手把手教你实现C++高性能内存池，相比 malloc 性能提升7倍！

news/2025/12/14 13:13:15/文章来源:https://www.cnblogs.com/xiaokang-coding/p/19096179

大家好，我是小康。

写在前面

你知道吗？在高并发场景下，频繁的malloc和free操作就像是程序的"阿喀琉斯之踵"，轻则拖慢系统响应，重则直接把服务器拖垮。

最近我从0到1实现了一个高性能内存池，经过严格的压测验证，在8B到2048B的分配释放场景下，性能相比传统的malloc/free平均快了4.5倍！今天就来给大家分享这个实现过程，相信看完后你也能写出自己的高性能内存池。

数据最有说服力，来看看实测结果:

看到了吗？相比标准malloc/free，平均性能提升4.62倍，最高达到7.37倍！

手把手教你实现C++高性能内存池，相比 malloc 性能提升7倍！

为什么需要内存池？

在开始撸代码之前，我们先来聊聊为什么要造这个轮子。

传统内存分配的痛点

你有没有遇到过这些情况：

频繁分配小对象：比如游戏服务器中每秒创建成千上万个临时对象
内存碎片化：明明还有很多空闲内存，但就是分配不出连续的大块
性能瓶颈：高并发场景下malloc成为系统的性能瓶颈
内存泄漏：忘记free导致的内存泄漏，让人头疼不已

这些问题的根源在于：系统级的内存分配器设计得太通用了。它要处理各种大小的内存请求，要考虑各种边界情况，这就导致了性能上的妥协。

内存池的优势

内存池就像是给程序开了个"专属食堂"：

速度快：预先分配好内存，拿来就用，不用每次都找系统要
减少碎片：统一管理，按需切分，内存利用率更高
避免泄漏：集中管理，程序结束时统一释放
可控性强：自己的地盘自己做主，可以根据业务特点优化

设计思路：三层架构设计

经过大量调研和思考，我采用了类似TCMalloc的三层架构：

┌─────────────────────────────────────────────────────────┐
│                   应用程序                                │
└─────────────────────┬───────────────────────────────────┘│ ConcurrentAlloc() / ConcurrentFree() 
┌─────────────────────▼───────────────────────────────────┐
│              ThreadCache (线程缓存)                      │
│  ┌─────┐ ┌─────┐ ┌─────┐ ┌─────┐                       │
│  │ 8B  │ │16B  │ │32B  │ │...  │  每个线程独享           │
│  │List │ │List │ │List │ │List │                       │
│  └─────┘ └─────┘ └─────┘ └─────┘                       │
└─────────────────────┬───────────────────────────────────┘│ 批量获取/归还
┌─────────────────────▼───────────────────────────────────┐
│             CentralCache (中央缓存)                      │
│  ┌─────────┐ ┌─────────┐ ┌─────────┐                   │
│  │ 8B Span │ │16B Span │ │32B Span │  全局共享，桶锁    │
│  │ List    │ │ List    │ │ List    │                   │
│  └─────────┘ └─────────┘ └─────────┘                   │
└─────────────────────┬───────────────────────────────────┘│ 申请新Span
┌─────────────────────▼───────────────────────────────────┐
│               PageHeap (页堆)                           │
│  ┌──────┐ ┌──────┐ ┌──────┐ ┌──────┐                  │
│  │ 1页  │ │ 2页  │ │ 4页  │ │ 8页  │  管理大块内存       │
│  │ Span │ │ Span │ │ Span │ │ Span │                  │
│  └──────┘ └──────┘ └──────┘ └──────┘                  │
└─────────────────────┬───────────────────────────────────┘│ 系统调用
┌─────────────────────▼───────────────────────────────────┐
│                  操作系统                               │
│              (mmap/VirtualAlloc)                       │
└─────────────────────────────────────────────────────────┘

为什么是三层？

这个设计的精妙之处在于分层解耦：

ThreadCache：每个线程都有自己的缓存，分配时无需加锁，速度飞快
CentralCache：当ThreadCache没有合适的内存块时，向CentralCache申请
PageHeap：管理大块内存，当CentralCache也没有时，向系统申请内存

这样设计的好处是：大部分情况下分配操作都在ThreadCache完成，无锁且极快；只有在必要时才会涉及锁操作。

第一层：ThreadCache（线程本地缓存）

设计理念：每个线程拥有独立的内存缓存，消除锁竞争。

class ThreadCache {
private:FreeList free_lists_[NFREELISTS];  // 208个不同大小的自由链表static thread_local ThreadCache* tls_thread_cache_;public:void* Allocate(size_t size);void Deallocate(void* ptr, size_t size);
};

核心优化点：

无锁设计：线程本地存储，天然线程安全
多级缓存：208个不同大小的自由链表
批量操作：与中心缓存批量交换，减少交互次数

第二层：CentralCache（中心分配器）

设计理念：所有线程共享的中心分配器，负责向ThreadCache提供内存。

class CentralCache {
private:SpanList span_lists_[NFREELISTS];        // Span链表数组std::mutex mutexes_[NFREELISTS];         // 桶锁数组public:size_t FetchRangeObj(void*& start, void*& end, size_t n, size_t size);void ReleaseListToSpans(void* start, size_t size);
};

核心优化点：

桶锁设计：每个大小类别独立锁，减少锁竞争
Span管理：每个Span管理一组连续页面
批量分配：一次分配多个对象给ThreadCache

第三层：PageHeap（页堆管理器）

设计理念：管理大块内存页面，是系统内存和应用的桥梁。

class PageHeap {
private:SpanList span_lists_[POWER_SLOTS];  // 只管理2的幂次页数PageMap2<PAGE_MAP_BITS> page_map_;   // 页面到Span映射，采用基数树来管理public:Span* AllocateSpan(size_t n);void ReleaseSpanToPageHeap(Span* span);
};

核心优化点：

2的幂次优化：只分配1,2,4,8,16,32,64,128,256页的Span
智能分裂：大Span智能分裂成小Span
零开销释放：释放直接缓存，无需合并操作

核心数据结构设计

1. 自由链表（FreeList）

这是内存池的基础数据结构，将空闲内存块串成链表：

class FreeList {
private:void* head_;      // 链表头指针size_t size_;     // 当前大小size_t max_size_; // 慢启动最大批量大小public:void Push(void* obj);void* Pop();void PushRange(void* start, void* end, size_t n);size_t PopRange(void*& start, void*& end, size_t n);
};

巧妙设计：利用空闲内存块本身存储链表指针，零额外开销！

static inline void*& NextObj(void* obj) {return *(void**)obj;  // 前8字节存储下一个块的地址
}

2. Span结构

Span是管理连续页面的核心结构：

struct Span {PageID page_id_;        // 起始页号size_t n_;              // 页数Span* next_;            // 双向链表指针Span* prev_;size_t object_size_;    // 切分的对象大小size_t use_count_;      // 已分配对象数void* free_list_;       // 切分后的自由链表bool is_used_;          // 是否使用中
};

关键算法实现

1. 大小类别映射算法

将任意大小映射到固定的大小类别，这是性能的关键：

static inline size_t RoundUp(size_t size) {if (size <= 128) {return Align(size, 8);        // 8字节对齐} else if (size <= 1024) {return Align(size, 16);       // 16字节对齐} else if (size <= 8 * 1024) {return Align(size, 128);      // 128字节对齐} else if (size <= 64 * 1024) {return Align(size, 1024);     // 1KB对齐} else if (size <= 256 * 1024) {return Align(size, 8 * 1024); // 8KB对齐}
}

设计考量：小对象精细对齐，大对象粗粒度对齐，平衡内存利用率和性能。

2. 慢启动批量分配

动态调整批量大小，平衡内存使用和性能：

static size_t NumMoveSize(size_t size) {size_t base_batch;if (size <= 32) {base_batch = 128;    // 小对象大批量} else if (size <= 128) {base_batch = 64;} else if (size <= 512) {base_batch = 32;} else {base_batch = 16;     // 大对象小批量}return base_batch * batch_multiplier;
}

3. 页面映射优化

采用二层基数树，快速查找对象所属的Span：

template<int BITS>
class PageMap2 {
private:static const int LEAF_BITS = BITS / 2;static const int ROOT_BITS = BITS - LEAF_BITS;struct OptimizedLeaf {SubLeaf* sub_leafs[SUB_LEAFS_PER_LEAF];// 延迟初始化，减少内存开销};public:inline void* get(size_t k) const;inline void set(size_t k, void* v);
};

上面展示的是部分核心设计思路的简化代码，实际实现中还包含了更多的边界处理和优化细节。

PS：说实话，能参考TCMalloc架构手搓高性能内存池的人应该不多。我在研究阶段看了网上的几个版本，发现大部分还是基于32位系统设计的，在如今的64位环境下就显得有些局限了。可能是早期教学项目的代码被反复借鉴，缺少针对现代系统的深度优化。

注意: 我这个版本从头开始针对64位系统设计，不仅支持完整的虚拟地址空间，还考虑了现代CPU架构的特性，至少在设计思路上更贴近实际应用场景。

手把手教你实现C++高性能内存池，相比 malloc 性能提升7倍！

性能优化技巧

1. 分支预测优化

// 利用__builtin_expect优化分支预测
if (__builtin_expect(!list.Empty(), 1)) {return list.Pop();  // 大概率走这个分支
}

2. 内联函数优化

// 热点函数全部内联
static inline size_t GetPageID(void* addr) {return reinterpret_cast<PageID>(addr) >> PAGE_SHIFT;
}

3. 缓存友好的数据结构

// 64字节对齐，匹配CPU缓存行
struct SimpleBatch {void* ptrs[32];    uint8_t count = 0;   
} __attribute__((aligned(64)));

4. 锁优化策略

// 桶锁：每个大小类别独立锁
std::mutex mutexes_[NFREELISTS];// 减少持锁时间
{std::lock_guard<std::mutex> lock(mutexes_[index]);// 最少的临界区代码
}

5. 基于perf的性能分析优化

在内存池开发过程中，perf是我最重要的性能分析工具。下面分享三个实际优化案例：

案例1：发现热点函数并优化

问题发现：使用perf分析发现SizeClass::Index()函数占用了15%的CPU时间

# 性能分析命令
sudo perf record -g ./test_memory_pool
sudo perf report # 发现热点
15.23%  test_memory_pool  [.] SizeClass::Index(unsigned long)8.94%  test_memory_pool  [.] ThreadCache::Allocate(unsigned long)

优化方案：针对最常用的小对象做特殊优化

// 优化前：每次都走复杂的Index计算
size_t index = SizeClass::Index(align_size);// 优化后：小对象直接计算，避免函数调用
size_t index;
if (__builtin_expect(align_size <= 128, 1)) {index = (align_size >> 3) - 1;  // 直接位运算
} else {index = SizeClass::Index(align_size);  // 复杂情况才调用
}

效果验证：再次perf分析，该函数CPU占用降到3.2%，整体性能提升12%

案例2：优化Deallocate的批量处理

问题发现：Deallocate函数中频繁的Push操作CPU耗时较高

12.45%  test_memory_pool  [.] FreeList::Push(void*)7.33%  test_memory_pool  [.] ThreadCache::Deallocate(void*, unsigned long)

优化方案：针对小对象使用批量释放策略

// 优化前：每次都要操作链表
void ThreadCache::Deallocate(void* ptr, size_t size) {size_t index = GetIndex(size);free_lists_[index].Push(ptr);  // 每次都要修改链表头
}// 优化后：使用批量缓冲区
SimpleBatch batches_[32];  // 只为热点大小创建批量void ThreadCache::Deallocate(void* ptr, size_t size) {if (index < 32) {SimpleBatch& batch = batches_[index];batch.ptrs[batch.count++] = ptr;if (batch.count >= 32) {FlushSimpleBatch(index, size);  // 批量刷新到链表}}
}

案例3：解决大量缺页中断问题

问题发现：程序出现大量缺页处理，perf显示__memset_avx2_erms耗时严重

33.67%  test_memory_pool  [.] __memset_avx2_erms
11.22%  test_memory_pool  [.] PageMap2::set_range

优化方案：优化PageMap二层基数树，减少memset调用

// 优化前：每次都要初始化大块内存
class PageMap2 {void* values[HUGE_SIZE];  // 直接分配巨大数组，导致大量memset
};// 优化后：延迟初始化，按需分配
class PageMap2 {struct SubLeaf {void* values[1024];  // 只有8KB，memset很快bool initialized = false;};void ensure_initialized() {if (!initialized) {memset(values, 0, sizeof(values));  // 只清零8KBinitialized = true;}}
};

效果：memset调用减少95%，在高并发场景下性能提升显著。由此可见在高并发场景下不能够大量调用memset。

实际在优化过程中还遇到了很多类似的性能瓶颈，这里只是举了几个例子。perf工具帮助我们精确定位问题，避免了盲目优化，每一次改进都有数据支撑。

实战测试与性能分析

测试环境

系统：ubuntu20.04
编译器：GCC -O3 优化
线程数：16
每线程操作：10000次分配释放

性能提升分析

小对象优势明显：8B-128B对象提升2-5倍
中等对象表现优异：256B-1KB对象提升5-6倍
大对象依然领先：2KB以上对象提升7倍以上

为什么这么快？

减少系统调用：批量分配减少90%+的系统调用
消除锁竞争：线程本地缓存 + 桶锁设计
内存局部性：连续内存分配，缓存友好
算法优化：O(1)分配释放，无遍历查找

使用方法

接口设计简洁，可以直接替换malloc/free：

// 基础接口
void* ptr = ConcurrentAlloc(1024);
ConcurrentFree(ptr);

项目亮点总结

三层架构设计：清晰的架构层次，职责分离
多种优化技术：从算法到实现的全方位优化
生产级质量：完整的错误处理和边界检查
高可扩展性：支持自定义配置和扩展
实测性能卓越：平均4.62倍性能提升

一些思考和收获

这个内存池项目从构思到完成，前后花了我一个月的业余时间。

最初只是想解决项目中的性能瓶颈，没想到越深入越发现内存管理的复杂性。从最简单的链表管理，到三层架构设计，再到各种微观优化，每一步都让我对系统底层有了新的认识。

印象最深的是那次perf分析，发现15%的时间竟然消耗在一个看似简单的Index计算上。这让我意识到，真正的性能优化往往隐藏在最不起眼的地方。

还有那次为了解决PageMap初始化性能问题，我不得不重新设计了整个二级页表结构。原本简单粗暴的大数组分配导致了严重的缺页中断，perf显示__memset_avx2_erms占用了23%的CPU时间。虽然推翻了之前的设计，改用延迟初始化的SubLeaf结构，但看到最终memset调用减少95%的数据时，一切都值得了。

这个项目最大的价值不是代码本身，而是整个优化思维的建立。

现在我看任何性能问题，都会先想：这是架构问题还是实现问题？是算法复杂度的问题还是常数优化的空间？数据访问模式是否缓存友好？锁的粒度是否合理？