渐减小，而 buffer 和 cache 基本不变，这说明，系统中使用的内存一直在升高。但这并不能说明有内存泄漏，因为应用程序运行中需要的内存也可能会增大。比如说，程序中如果用了一个动态增长的数组来缓存计算结果，占用内存自然会增长。
那怎么确定是不是内存泄漏呢？或者换句话说，有没有简单方法找出让内存增长的进程，并定位增长内存用在哪儿呢？
根据前面内容，你应该想到了用 top 或 ps 来观察进程的内存使用情况，然后找出内存使用一直增长的进程，最后再通过 pmap 查看进程的内存分布。
但这种方法并不太好用，因为要判断内存的变化情况，还需要你写一个脚本，来处理 top 或者 ps 的输出。
这里，我介绍一个专门用来检测内存泄漏的工具，memleak。memleak 可以跟踪系统或指定进程的内存分配、释放请求，然后定期输出一个未释放内存和相应调用栈的汇总情况（默认 5 秒）。
当然，memleak 是 bcc 软件包中的一个工具，我们一开始就装好了，执行 /usr/share/bcc/tools/memleak 就可以运行它。比如，我们运行下面的命令：
# -a 表示显示每个内存分配请求的大小以及地址# -p 指定案例应用的 PID 号$ /usr/share/bcc/tools/memleak -a -p $(pidof app)WARNING: Couldn't find .text section in /appWARNING: BCC can't handle sym look ups for /app addr = 7f8f704732b0 size = 8192 addr = 7f8f704772d0 size = 8192 addr = 7f8f704712a0 size = 8192 addr = 7f8f704752c0 size = 8192 32768 bytes in 4 allocations from stack [unknown] [app] [unknown] [app] start_thread+0xdb [libpthread-2.27.so] |
从 memleak 的输出可以看到，案例应用在不停地分配内存，并且这些分配的地址没有被回收。
这里有一个问题，Couldn’t find .text section in /app，所以调用栈不能正常输出，最后的调用栈部分只能看到 [unknown] 的标志。
为什么会有这个错误呢？实际上，这是由于案例应用运行在容器中导致的。memleak 工具运行在容器之外，并不能直接访问进程路径 /app。
比方说，在终端中直接运行 ls 命令，你会发现，这个路径的确不存在：
$ ls /appls: cannot access '/app': No such file or directory |
类似的问题，我在 CPU 模块中的perf 使用方法中已经提到好几个解决思路。最简单的方法，就是在容器外部构建相同路径的文件以及依赖库。这个案例只有一个二进制文件，所以只要把案例应用的二进制文件放到 /app 路径中，就可以修复这个问题。
比如，你可以运行下面的命令，把 app 二进制文件从容器中复制出来，然后重新运行 memleak 工具：
$ docker cp app:/app /app$ /usr/share/bcc/tools/memleak -p $(pidof app) -aAttaching to pid 12512, Ctrl+C to quit.[03:00:41] Top 10 stacks with outstanding allocations: addr = 7f8f70863220 size = 8192 addr = 7f8f70861210 size = 8192 addr = 7f8f7085b1e0 size = 8192 addr = 7f8f7085f200 size = 8192 addr = 7f8f7085d1f0 size = 8192 40960 bytes in 5 allocations from stack fibonacci+0x1f [app] child+0x4f [app] start_thread+0xdb [libpthread-2.27.so] |
这一次，我们终于看到了内存分配的调用栈，原来是 fibonacci() 函数分配的内存没释放。
定位了内存泄漏的来源，下一步自然就应该查看源码，想办法修复它。我们一起来看案例应用的源代码:
$ docker exec app cat /app.c...long long *fibonacci(long long *n0, long long *n1){ // 分配 1024 个长整数空间方便观测内存的变化情况 long long *v = (long long *) calloc(1024, sizeof(long long)); *v = *n0 + *n1; return v;}void *child(void *arg){ long long n0 = 0; long long n1 = 1; long long *v = NULL; for (int n = 2; n > 0; n++) { v = fibonacci(&n0, &n1); n0 = n1; n1 = *v; printf("%dth => %lld\n", n, *v); sleep(1); }}... |
你会发现， child() 调用了 fibonacci() 函数，但并没有释放 fibonacci() 返回的内存。所以，想要修复泄漏问题，在 child() 中加一个释放函数就可以了，比如：
void *child(void *arg){ ... for (int n = 2; n > 0; n++) { v = fibonacci(&n0, &n1); n0 = n1; n1 = *v; printf("%dth => %lld\n", n, *v); free(v); // 释放内存 sleep(1); }} |
修复后的代码放到了 app-fix.c，也打包成了一个 Docker 镜像。你可以运行下面的命令，验证一下内存泄漏是否修复：
# 清理原来的案例应用$ docker rm -f app# 运行修复后的应用$ docker run --name=app -itd feisky/app:mem-leak-fix# 重新执行 memleak 工具检查内存泄漏情况$ /usr/share/bcc/tools/memleak -a -p $(pidof app)Attaching to pid 18808, Ctrl+C to quit.[10:23:18] Top 10 stacks with outstanding allocations:[10:23:23] Top 10 stacks with outstanding allocations: |
现在，我们看到，案例应用已经没有遗留内存，证明我们的修复工作成功完成。
小结:
应用程序可以访问的用户内存空间，由只读段、数据段、堆、栈以及文件映射段等组成。其中，堆内存和内存映射，需要应用程序来动态管理内存段，所以我们必须小心处理。不仅要会用标准库函数malloc() 来动态分配内存，还要记得在用完内存后，调用库函数 _free() 来 _ 释放它们。
今天的案例比较简单，只用加一个 free() 调用就能修复内存泄漏。不过，实际应用程序就复杂多了。比如说，
- malloc() 和 free() 通常并不是成对出现，而是需要你，在每个异常处理路径和成功路径上都释放内存 。
- 在多线程程序中，一个线程中分配的内存，可能会在另一个线程中访问和释放。
- 更复杂的是，在第三方的库函数中，隐式分配的内存可能需要应用程序显式释放。
所以，为了避免内存泄漏，最重要的一点就是养成良好的编程习惯，比如分配内存后，一定要先写好内存释放的代码，再去开发其他逻辑。
2.内存中的Buffer 和 Cache 在不同场景下的使用情况
机器配置：2 CPU，4GB 内存。
预先安装 sysstat 包，如 apt install sysstat。
准备环节的最后一步，为了减少缓存的影响，记得在第一个终端中，运行下面的命令来清理系统缓存：
# 清理文件页、目录项、Inodes 等各种缓存$ echo 3 > /proc/sys/vm/drop_caches |
这里的 /proc/sys/vm/drop_caches ，就是通过 proc 文件系统修改内核行为的一个示例，写入 3 表示清理文件页、目录项、Inodes 等各种缓存。
场景 1：磁盘和文件写案例
1.我们先来模拟第一个场景。首先，在第一个终端，运行下面这个 vmstat 命令：
写文件：
root@ubuntu:/home/xhong# vmstat 1procs -----------memory---------- ---swap-- -----io---- -system-- ------cpu----- r b swpd free buff cache si so bi bo in cs us sy id wa st 2 0 792276 760464 3900 178292 7 16 1067 35 203 429 4 2 93 0 0 0 0 792276 760216 3900 178328 0 0 0 0 303 571 2 1 97 0 0 0 0 792276 760216 3900 178328 0 0 0 0 155 342 2 0 98 0 0 |
输出界面里， 内存部分的 buff 和 cache ，以及 io 部分的 bi 和 bo 就是我们要关注的重点。
- buff 和 cache 就是我们前面看到的 Buffers 和 Cache，单位是 KB。
- bi 和 bo 则分别表示块设备读取和写入的大小，单位为块 / 秒。因为 Linux 中块的大小是 1KB，所以这个单位也就等价于 KB/s。
正常情况下，空闲系统中，你应该看到的是，这几个值在多次结果中一直保持不变。
2.接下来，到第二个终端执行 dd 命令，通过读取随机设备，生成一个 500MB 大小的文件：
$ dd if=/dev/urandom of=/tmp/file bs=1M count=500 |
3.然后再回到第一个终端，观察 Buffer 和 Cache 的变化情况：
root@ubuntu:/home/xhong# vmstat 1procs -----------memory---------- ---swap-- -----io---- -system-- ------cpu----- r b swpd free buff cache si so bi bo in cs us sy id wa st 0 0 792276 761200 2560 177500 7 16 1062 41 202 428 4 2 93 0 0 0 0 792276 761200 2560 177520 0 0 0 0 115 304 1 0 99 0 0 0 0 792276 760952 2704 177512 0 0 136 24 161 353 1 1 99 0 0 0 0 792276 761324 2704 177520 0 0 0 0 570 1065 3 3 94 0 0 0 0 792276 760944 2988 177520 4 0 288 0 507 803 4 2 95 0 0 0 0 792276 760952 2992 177556 0 0 4 0 338 789 3 1 96 0 0 0 0 792276 760952 2992 177556 0 0 0 0 174 325 1 0 99 0 0 1 0 792276 611028 3024 326092 0 0 108 65748 680 743 1 45 54 1 0 1 0 792276 447596 3576 489016 0 0 592 159744 1015 1085 4 53 44 0 0 1 0 792276 285868 3580 650696 0 0 4 176128 863 861 1 54 44 1 0 0 0 792276 234968 3588 702384 0 0 12 110592 527 471 2 37 58 4 0 0 0 792276 234968 3588 702384 0 0 0 0 184 340 2 1 98 0 0 0 0 792276 234968 3600 702388 0 0 0 92 200 386 2 0 99 0 0 |
通过观察 vmstat 的输出，我们发现，在 dd 命令运行时， Cache 在不停地增长，而 Buffer 基本保持不变。
再进一步观察 I/O 的情况，你会看到，
在 Cache 刚开始增长时，块设备 I/O 很少，bi 只出现了一次 488 KB/s，bo 则只有一次 4KB。而过一段时间后，才会出现大量的块设备写，比如 bo 变成了 159744。
当 dd 命令结束后，Cache 不再增长，但块设备写还会持续一段时间，并且，多次 I/O 写的结果加起来，才是 dd 要写的 500M 的数据。
把这个结果，跟我们刚刚了解到的 Cache 的定义做个对比，你可能会有点晕乎。为什么前面文档上说 Cache 是文件读的页缓存，怎么现在写文件也有它的份？
这个疑问，我们暂且先记下来，接着再来看另一个磁盘写的案例。两个案例结束后，我们再统一进行分析。
不过，对于接下来的案例，必须强调一点：
下面的命令对环境要求很高，需要你的系统配置多块磁盘，并且磁盘分区 /dev/sdb1 还要处于未使用状态。如果你只有一块磁盘，千万不要尝试，否则将会对你的磁盘分区造成损坏。
如果你的系统符合标准，就可以继续在第二个终端中，运行下面的命令。清理缓存后，向磁盘分区 /dev/sdb1 写入 2GB 的随机数据：
写磁盘：
# 首先清理缓存$ echo 3 > /proc/sys/vm/drop_caches# 然后运行 dd 命令向磁盘分区 /dev/sdb1 写入 2G 数据$ dd if=/dev/urandom of=/dev/sdb1 bs=1M count=2048 |
然后，再回到终端一，观察内存和 I/O 的变化情况：
procs -----------memory---------- ---swap-- -----io---- -system-- ------cpu----- r b swpd free buff cache si so bi bo in cs us sy id wa st1 0 0 7584780 153592 97436 0 0 684 0 31 423 1 48 50 2 0 1 0 0 7418580 315384 101668 0 0 0 0 32 144 0 50 50 0 0 1 0 0 7253664 475844 106208 0 0 0 0 20 137 0 50 50 0 0 1 0 0 7093352 631800 110520 0 0 0 0 23 223 0 50 50 0 0 1 1 0 6930056 790520 114980 0 0 0 12804 23 168 0 50 42 9 0 1 0 0 6757204 949240 119396 0 0 0 183804 24 191 0 53 26 21 0 1 1 0 6591516 1107960 123840 0 0 0 77316 22 232 0 52 16 33 0 |
从这里你会看到，虽然同是写数据，写磁盘跟写文件的现象还是不同的。写磁盘时（也就是 bo 大于 0 时），Buffer 和 Cache 都在增长，但显然 Buffer 的增长快得多。
这说明，写磁盘用到了大量的 Buffer，这跟我们在文档中查到的定义是一样的。
对比两个案例，我们发现，写文件时会用到 Cache 缓存数据，而写磁盘则会用到 Buffer 来缓存数据。所以，回到刚刚的问题，虽然文档上只提到，Cache 是文件读的缓存，但实际上，Cache 也会缓存写文件时的数据。
场景 2：磁盘和文件读案例
了解了磁盘和文件写的情况，我们再反过来想，磁盘和文件读的时候，又是怎样的呢？
我们回到第二个终端，运行下面的命令。清理缓存后，从文件 /tmp/file 中，读取数据写入空设备：
# 首先清理缓存$ echo 3 > /proc/sys/vm/drop_caches# 运行 dd 命令读取文件数据$ dd if=/tmp/file of=/dev/null |
然后，再回到终端一，观察内存和 I/O 的变化情况：
root@ubuntu:/home/xhong# vmstat 1procs -----------memory---------- ---swap-- -----io---- -system-- ------cpu----- r b swpd free buff cache si so bi bo in cs us sy id wa st 0 0 789972 696996 11596 223964 6 15 1029 45 198 418 4 2 93 0 0 2 0 789972 696988 11604 223964 0 0 0 0 175 479 1 1 99 0 0 1 0 789972 696988 11604 223964 0 0 0 0 162 388 1 1 99 0 0 0 0 789972 696988 11604 223964 0 0 0 0 167 460 2 0 98 0 0 1 0 789972 554504 11712 366208 0 0 142504 0 2511 2571 4 21 74 1 0 1 0 789972 323364 11712 597380 0 0 231040 0 4501 5313 10 47 43 1 0 0 0 789972 184452 11712 736464 0 0 138644 0 2585 2771 6 29 61 4 0 0 0 789972 184452 11712 736464 0 0 0 48 111 281 1 1 99 0 0 0 0 789972 184452 11712 736464 0 0 0 0 460 885 2 2 96 0 0 |
观察 vmstat 的输出，你会发现读取文件时（也就是 bi 大于 0 时），Buffer 保持不变，而 Cache 则在不停增长。这跟我们查到的定义“Cache 是对文件读的页缓存”是一致的。
那么，磁盘读又是什么情况呢？我们再运行第二个案例来看看。
首先，回到第二个终端，运行下面的命令。清理缓存后，从磁盘分区 /dev/sda1 中读取数据，写入空设备：
# 首先清理缓存$ echo 3 > /proc/sys/vm/drop_caches# 运行 dd 命令读取文件$ dd if=/dev/sda1 of=/dev/null bs=1M count=1024 |
然后，再回到终端一，观察内存和 I/O 的变化情况：
root@ubuntu:/home/xhong# vmstat 1procs -----------memory---------- ---swap-- -----io---- -system-- ------cpu----- r b swpd free buff cache si so bi bo in cs us sy id wa st 2 0 789972 753200 4720 178428 6 15 1030 45 198 418 4 2 93 0 0 0 0 789972 752836 4860 178424 16 0 172 0 566 998 3 1 96 1 0 0 0 789972 752836 4860 178420 0 0 0 0 416 773 3 2 95 0 0 1 0 789972 752836 4860 178420 0 0 0 0 155 307 0 1 99 0 0 0 1 789972 576872 178924 178432 0 0 174140 0 1062 1428 4 42 48 6 0 1 0 789972 227564 527604 178460 0 0 348672 48 1179 1656 3 26 47 24 0 2 0 790028 81060 687904 171188 0 72 390144 72 1275 1519 1 37 32 29 0 0 0 790564 78148 694584 171224 0 332 136204 332 571 840 1 14 82 4 0 0 0 790564 78148 694584 171224 0 0 0 0 151 305 1 1 98 0 0 0 0 790564 78148 694584 171224 0 0 0 0 181 382 1 1 99 0 0 0 0 790564 78148 694584 171224 0 0 0 0 166 360 1 0 98 0 0 |
观察 vmstat 的输出，你会发现读磁盘时（也就是 bi 大于 0 时），Buffer 和 Cache 都在增长，但显然 Buffer 的增长快很多。这说明读磁盘时，数据缓存到了 Buffer 中。
得出这个结论：读文件时数据会缓存到 Cache 中，而读磁盘时数据会缓存到 Buffer 中。
到这里你应该发现了，虽然文档提供了对 Buffer 和 Cache 的说明，但是仍不能覆盖到所有的细节。比如说，今天我们了解到的这两点：
- Buffer 既可以用作“将要写入磁盘数据的缓存”，也可以用作“从磁盘读取数据的缓存”。
- Cache 既可以用作“从文件读取数据的页缓存”，也可以用作“写文件的页缓存”。
简单来说，Buffer 是对磁盘数据的缓存，而 Cache 是文件数据的缓存，它们既会用在读请求中，也会用在写请求中
从写的角度来说，不仅可以优化磁盘和文件的写入，对应用程序也有好处，应用程序可以在数据真正落盘前，就返回去做其他工作。
从读的角度来说，不仅可以提高那些频繁访问数据的读取速度，也降低了频繁 I/O 对磁盘的压力。
