开源库之-jemalloc开源库

在这里插入图片描述

💖 简介

jemalloc是一款内存分配器,与其它内存分配器(glibc)相比,其最大优势在于多线程场景下内存分配性能高以及内存碎片减少。
jemalloc在Facebook公司内部很多项目中使用。
redis的windows版本是用的是jemalloc库。
源码下载:https://github.com/jemalloc/jemalloc

windows环境下头文件及动态库,适用于vs2015或vs2017,如有需要可直接下载:
链接:https://pan.baidu.com/s/1pqWyaY_WceNiAouDO6Sssg
提取码:tv7g

如有理解不对的地方,欢迎各位指出,大家共同交流和学习。 如有帮助,请点赞加支持! 送人玫瑰手有余香!🌹🌹🌹

💖 为什么用

在编写程序时,频繁申请和释放内存,长时间运行会产生大量的内存碎片,这就导致当申请连续可用的大内存快时,会出现内存分配。另外,在高并发的场景下频繁的分配和释放内存也是一笔额外的CPU负担。

💖 如何解决内存碎片

常用的正确做法就是采用内存池技术对程序的内存进行分配和管理。但是,开发的工作中,自己造轮子固然很好,可以提升自身技术,但是,时间成本比较高,而且可能考虑不完善,导致造出来的轮子,引出更多的问题。俗话说,站在前人的肩膀向前攀登,才会越走越远。直接使用开源的内存管理工具,可以事半功倍,提升效率。

💖 简单使用

#include<stdio.h>
#include<time.h>
#include <assert.h>
#include "jemalloc/jemalloc.h"
#include <iostream>
#include<thread>
#include<vector>
using namespace std;


// 当前使用的是jemalloc静态库

#pragma comment(lib,"jemallocd.lib")


const int iCount = 1000;
const int iSize = 100;
void test01()
{
	// malloc
	clock_t cStart = ::clock();
	for (auto i = 0; i < iCount; i++)
	{
		void* pMem = malloc(iSize);
		assert(pMem);
		free(pMem);
	}
	clock_t cSpan1 = ::clock() - cStart;


	
	// jemalloc
	cStart = ::clock();
	for (auto i = 0; i < iCount; i++)
	{
		void* pMem = je_malloc(iSize);
		assert(pMem);
		je_free(pMem);
	}
	clock_t cSpan2 = ::clock() - cStart;


	cStart = ::clock();
	for (auto i = 0; i < iCount; i++)
	{
		int * pMem = new int;
		assert(pMem);
		free(pMem);
	}
	clock_t cSpan3 = ::clock() - cStart;

	cout << "malloc方式跨越时间:" << cSpan1 << endl;
	cout << "jemalloc方式跨越时间:" << cSpan2 << endl;
	cout << "new方式跨越时间:" << cSpan3 << endl;
}

void test02()
{
	// malloc
	clock_t cStart = ::clock();
	for (auto i = 0; i < iCount; i++)
	{
		void* pMem = malloc(iSize);
		assert(pMem);
		free(pMem);
	}
	clock_t cSpan1 = ::clock() - cStart;



	// jemalloc
	cStart = ::clock();
	for (auto i = 0; i < iCount; i++)
	{
		void* pMem = je_malloc(iSize);
		assert(pMem);
		je_free(pMem);
	}
	clock_t cSpan2 = ::clock() - cStart;


	cStart = ::clock();
	for (auto i = 0; i < iCount; i++)
	{
		int * pMem = new int;
		assert(pMem);
		free(pMem);
	}
	clock_t cSpan3 = ::clock() - cStart;

	cout << "线程:malloc方式跨越时间:" << cSpan1 << endl;
	cout << "线程:jemalloc方式跨越时间:" << cSpan2 << endl;
	cout << "线程:new方式跨越时间:" << cSpan3 << endl;
}
int main()
{
	
	
	test01();
	thread myObj(test02);
	myObj.join();

	vector<thread> ThreadHandle;
	int threadNum = 10;
	ThreadHandle = vector<thread>(threadNum);
	for (auto i = 0; i < threadNum; i++)
	{
		ThreadHandle[i] = thread(test02);
	}
	for (auto i = 0; i < threadNum; i++)
	{
		ThreadHandle[i].join();
	}
	system("pause");
	return 0;
}
  • 1
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
k-means是一种常用的聚类算法,它可以对数据进行分组并根据它们的特征进行分类。k-means python开源是一种用于实现k-means算法的工具,它可以帮助开发者在Python环境下快速地实现聚类分析。 在Python中,有许多优秀的开源可以用于实现k-means算法,如scikit-learn、numpy、pandas等。这些提供了丰富的聚类分析工具和函数,可以帮助开发者高效地进行数据分析和聚类。 k-means python开源通常提供了以下功能: 1. 数据预处理:可以对数据进行处理,包括数据清洗、缺失值填充、数据标准化等操作,以便进行聚类分析。 2. k-means算法实现:包括k-means++、k-means||等改进的k-means算法实现,在数据量大的情况下能够提高算法的效率和准确性。 3. 聚类结果可视化:可以将聚类结果可视化,以便开发者对聚类分析结果进行直观的理解和分析。 使用k-means python开源进行聚类分析有许多优势,例如: - 开发者可以通过调用现有的函数和工具快速得到聚类分析的结果,节省了编写复杂算法的时间和精力。 - 开源通常经过了大量的验证和测试,可以保证算法的准确性和稳定性。 - 可以方便地与其他python进行整合,进行数据处理、可视化等操作。 总之,利用k-means python开源可以帮助开发者高效地进行聚类分析,并且可以更好地理解数据的结构和特征,为后续的数据处理和分析提供基础。

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值