7.高并发内存池大页内存申请释放以及使用定长内存池脱离new

HalvmånEver2026-03-13 23:39

在高并发内存池的设计中，"大页内存管理" 和 "元数据开销优化" 是两个核心痛点：原生malloc/free在大内存分配时频繁触发系统调用，而new/delete管理内存池元对象（如ThreadCache、span）会引入额外性能损耗。本文基于 TCMalloc 思想，拆解高并发内存池中大页内存的申请 / 释放逻辑 ，以及如何通过定长内存池（ObjectPool） 彻底脱离new/delete，实现元数据的零开销管理

一、背景：为什么要单独处理大页内存？

在高并发内存池的三级缓存架构（ThreadCache→CentralCache→PageCache）中，我们将内存分为 "小对象（≤256KB）" 和 "大对象（>256KB）"：

  • 小对象：走三级缓存，利用线程私有、桶锁、批量分配降低竞争
  • 大对象：若仍走缓存，会导致 "缓存污染"（大内存占满缓存，小对象无空间可用），且大内存分配频率低，缓存收益有限

因此，大对象直接走PageCache申请连续物理页（大页），跳过ThreadCache和CentralCache，核心目标是：

  1. 减少系统调用次数（批量申请连续页，而非单次小内存）
  2. 避免大内存碎片化（用span管理连续页块，空闲后自动合并）
  3. 保证高并发下的线程安全（全局页锁 + 细粒度控制）

二、核心 1：大页内存的申请与释放实现

2.1 大页内存的定义与申请策略

（1）大页判定规则

我们定义 "大对象" 为超过 256KB 的内存（可根据场景调整），对应物理页数量为：

复制代码 
// Common.h 核心宏定义
#define MAX_BYTES (256 * 1024)  // 小对象上限
#define PAGE_SIZE 8192          // 单页8KB
#define PAGE_SHIFT 13           // 2^13=8192，用于页ID与地址转换
#define MAX_PAGE_BUCKETS 128    // 最大连续页数量（128*8KB=1024KB）
typedef size_t PAGE_ID;         // 页ID类型

当申请内存size > MAX_BYTES时，判定为大对象，直接走PageCache申请连续页（大页），而非三级缓存

（2）大页内存申请核心逻辑

大页申请的核心是 "以页为单位分配连续物理页"，避免原生malloc的碎片化问题，核心代码如下：

复制代码 
// ConcurrentAlloc.h - 用户层大对象申请接口
void* ConcurrentAlloc(size_t size) {
    if (size > MAX_BYTES) {
        // 1. 内存对齐：大对象对齐到页大小，避免跨页浪费
        size_t alignSize = SizeClass::RoundUp(size); 
        // 2. 计算需要的连续页数
        size_t kPages = alignSize >> PAGE_SHIFT; 
        
        // 3. 加全局页锁，保证线程安全
        PageCache::GetInstance()->_pageMutex.lock();
        // 4. 向PageCache申请连续kPages页的span（大页）
        span* bigSpan = PageCache::GetInstance()->NewSpan(kPages);
        PageCache::GetInstance()->_pageMutex.unlock();
        
        // 5. 页ID转换为内存地址（核心：页ID * 页大小 = 起始地址）
        uintptr_t addr = (uintptr_t)bigSpan->_pageId * PAGE_SIZE;
        return (void*)addr;
    }
    // 小对象走ThreadCache...
}
（3）PageCache::NewSpan 大页申请核心

NewSpan是大页申请的核心，逻辑为 "先查空闲 span→无则向系统申请连续页"：

复制代码 
// PageCache.cpp
span* PageCache::NewSpan(size_t kPages) {
    // 1. 优先从对应页数的空闲span链表中取
    if (!_spanlist[kPages].Empty()) {
        span* span = _spanlist[kPages].Pop_front();
        // 初始化页ID到span的映射（仅首尾页，高效）
        _idSpanMap[span->_pageId] = span;
        _idSpanMap[span->_pageId + span->_n - 1] = span;
        span->_isUse = true;
        return span;
    }

    // 2. 无空闲span，向更大页数的span链表找（拆分）
    for (size_t i = kPages + 1; i < MAX_PAGE_BUCKETS; ++i) {
        if (!_spanlist[i].Empty()) {
            span* bigSpan = _spanlist[i].Pop_front();
            // 拆分出kPages页的span
            span* newSpan = new span;
            newSpan->_pageId = bigSpan->_pageId;
            newSpan->_n = kPages;
            newSpan->_isUse = true;
            // 剩余页放回PageCache
            bigSpan->_pageId += kPages;
            bigSpan->_n -= kPages;
            _spanlist[bigSpan->_n].Push_front(bigSpan);
            // 更新映射
            _idSpanMap[newSpan->_pageId] = newSpan;
            _idSpanMap[newSpan->_pageId + newSpan->_n - 1] = newSpan;
            _idSpanMap[bigSpan->_pageId] = bigSpan;
            _idSpanMap[bigSpan->_pageId + bigSpan->_n - 1] = bigSpan;
            return newSpan;
        }
    }

    // 3. 无任何空闲span，向系统申请128页（大页）
    size_t allocPages = MAX_PAGE_BUCKETS - 1;
    void* ptr = SystemAlloc(allocPages); // 封装VirtualAlloc/mmap
    span* newSpan = new span;
    newSpan->_pageId = (PAGE_ID)ptr >> PAGE_SHIFT; // 地址转页ID
    newSpan->_n = allocPages;
    _spanlist[allocPages].Push_front(newSpan);
    // 递归拆分（仅1层，无栈溢出风险）
    return NewSpan(kPages);
}

2.2 大页内存的释放逻辑

大页释放的核心是 "归还 span 到 PageCache + 双向合并空闲 span"，避免内存碎片化，核心代码：

复制代码 
// ConcurrentAlloc.h - 用户层大对象释放接口
void ConcurrentFree(void* ptr, size_t size) {
    assert(ptr);
    if (size > MAX_BYTES) {
        // 1. 通过地址反查对应的span（核心：_idSpanMap映射）
        PageCache::GetInstance()->_pageMutex.lock();
        span* bigSpan = PageCache::GetInstance()->MapObjectToSpan(ptr);
        // 2. 归还span到PageCache并合并
        PageCache::GetInstance()->ReleaseSpanToPageCache(bigSpan);
        PageCache::GetInstance()->_pageMutex.unlock();
        return;
    }
    // 小对象走ThreadCache...
}

// PageCache.cpp - span合并核心
void PageCache::ReleaseSpanToPageCache(span* obj) {
    // 1. 前向合并：合并前一页的空闲span
    while (true) {
        PAGE_ID prevId = obj->_pageId - 1;
        auto it = _idSpanMap.find(prevId);
        if (it == _idSpanMap.end()) break;
        span* prevSpan = it->second;
        if (prevSpan->_isUse || prevSpan->_n + obj->_n > MAX_PAGE_BUCKETS - 1) break;
        
        // 合并prevSpan到当前span
        _spanlist[prevSpan->_n].Erase(prevSpan);
        obj->_pageId = prevSpan->_pageId;
        obj->_n += prevSpan->_n;
        delete prevSpan; // 此处后续用定长内存池优化
    }

    // 2. 后向合并：合并后一页的空闲span（逻辑同上）
    while (true) {
        PAGE_ID nextId = obj->_pageId + obj->_n;
        auto it = _idSpanMap.find(nextId);
        if (it == _idSpanMap.end()) break;
        span* nextSpan = it->second;
        if (nextSpan->_isUse || nextSpan->_n + obj->_n > MAX_PAGE_BUCKETS - 1) break;
        
        _spanlist[nextSpan->_n].Erase(nextSpan);
        obj->_n += nextSpan->_n;
        delete nextSpan; // 此处后续用定长内存池优化
    }

    // 3. 标记为空闲，更新首尾页映射（高效设计）
    obj->_isUse = false;
    _spanlist[obj->_n].Push_front(obj);
    _idSpanMap[obj->_pageId] = obj;
    _idSpanMap[obj->_pageId + obj->_n - 1] = obj;
}

2.3 大页内存管理的核心优势

  1. 低碎片化：连续页块通过 span 合并，避免原生 malloc 的 "内存洞"；
  2. 少系统调用：向系统一次申请 128 页，拆分后复用，大幅减少 VirtualAlloc/mmap 调用；
  3. 高并发安全：全局页锁仅在申请 / 释放大页时持有，持有时间极短，不影响小对象并发；
  4. 地址映射高效：仅维护 span 首尾页的映射，而非全量页，哈希表开销降低 90%+。

三、核心 2：定长内存池（ObjectPool）脱离 new/delete

上述代码中，new span和delete span会引入额外开销：new需要调用构造函数 + 内存分配，delete需要调用析构函数 + 内存释放，而span作为内存池的元对象，创建 / 销毁频率极高，必须优化，而且最重要的是，我们写的这个不就是要替换malloc和new吗，要是代码中还使用的话，不就相当于左脚踩右脚了吗!!!

3.1 定长内存池的设计思路

定长内存池（ObjectPool）的核心是 "预分配一块连续内存，按固定大小切割，管理空闲链表"，适用于：

  • 频繁创建 / 销毁的定长对象（如 span、ThreadCache）
  • 避免 new/delete 的系统调用和锁竞争
  • 支持定位 new 和显式析构，兼容 C++ 对象生命周期

3.2 ObjectPool 核心实现

复制代码 
// Fixed-size_memory_pool.h
template<class T>
class ObjectPool {
public:
    // 申请对象（脱离new）
    T* New() {
        T* obj = nullptr;
        // 1. 优先从空闲链表取
        if (_freeList) {
            obj = (T*)_freeList;
            _freeList = *((void**)_freeList); // 头删
        } else {
            // 2. 空闲链表空，向系统申请大块内存
            if (_leftBytes < sizeof(T)) {
                _leftBytes = 128 * 1024; // 预分配128KB
                // 按页申请，避免内存碎片
                size_t pageNum = _leftBytes / PAGE_SIZE;
                _memory = (char*)SystemAlloc(pageNum);
                if (_memory == nullptr) throw std::bad_alloc();
            }
            // 切割内存块
            obj = (T*)_memory;
            size_t objSize = sizeof(T) < sizeof(void*) ? sizeof(void*) : sizeof(T);
            _memory += objSize;
            _leftBytes -= objSize;
        }
        // 3. 定位new：仅初始化对象，不分配内存（核心）
        new(obj)T(); 
        return obj;
    }

    // 释放对象（脱离delete）
    void Delete(T* obj) {
        // 1. 显式析构：仅清理对象，不释放内存
        obj->~T();
        // 2. 头插到空闲链表
        size_t objSize = sizeof(T) < sizeof(void*) ? sizeof(void*) : sizeof(T);
        *((void**)obj) = _freeList;
        _freeList = obj;
    }

private:
    char* _memory = nullptr;   // 预分配的连续内存块
    int   _leftBytes = 0;      // 剩余可用字节数
    void* _freeList = nullptr; // 空闲对象链表
};

3.3 替换 new/delete：以 span 和 ThreadCache 为例

（1）管理 span 对象

将PageCache中所有new span/delete span替换为 ObjectPool：

复制代码 
// PageCache.h
class PageCache {
private:
    ObjectPool<span> _spanPool; // 定长内存池管理span
public:
    span* NewSpan(size_t kPages) {
        // 替换new span
        span* newSpan = _spanPool.New();
        // ... 其他逻辑
    }

    void ReleaseSpanToPageCache(span* obj) {
        // ... 合并逻辑
        // 替换delete span
        _spanPool.Delete(prevSpan);
        _spanPool.Delete(nextSpan);
    }
};
（2）管理 ThreadCache 对象

ThreadCache 是线程私有对象，创建频率高，用 ObjectPool 管理：

复制代码 
// ConcurrentAlloc.h
static __thread ThreadCache* pTLSThreadCache = nullptr;
void* ConcurrentAlloc(size_t size) {
    if (size <= MAX_BYTES) {
        if (pTLSThreadCache == nullptr) {
            // 替换new ThreadCache
            static ObjectPool<ThreadCache> tcPool;
            pTLSThreadCache = tcPool.New();
        }
        return pTLSThreadCache->Allocate(size);
    }
    // ... 大对象逻辑
}

3.4 定长内存池的核心收益

  1. 零开销创建 / 销毁：空闲对象直接从链表取，无需系统调用，速度比 new
  2. 内存连续：预分配的大块内存减少 TLB 缺失，访问效率更高
  3. 对象生命周期可控：定位 new + 显式析构，既兼容 C++ 对象，又脱离 new/delete 的束缚；
  4. 无锁（线程私有）：每个 ThreadCache 的 ObjectPool 是线程私有，无并发竞争

四、整体性能对比

场景 原生 malloc/free + new/delete 高并发内存池（大页 + 定长池）
大对象分配耗时 高（频繁系统调用） 低（批量申请 + span 复用）
元对象创建耗时 高（new/delete 锁竞争） 极低（空闲链表无锁）
内存碎片率 高（零散分配） 低（span 合并 + 定长切割）
多线程并发吞吐量 低（全局锁竞争） 高（桶锁 + 线程私有）

五、总结

高并发内存池的性能优化，本质是 "场景适配 + 开销极致压缩"：

  1. 大页内存管理：通过 span 抽象连续页块，批量申请、双向合并，解决大对象碎片化和系统调用频繁问题
  2. 定长内存池：针对高频创建的元对象，预分配连续内存、管理空闲链表，彻底脱离 new/delete，实现零开销对象管理

这两个设计的结合，让内存池既保证了大内存的高效管理，又解决了元数据的性能损耗，是 TCMalloc 等工业级内存池的核心精髓，也是高并发场景下内存管理的最优解之一

附：核心注意事项

  1. 大页合并时仅维护首尾页映射，兼顾效率和正确
  2. 定长内存池的对象大小需对齐到 void*，避免越界访问
  3. 线程私有 ObjectPool 需配合 TLS 使用，避免并发竞争
  4. 向系统申请的大页内存，需在进程退出时主动释放（封装 SystemFree）
相关推荐
凤山老林2 小时前
SpringBoot 使用 H2 文本数据库构建轻量级应用
java·数据库·spring boot·后端
赶路人儿3 小时前
UTC时间和时间戳介绍
java·开发语言
dreamread3 小时前
【SpringBoot整合系列】SpringBoot3.x整合Swagger
java·spring boot·后端
6+h3 小时前
【java】基本数据类型与包装类：拆箱装箱机制
java·开发语言·python
把你毕设抢过来3 小时前
基于Spring Boot的社区智慧养老监护管理平台（源码+文档）
数据库·spring boot·后端
一直都在5723 小时前
Spring面经
java·后端·spring
xiaoye37083 小时前
如何在Spring中使用注解配置Bean的生命周期回调方法？
java·spring
闻哥3 小时前
深入Redis的RDB和AOF两种持久化方式以及AOF重写机制的分析
java·数据库·spring boot·redis·spring·缓存·面试
jgyzl4 小时前
2026.3.12 常见的缓存读写策略
java·后端·spring
热门推荐
01GitHub 镜像站点02OpenClaw 使用和管理 MCP 完全指南03本地部署 OpenClaw + DeepSeek-R1 完全指南04Qwen3.5 开源全解析：从 0.8B 到 397B，代际升级 + 全场景选型指南05OpenClaw 飞书机器人不回复消息？3 小时踩坑总结06OpenClaw macOS 完整安装与本地模型配置教程（实战版）07得物前端部门，没了08OpenClaw 连接飞书完整指南：插件安装、配置与踩坑记录09Window 10部署openclaw报错node.exe : npm error code 12810UV安装并设置国内源