一.项目介绍
本项目是楼主在实验楼中学习的,这里主要分享一下学习心得和总结一些经验~
在 C/C++ 中,内存管理是一个非常棘手的问题,我们在编写一个程序的时候几乎不可避免的要遇到内存的分配逻辑,这时候随之而来的有这样一些问题:是否有足够的内存可供分配? 分配失败了怎么办? 如何管理自身的内存使用情况? 等等一系列问题。在一个高可用的软件中,如果我们仅仅单纯的向操作系统去申请内存,当出现内存不足时就退出软件,是明显不合理的。正确的思路应该是在内存不足的时,考虑如何管理并优化自身已经使用的内存,这样才能使得软件变得更加可用。本次项目我们将实现一个内存池,并使用一个栈结构来测试我们的内存池提供的分配性能。
二.内存池介绍
内存池是池化技术中的一种形式。通常我们在编写程序的时候回使用 new delete 这些关键字来向操作系统申请内存,而这样造成的后果就是每次申请内存和释放内存的时候,都需要和操作系统的系统调用打交道,从堆中分配所需的内存。如果这样的操作太过频繁,就会找成大量的内存碎片进而降低内存的分配性能,甚至出现内存分配失败的情况。
而内存池就是为了解决这个问题而产生的一种技术。从内存分配的概念上看,内存申请无非就是向内存分配方索要一个指针,当向操作系统申请内存时,操作系统需要进行复杂的内存管理调度之后,才能正确的分配出一个相应的指针。而这个分配的过程中,我们还面临着分配失败的风险。
所以,每一次进行内存分配,就会消耗一次分配内存的时间,设这个时间为 T,那么进行 n 次分配总共消耗的时间就是 nT;如果我们一开始就确定好我们可能需要多少内存,那么在最初的时候就分配好这样的一块内存区域,当我们需要内存的时候,直接从这块已经分配好的内存中使用即可,那么总共需要的分配时间仅仅只有 T。当 n 越大时,节约的时间就越多。
三.项目源码及分析
源码地址:
https://github.com/82457097/Linux/tree/master/MemoryPool
1.链式栈的实现
#ifndef STACK_ALLOC_H
#define STACK_ALLOC_H
#include<memery> //std::allocator函数需要的头文件
template<typename T>
struct StackNode { //创建模板化链表
T data;
StackNode* next;
};
template<typename T, typename Alloc = std::allocator<T>>
class StackAlloc { //链式栈的模板类,主要实现栈的一些基本功能,push、pop、top、还有判空empty、销毁clear等等~
public:
//取别名,方便书写。
typedef StackNode Node;
typedef typename Alloc::template rebind<Node>::other allocator;//这里下面会做详细解释
//构造函数,将链表的头结点初始化一下就好了
StackAlloc() { m_head = nullptr; }
//析构函数,直接调用Clear()销毁销毁所有内存
~StackAlloc() { Clear(); }
//入栈函数Push()
void Push(T element) {
//先调用allocate和construct创建一个新的节点,建议先去看一下std::allocator的成员函数说明
Node* curr = m_allocator.allocate(1);
m_allocator.construct(curr, Node());
//然后直接头插法将新建的节点插入链表
curr->data = element;
curr->next = m_head;
m_head = curr;
}
//弹栈Pop()
T Pop() {
//思路就是将节点的数据弹出,然后销毁节点。
T result = m_head->data;
//创建一个临时节点保存m_head->next
Node* ptemp = m_head->next;
//销毁头指针所指节点
m_allocator.destroy(m_head);
m_allocator.deallocate(m_head, 1);
m_head = ptemp;
return result;
}
//清空链式栈Clear()
void Clear() {
//循环判空销毁节点,直至每个节点都被销毁,内存被释放
Node* curr = m_head;
//从头结点开始判断
while(curr != nullptr) {
//新建一个Node来存放curr->next
Node* ptemp = curr->next;
//不为空则销毁此节点
m_allocator.destroy(curr);
m_allocator.deallocate(curr, 1);
curr = ptemp;
}
m_head = nullptr;
}
//判断栈是否为空的函数Empty()
bool Empty() { return (m_head == nullptr); }
//取栈顶元素Top()
T Top() { return m_head->data; }
private:
Node* m_head;
allocator m_allocator;
};
#endif
2.main函数测试效果
#include<iostream>
#include<ctime>
#include<cassert>
#include"StackAlloc.h"
#define ELEMS 100000 //这里是分配的个数 可以自己随便改
#define REPS 100 //重复分配次数
using namespace std;
int main() {
clock_t start; //clock()不清楚的去看一下clock()怎么用
start = clock();
StackAlloc<int, allocator<int>> stackDefault;
for(int i = 0; i < REPS; ++i) { //测试push和pop 100000x100 次所耗的时间
assert(stackDefault.Empty()); //断言stackDefault未分配前是空的
for(int j = 0; j < ELEMS; ++j)
stackDefault.Push(j);
for(int j = 0; j < ELEMS; ++j)
stackDefault.Pop(j);
}
cout << "Default Alloc Time: ";
cout << (((double)clock() - start) / CLOCKS_PER_SEC) << endl; //算出实际花费的时间
return 0;
}
以上代码完全是手打的,不确保没有小错误,这里只做思路的解释,项目源码连接已经放在上面了~
3.关于typedef typename Alloc::template rebind::other allocator用法的说明
//关于 typedef typename Alloc<T>::template rebind<Node>::other allocator 的解释
//我们用 typedef 给一个东西取了别名叫 allocator
//这个东西是
typename Alloc::template rebind<Node>::other
//它其实是为了解决编译器不认识的代码的问题而出现的写法
//首先我们定义了 Alloc = std::allocator<T>,而 rebind 其实是 std::allocator 的一个成员。
//巧就巧在,rebind 本身又是另一个模板, C++ 称其为 dependent name。完整的形式本来应该是:
std::allocator<T>::rebind<Node>::other
//但是模板的相关解析已经在 <T> 出现过了,后面的 <Node> 中的 < 只能被解释为小于符号,这会导致编译出错。
//为了表示 dependent name 是一个模板,就必须使用 template 前缀。
//如果没有 template 前缀,< 会被编译器解释为小于符号。所以,我们必须写成下面的形式:
std::allocator<T>::template rebind<Node>::other
//最后,编译器在其实根本没有任何办法来区分 other 究竟是一个类型,还是一个成员。
//但我们其实知道 other 是一个类型(见这里),所以使用 typename 来明确指出这是一个类型,最终才有了:
typename std::allocator<T>::template rebind<Node>::other
//rebind的作用是,对于给定的类型T的分配器(typename Alloc = std::allocator<T>),
//想根据相同的策略得到另一个类型U的分配器(这里得到了std::allocator<StackNode_<T>>)。
template<typename U>
struct rebind {
typedef allocator other;
};
四.小结
这一篇主要解释了链式栈的作用及其原理,我们这里所测试的是系统的内存分配函数std::allocator的性能,下一篇我们将会实现自己的MemoryPool,与其进行性能上的比较,小伙伴们可以先自己研究MemoryPool的实现,有什么不懂得欢迎讨论,有错误或者建议也欢迎指正!
先附上最终性能比较图:次数都是100000x100
效果还是很明显的~