在线排查内存泄漏的步骤-Toy模板网

这篇具有很好参考价值的文章主要介绍了在线排查内存泄漏的步骤。希望对大家有所帮助。如果存在错误或未考虑完全的地方，请大家不吝赐教，您也可以点击"举报违法"按钮提交疑问。

一、在线排查内存泄漏的步骤

想到内存泄漏问题的排查，很多开发会想到使用 Valgrind。使用 Valgrind 有几个局限：

需要安装 Valgrind
需要启停服务进程
影响服务进程性能
依赖于测试用例覆盖到 BUG 分支

由于这些原因，线上内存泄露问题并不适合用 Valgrind 来排查。相反，利用 top、pmap 等命令，以及 GDB(包括gcore脚本)、Vim 等工具排查，会更灵活，更直接。

使用这些工具和指令排查基本步骤包括：

通过 top 找到内存泄露的进程
通过 pmap 找到内存泄露的地址及范围
通过 gcore 对进程内存进行快照
通过 gdb 加载内存信息
通过 dump binary 导出泄露内存的内容
通过 vim 查看内存内容
根据内存中的内容，锁定对应的代码段，进行排查修复

二、单线程案例

联调环境一台机器的应用程序使用的Memory usage (RES) 使用超过 1G。经确认，线上环境没有内存明显增长的情况出现。

在线排查内存泄漏的步骤

通过TNM查看机器情况（请忽略中间的红线突起）：

在线排查内存泄漏的步骤

通过上边两个曲线可以直观的看出：

从10点开始，从某来源不断有请求发过来，响应这些请求的时候，应用程序使用的内存增加
请求量越大，内存上涨越明显，比如在22点左右请求持续，内存增长斜率变大

基本可以确定，因为联调环境的某些持续的异常请求，走到了程序某些异常处理分支，而这些分支中可能没有正确的释放内存。

因为该机器上只有一个主要进程，可以直接跳过定位哪个进程的内存泄露的过程

1. 定位内存泄露的地址范围

首先使用 pmap 加 {pid} 的方式，查看内存映射：

pmap -x 8704  # `-x`表示要显示扩展信息

结果如下：

8704:   ./spp_worker ./../etc/spp_worker1.xml
Address           Kbytes     RSS   Dirty Mode   Mapping
0000000000400000     640     640       0 r-x--  spp_worker
00000000005a0000      12      12       8 rw---  spp_worker
00000000005a3000    2252     196     196 rw---    [ anon ]
0000000001f19000     132     132     132 rw---    [ anon ]
0000000001f3a000 1110656 1109196 1109196 rw---    [ anon ] *****
00007f2c90000000   56896   56896   56896 rw---    [ anon ]
...

通过虚拟内存地址，我们可以看出，这是一个 64 位进程的地址，因为 32 位进程地址是从 0 到 0xffffffff (4G)，两者的范围不同，详见 #背景知识 – X86-64bit Linux内存布局

通过 pmap 的结果，我们已经找到了最大有占用 1G 多的一个连续的块：

0000000001f3a000 1110656 1109196 1109196 rw---    [ anon ]

根据地址可以看出这块大内存是在堆上，也就是可能我们 new 出来的对象没有 delete 掉。

2. 导出内存中的内容

首先要产生 core dump 文件，可以通过man core 指令查看对 core dump 文件的介绍，它包含有进程在某时刻的进程内存情况。

以下指令会产生文件 core 文件，并命名为"core.8704"：

gcore 8704

使用 GDB 关联 bin 文件和 core dump 文件：

gdb spp_worker core.8704

通过 info proc 的 GDB 指令，查看内存映射情况：

(gdb) info proc mappings
process 8704
cmdline = './spp_worker'
cwd = '/xxxxxx/profile_svr/bin'
exe = '/xxxxxx/profile_svr/bin/spp_worker'
Mapped address spaces:
 
          Start Addr           End Addr       Size     Offset objfile
            0x400000           0x4a0000    0xa0000          0 spp_worker
            0x5a0000           0x5a3000     0x3000    0xa0000 spp_worker
            0x5a3000           0x7d6000   0x233000          0 
           0x1f19000          0x1f3a000    0x21000          0 [heap]
           0x1f3a000         0x4611a000 0x441e0000          0 [heap]
      0x7f2c90000000     0x7f2c93790000  0x3790000          0

通过 GDB 的 dump 指令，将内存导出到文件，之后通过 Vim 进行查看。

因为内存已经涨的很多了，可以只 dump 出其中的一部分，而不用将 1G 多都 dump 出来。比如这里从起始位置偏移 0x20000000，即dump出 512M：

(gdb) dump binary memory result.bin 0x1f3a0000x21f3a000

du -sh result.bin
512M	result.bin

3. 分析内存内容

直接使用 Vim 打开导出的二进制文件，可以看到里边有大量的请求信息，并且没有返回信息。

在线排查内存泄漏的步骤

为了确认这块内存中具体的有多少请求，可以直接使用 grep 指令，查找并计数：

grep -a -c -P  "application/x-www-form-urlencoded" result.bin 
339755

512M 字节的内容有339755个HTTP请求，平均一个请求占用1500字节左右，基本可以确定是请求结构创建了而没有delete。

4. 定位内存泄露的代码

检查 service.cpp 中的 spp_handle_process 函数中有创建了 CommItopReq，其中一个分支是检查了请求中 channel_id 非法之后，会直接退出，没有 delete 指针。

extern "C" int spp_handle_process(unsigned flow, void *arg1, void *arg2) {
  // ...
  itop_common::CommItopReq *common_itop_req_ptr = new itop_common::CommItopReq;
  if (common_itop_req_ptr == NULL) {
    printf("create CommItopReq error.\n");
    return -1;
  } 
  
  // ...
  if (!validate(common_itop_req_ptr->channelid())) {
    printf("invalid channelid in req.\n");
    return -1;
  }

公司同事指出，上边代码的错误：如果直接 new 失败，是会抛异常，而不是指针为空。

这里使用 new 而不能直接声明变量的原因是：使用了 SPP 框架，在出了spp_handle_process函数作用域后，仍然会用到这个对象。

再去bin中确认，发现内存中大量遗留的请求是 channelid=4099 一个未配置的渠道ID：

grep -o -P -a "channelid=\d*" result.bin| sort | uniq -c | sort -nr
 339796 channelid=4099
     59 channelid=

改进方法

认真检查每个分支，return之前要delete掉出创建的对象
项目代码升级C++11或更高版本，使用智能指针管理内存

三、多线程案例

在线排查内存泄漏的步骤

1. 定位哪个进程的内存泄露

用 top 命令，然后 shift + m 按照内存排序，找到 %MEM 最高(或上升最快)的进程：

在线排查内存泄漏的步骤

2. 定位内存泄露的地址范围

通过 pmap -x -p ${pid} 的方式可以查看内存情况：

内存是持续泄露，通过隔段时间，进行两次 pmap 记录内存使用情况
物理内存占用明显增加，只需看 RSS 一列大于 0 的情况
通过下图可以发现有 6 处位置有明显的物理内存增加

在线排查内存泄漏的步骤

3. 定位内存泄露的线程

因为有 6 个不同的地址内存明显增加，很可能是在 6 个并发相同逻辑的线程造成的，直接 top 去查看有没有并发是 6 的线程。

top -b -n1 -H -p 94834 | grep -P "^\s*[0-9]+" | awk '{print $NF}'| sort | uniq -c | sort -n

发现只有 handler 线程是 6 个：

在线排查内存泄漏的步骤

至此，找到了具体的线程，但是仍然还不知道具体的代码位置。

在线排查内存泄漏的步骤

4. 导出并分析内存中的内容

根据之前的介绍，要分析内存中的内容，需要进行以下几步：

gcore 产生 coredump 文件
gdb 加载 coredump 文件
(gdb) dump binary memory result.bin {start_addr} {end_addr}命令 dump 内存
使用 Vim 打开二进制文件，使用 :%!xxd 的方式查看内容

在线排查内存泄漏的步骤

将内存中可读的、有意义的字段发给开发同学，开发同学看出这是一个 Redis 的 Key。而整段的内存，也是 Redis 操作相关的一个结构体，包括其中的 GET 是 Redis 指令。

5. 定位内存泄露的代码

通过 GET 和 Key 的结构，开发同学很快的定位到了内存泄露的位置，for 循环的第一个分支中 continue 造成了部分内存没有清除。

开发同学表示，自己的测试用例没有覆盖到这里，所以自己多次使用 Valgrind 进行排查也没有发现。

在线排查内存泄漏的步骤

修改之后上线，内存不在增长，如本节第一张图最后一段展示的那样。

四、多线程虚拟内存不足

1. 背景

运维对集群的扩容，增加 Router 并将新增 Router 列表配置下发到 Worker 供 Worker 向新增 Router 进行注册，下发之后 Worker 不断重启。

Worker Server 文件为 32位 ELF 文件：

# file worker_svr
worker_svr: ELF 32-bit LSB executable, Intel 80386, version 1 (SYSV), dynamically linked (uses shared libs), for GNU/Linux 2.6.18, not stripped

2. 问题排查

Worker 是因为 Crash 而重启的，Crash 的时候有产生 core 文件，直接查看 Crash 的原因：

Core was generated by `/data/xxx/bin/worker_svr ...'.
Program terminated with signal 11, Segmentation fault.
#0  0xf77a4086 in pthread_detach () from /lib/libpthread.so.0
(gdb) bt
#0  0xf77a4086 in pthread_detach () from /lib/libpthread.so.0
#1  0x080a8cf7 in base::Thread::detach (this=0xa11f1a8, thread=0) at base_thread.cpp:481
#2  0x080a86d4 in base::Thread::run (this=0xa11f1a8, ret=0x0) at base_thread.cpp:195
#3  0x08059774 in Monitor::start (this=0xa0b0500) at monitor.cpp:35
#4  0x08057109 in main (argc=11, argv=0xffcaf8f4) at main.cpp:408
(gdb) p errno
$1 = 11

可以较为明显地看到：

进程因为 “signal 11, Segmentation fault” 而崩溃
在调用 pthread_detach () 时发生了错误，errno 为 11-EAGAIN

根据上边两个错误，以及 pthread_create() 说明文档可以比较容易确认是内存不够而导致的创建线程失败。

通过另外一个方面也可以印证，coredump 文件大概有 4 GB 左右：

# ls -lh /data/corefile/core_worker_svr_1635134468.39137 
-rw------- 1 user00 users 3.9G 10月 25 12:01 /data/corefile/core_worker_svr_1635134468.39137

3. 虚拟内存耗尽原因

32-bit 的进程虚拟内存为 4 GB，其中包含内核虚拟存储 1 GB，用户可以使用的有 3 GB 存储空间。

通过 Crash 产生的core文件，无法直接使用 info proc mappings 的方式来查看内存分布情况，因为这个命令是需要查看 /proc/{pid} 中的内容获得的。虽然有其他一些途径可以查看 Crash 的进程的内存分布，但为了方便，我还是直接 gcore 线上一个正常运行的进程来看看：为什么增加 Router 会导致内存耗尽。

(gdb) info proc mappings
    Start Addr   End Addr       Size     Offset     objfile
	 0x8048000  0x827a000   0x232000          0     /data/xxx/bin/worker_svr
	 0x827a000  0x827c000     0x2000   0x232000     /data/xxx/bin/worker_svr
	 0x827c000  0x827d000     0x1000          0     
	 0x8d49000  0x9988000   0xc3f000          0     [heap]
	0x29d00000 0x29d21000    0x21000          0     
	0x29d21000 0x29e00000    0xdf000          0     
	0x29f00000 0x29f21000    0x21000          0     
	0x29f21000 0x2a000000    0xdf000          0     
	0x2a4fe000 0x2a4ff000     0x1000          0     
	0x2a4ff000 0x2c4ff000  0x2000000          0     [stack:51349]   <----- 32MB
	0x2c4ff000 0x2c500000     0x1000          0     
	0x2c500000 0x2e500000  0x2000000          0     [stack:51346]   <----- 32MB

可以发现，内存中有比较大的块 32MB 出现了 91 次，这部分内存加起来总共占用 2912MB。通过 info threads 命令查看，是有 96 个线程。两者有高度的关联性。

选一个线程进行具体的观察：

(gdb) t 88
[Switching to thread 88 (Thread 0x3aaa6b70 (LWP 6410))]#0  0xf7746440 in __kernel_vsyscall ()
(gdb) bt
#0  0xf7746440 in __kernel_vsyscall ()
#1  0xf750b4a6 in epoll_wait () from /lib/libc.so.6
#2  0x080a7b78 in base::TCP_Client_Epoll::svc (this=0xba25b50) at base_tcp_client_epoll.cpp:188
#3  0x080a817a in base::thread_proc (arg=0xba25b50) at base_thread.cpp:34
#4  0xf771ab39 in start_thread () from /lib/libpthread.so.0
#5  0xf750ac2e in clone () from /lib/libc.so.6

打印线程的两个栈相关的寄存器：栈指针寄存器(extended stack pointer, 指向系统栈最上面一个栈帧的栈顶) 和基址指针寄存器(extended base pointer, 指向系统栈最上面一个栈帧的底部)：

(gdb) info register esp ebp
esp            0x3aaa6070	0x3aaa6070
ebp            0x3aaa60e8	0x3aaa60e8

这两个地址均落在上边的 mappings 的一块 32MB 的区域中：

    Start Addr   End Addr       Size     Offset     objfile
     0x38d00000 0x3ad00000  0x2000000      0        [stack:55003]

所以可以确定每个(大部分)线程创建时，会申请这样一部分空间，而这部分其实就是线程的栈空间，参考《深入理解计算机系统》 12.3 基于线程的并发编程。、

至于每个线程创建时会分配多大的栈空间，在 pthread_create() 的手册中有说明：

使用 pthread_attr_setstacksize() 显式的设置
使用 ulimit -s 设置
如果 ulimit -s 设置成 unlimited，将使用架构默认值，比如 i386 和 x86_64 默认都是 2MB

我们的进程没有设置，而 ulimit -s 的值是 32768 kb，恰好为 32 MB，与看到的上述现象相符。

简而言之，这种现象是因为配置中每增加一个 Router 就会对应创建一个线程进行注册和连接管理，当 Router 太多就会引起线程过多而造成虚拟内存耗尽。

这里引出了几个问题：

为什么线程间切换有损耗？
一个进程可以启用多少个线程？
pthread - Posix 线程有哪些常用接口？

4. 改进方法

经过评估，我们进程中所使用的线程的栈会远小于 32MB，因此直接在进程中通过 pthread_attr_setstacksize() 设置为 2MB
可以重新编译为 64-bit 版本

五、相关知识

1. Linux上进程内存布局

32-bit 和 64-bit 虚拟内存地址的分布如下

在线排查内存泄漏的步骤

右侧 64-bit 的用户地址（绿色部分）又会做以下划分为

在线排查内存泄漏的步骤

2. 常用命令选项介绍

top -b -n 1 -H -p 12877

-b 表示 Batch-mode，能避免输出中有 ANSI escape codes，进而造成后续 grep 不符合预期的情况。

-n 1 只打印 1 帧，-H 显示多线程。

diff pmap.01.log pmap.02.log | #
awk  '{if($4 > 0){print $0}}' | #
sort -k2 -k1

sort -k2 -k1 先按照第二列排列，第二列值相同的，按照第一列排列。

3. 常见问题

Q: 使用 pmap 找到了内存增长的地址，但是在 GDB 中info proc mappings 没有看到对应的内存地址，可以直接 dump 内存吗？

A: 可以。文章来源地址https://www.toymoban.com/news/detail-464186.html

到了这里，关于在线排查内存泄漏的步骤的文章就介绍完了。如果您还想了解更多内容，请在右上角搜索TOY模板网以前的文章或继续浏览下面的相关文章，希望大家以后多多支持TOY模板网！

在线排查内存泄漏的步骤

一、在线排查内存泄漏的步骤

二、单线程案例

1. 定位内存泄露的地址范围

2. 导出内存中的内容

3. 分析内存内容

4. 定位内存泄露的代码

三、多线程案例

1. 定位哪个进程的内存泄露

2. 定位内存泄露的地址范围

3. 定位内存泄露的线程

4. 导出并分析内存中的内容

5. 定位内存泄露的代码

四、多线程虚拟内存不足

1. 背景

2. 问题排查

3. 虚拟内存耗尽原因

4. 改进方法

五、相关知识

1. Linux上进程内存布局

2. 常用命令选项介绍

3. 常见问题

觉得文章有用就打赏一下文章作者

支付宝扫一扫打赏

微信扫一扫打赏

支付宝扫一扫领取红包，优惠每天领

二维码1

二维码2