如何发现我是否有内存泄漏

How to find if I have a memory leak

本文关键字：是否 内存 泄漏 何发现 发现      更新时间：2023-10-16

我写了一个数字运算算法。这个想法是:

  1. 一个小的主程序需要很少的内存(启动时只有2mb)
    2. 然后，在循环中，它调用一个需要相当多内存(大约100 MB)的函数，这些内存应该在函数结束时释放。为了理解发生了什么，函数现在总是用相同的参数调用。

似乎程序慢慢地消耗内存，所以我怀疑内存泄漏。我试过Clang的地址消毒器和Intel的指针检查器，但他们没有找到任何东西。

现在，我正在查看我的活动监视器中的内存消耗(我正在运行OSX，但我从Unix命令"top"中获得相同的内存使用情况)，就在调用大函数之前，程序需要2 MB。运行该函数时，程序需要120 MB。奇怪的是，当程序结束大函数并回到循环中时，它现在需要37 MB!然后，当它返回到大函数时，它需要130mb。再次回到循环中，它需要36mb，然后在大函数中它需要140mb…

所以它在慢慢地漂移，但不是有规律的。我该如何信任"top"中的内存使用情况?

内存碎片可以增加内存使用而不产生内存泄漏吗?

我让程序运行一夜，下面是我得到的数据:

  1. 在第一个循环中，程序占用150 MB
  2. 2小时后，68个循环后，程序占用220 MB
  3. 经过一个晚上和394个循环，程序占用480 MB

因此，似乎分配和释放内存的函数(大约120 MB)似乎每次被调用时都会"泄漏"1 MB。

首先，确保在很长一段时间内(例如，如果一个迭代需要一分钟，运行几个小时)增长是持续的。如果肿瘤逐渐缩小，那就没有问题了。接下来是valgrind。然后，如果没有帮助，您将不得不对代码进行二进制搜索:注释掉比特，直到增长停止。我将首先完全删除MKL库的使用(如果您愿意，请留下存根)，然后看看会发生什么。接下来，将矢量更改为std::vector，看看是否有帮助。在那之后，你就要用你的判断力了。

我想我已经找到了罪魁祸首:MKL(截至今天的最新版本)。我使用Pardiso，下面的例子泄漏非常慢:大约每13秒0.1 MB，一夜之间导致280mb。这些是我从模拟中得到的数字。

如果你想试一试，你可以这样编译:

icpc -std=c++11 pardiso-leak.cpp -o main -lmkl_intel_lp64 -lmkl_core -lmkl_intel_thread -liomp5 -ldl -lpthread -lm

谢谢大家的帮助。我已经向英特尔报告了这个错误。

#include <iostream>
#include <vector>
#include "mkl_pardiso.h"
#include "mkl_types.h"
int main (int argc, char const *argv[])
{
  const auto n = std::size_t{1000};
  auto m = MKL_INT{n * n};
  auto values = std::vector<double>();
  auto column = std::vector<MKL_INT>();
  auto row = std::vector<MKL_INT>();
  row.push_back(1);
  for(std::size_t j = 0; j < n; ++j) {
    column.push_back(j + 1);
    values.push_back(1.0);
    column.push_back(j + n + 1);
    values.push_back(0.1);
    row.push_back(column.size() + 1);
  }
  for(std::size_t i = 1; i < n - 1; ++i) {
    for(std::size_t j = 0; j < n; ++j) {
      column.push_back(n * i + j - n + 1);
      values.push_back(0.1);
      column.push_back(n * i + j + 1);
      values.push_back(1.0);
      column.push_back(n * i + j + n + 1);
      values.push_back(0.1);
      row.push_back(column.size() + 1);
    }
  }
  for(std::size_t j = 0; j < n; ++j) {
    column.push_back((n - 1) * n + j - n + 1);
    values.push_back(0.1);
    column.push_back((n - 1) * n + j + 1);
    values.push_back(1.0);
    row.push_back(column.size() + 1);
  }
  auto y = std::vector<double>(m, 1.0);
  auto x = std::vector<double>(m, 0.0);
  auto pardiso_nrhs = MKL_INT{1};
  auto pardiso_max_fact = MKL_INT{1};
  auto pardiso_mnum = MKL_INT{1};
  auto pardiso_mtype = MKL_INT{11};
  auto pardiso_msglvl = MKL_INT{0};
  MKL_INT pardiso_iparm[64];
  for (int i = 0; i < 64; ++i) {
    pardiso_iparm[i] = 0;
  }
  pardiso_iparm[0] = 1;
  pardiso_iparm[1] = 2;
  pardiso_iparm[3] = 0;
  pardiso_iparm[4] = 0;
  pardiso_iparm[5] = 0;
  pardiso_iparm[7] = 0;
  pardiso_iparm[8] = 0;
  pardiso_iparm[9] = 13;
  pardiso_iparm[10] = 1;
  pardiso_iparm[11] = 0;
  pardiso_iparm[12] = 1;
  pardiso_iparm[17] = -1;
  pardiso_iparm[18] = 0;
  pardiso_iparm[20] = 0;
  pardiso_iparm[23] = 1;
  pardiso_iparm[24] = 0;
  pardiso_iparm[26] = 0;
  pardiso_iparm[27] = 0;
  pardiso_iparm[30] = 0;
  pardiso_iparm[31] = 0;
  pardiso_iparm[32] = 0;
  pardiso_iparm[33] = 0;
  pardiso_iparm[34] = 0;
  pardiso_iparm[59] = 0;
  pardiso_iparm[60] = 0;
  pardiso_iparm[61] = 0;
  pardiso_iparm[62] = 0;
  pardiso_iparm[63] = 0;
  void* pardiso_pt[64];
  for (int i = 0; i < 64; ++i) {
    pardiso_pt[i] = nullptr;
  }
  auto error = MKL_INT{0};
  auto phase = MKL_INT{11};
  MKL_INT i_dummy;
  double d_dummy;
  PARDISO(pardiso_pt, &pardiso_max_fact, &pardiso_mnum, &pardiso_mtype,
          &phase, &m, values.data(), row.data(), column.data(), &i_dummy,
          &pardiso_nrhs, pardiso_iparm, &pardiso_msglvl, &d_dummy,
          &d_dummy, &error);
  phase = 22;
  PARDISO(pardiso_pt, &pardiso_max_fact, &pardiso_mnum, &pardiso_mtype,
          &phase, &m, values.data(), row.data(), column.data(), &i_dummy,
          &pardiso_nrhs, pardiso_iparm, &pardiso_msglvl, &d_dummy,
          &d_dummy, &error);
  phase = 33;
  for(size_t i = 0; i < 10000; ++i) {
    std::cout << "i = " << i << std::endl;
    PARDISO(pardiso_pt, &pardiso_max_fact, &pardiso_mnum, &pardiso_mtype,
            &phase, &m, values.data(), row.data(), column.data(), &i_dummy,
            &pardiso_nrhs, pardiso_iparm, &pardiso_msglvl, y.data(),
            x.data(), &error);
  }
  phase = -1;
  PARDISO(pardiso_pt, &pardiso_max_fact, &pardiso_mnum, &pardiso_mtype,
          &phase, &m, values.data(), row.data(), column.data(), &i_dummy,
          &pardiso_nrhs, pardiso_iparm, &pardiso_msglvl, &d_dummy,
          &d_dummy, &error);
  return 0;
}
相关文章：