检查是否内存泄漏的方法

最新推荐文章于 2024-05-06 11:23:03 发布

Mitch Hong

最新推荐文章于 2024-05-06 11:23:03 发布

阅读量2.9k

点赞数 2

文章标签：算法 c++ 开发语言

本文链接：https://blog.csdn.net/MitchHong/article/details/109665266

版权

前言

这两天抽空把之前买的这门课给看了看，课程很好，有兴趣的也可以看一看：

具体的课程总结过几天写一写，这篇推送就说一下从这课上学到的一个技巧吧：一个检查内存泄露的方法。

这个方法呢，我觉得应该是用在开发阶段的，就是每当我们写好一个模块或者一个功能时，就检查一下，确保无误在接着往下做。

网上也有一些检查内存泄漏的工具，一搜一大堆资料就出来了，我就不介绍了。

先看一个简单的内存泄漏

#include <iostream>

using namespace std;

void testFunc()
{
    char* str = new char[1024];
    /// Some options

    std::cout << "testFunc end" << std::endl;
}

int main()
{
    /// Some options

    testFunc();

    /// Some options

    return 0;
}

在 testFunc 函数中我在堆中开辟了 1024 字节的内存，但是程序结束时我并没有释放它，这样就堆中的这个 1024字节的内存就一直被占用着，所以就造成了内存泄漏。

这种简单的内存泄露问题，学过C++的一眼就能看出来，为了避免这样的问题发生，我们一般用智能指针，或者记得 delete / delete[]，像下面这样:

#include <iostream>
#include <memory>

using namespace std;

void testFunc()
{
    char* str = new char[1024];
    /// Some options

    delete[] str;

    std::cout << "testFunc end" << std::endl;
}

但是，像下面的这样的代码呢，不了解这个库的话可能看不出来有内存泄漏：

其实也不复杂，这些都是 <Python.h> 里面的东西，用C++给Python做拓展库或者 C++调用Python脚本时会用。

Python中的垃圾回收机制主要是看变量的引用计数，如果引用计数为0时再销毁，我们在做Python的拓展库时，在C++这边是需要我们手动地去增减引用计数的。所以就得控制好这个引用计数，不然一不小心可能就造成了内存泄露了。

由于开发过程中可能会用到一些自己不太熟悉的库，就比如上面的我就可能忘写上红框里面的代码了，那么就会造成内存泄露了。

上面这两个例子仅仅是调用了一次，并不会消耗太多的内存。但是，在实际的生产中，我们程序可能会是一直在运行的，那么就可能会一直在泄露内存。积少成多，最后宕掉。

为了避免造成内存泄漏的发生，我们在写好一个函数或者一个功能时就及时地对它进行检测，看看是否会造成内存泄露！

检查内存泄露的方法

方法

我们没必要对着代码一行一行地检查，我们只需做一个死循环，不断重复地执行所测试的函数模块，然后打开任务管理器，看内存的增长情况，如果内存在不断地增加那么可能就是内存泄露了。如果有内存泄漏的话，死循环会造成内存快速增长，所以可以判断出是否发生内存泄漏。

如果你用的是VS的话，里面的诊断工具里面有一个进程内存可以看到内存的增长情况，如下。

我平时都用的CLion进行开发，所以就通过看任务管理器了。

如果我们确认了这个模块函数会发生内存泄漏，那么再去一行一行看代码吧。所以平时还是写一点然后就去测试一下！

下面我就拿 VS2017 测试一下

内存泄漏时，观察内存的消耗

代码：

#include "stdafx.h"
#include <iostream>
#include <memory>

using namespace std;

void testFunc()
{
    char* str = new char[1024];
    /// Some options

    std::cout << "testFunc end" << std::endl;
}

int main()
{
    /// Some options
    while (1)
        testFunc();

    /// Some options

    return 0;
}

下面是几个时间点下的截图（看右侧），可以看到内存的迅速增长：