云风的 BLOG: 内存泄露排查小记

最近我们的游戏服务器又发生了一起内存泄露事故。由于泄露速度极其缓慢，所以有很大的隐蔽性。

Bug 最后是这样确认并解决的：

由于 Skynet 本质上是由唯一的时钟模块驱动的，我们首先修改了时钟部分的代码，让系统可以以 10 倍速运作。这样，原本耗时几天的泄露现象，可以在半天内就确定了：一定存在某种内存泄露的 Bug, 而不是正常流程导致的内存占用持续上升。

我们原本就预留了各个独立服务的调试接口，大部分服务都是用 Lua 编写，利用调试接口，可以清楚的看出每个 Lua 虚拟机占用了多少内存。

但是原有的 Lua 调试接口有一定的缺陷，它以来虚拟机本身要能对外提供服务。一旦服务阻塞，就不能自行报告调试信息。这次事故和这点无关，但这次我们改进了 Lua 内部的内存占用汇报机制。

我们给 Lua 虚拟机定制了内存分配器，把使用报告汇总到一个全局的 C 数组中。这样，直接用 gdb 切入进程，也能直接看到报告。调试接口也不依赖服务自身的响应来汇报内存状态了。

这次排查事故的过程，我们排除了 Lua 对象的泄露可能。因为 Lua 虚拟机中占用的内存都没有呈现不正常上升的状态，所以利用之前编写的小工具很难派上用场。

在 C 代码层面，我们使用的 jemalloc 可以很好的辅助分析。

这次的现象比较典型，在服务器正常关闭后，几乎所有的内存都正确释放了。我们给服务器退出过程增加了更详尽的 log ，确认在一张地图退出时，关闭 Lua state 的同时，C 里面有大量的内存被释放掉了，远超 Lua 占用的内存数量。

这几乎可以确定，在 Lua State 中大量引用了 C 对象，在运行过程中没有解引用，却在退出时正确释放了。可是，我们又没有观察到运行过程中 Lua State 内存的暴增。一开始，这种现象颇能迷惑人。

经过一番思考，我确定了问题。这是因为，地图服务应用了一个 AOI 管理的 C 模块。这个 C 模块以整数 handle 的形式对内部对象做了封装。在写 Lua 封装层的时候，简单的提供了几个 api ，用于创建和删除 handle 。所以，C 对象在 Lua 虚拟机中是以 handle 的形式存在的。使用的同学不慎忘记了在合适的时机，显式去删除这个 handle 。

具体到这个问题上，应该在怪物死亡的时候删除怪物的 aoi 对象 handle 。这个 bug 存留了很久，之所以没有被发现，是因为怪物死亡频率不高，且 AOI 模块中相应的 C 对象消耗内存很小的缘故。直到策划重新布了怪，不同阵营的怪相互厮杀，血流成河的缘故。

这次事故提醒我，永远不要把显式销毁对象的责任追加到动态语言使用者上。尽量利用 gc 的机制，当然还需要更贴切的使用。这对 lua 的 C 绑定库的实现者要提高要求。

比如这次 C API 使用的是整数 handle 来引用对象，为这些 handle 创建独立的 userdata 虽然运行成本略高，但更安全一些。即，我们分配 4 字节的 userdata ，里面放上 C handle ，并给出 __gc 方法确保对象即时销毁。

关于封装库的话题，恰巧最近刚刚写过。

Comments

期待云风大哥新的游戏

Posted by: kevinjia | (11) March 23, 2013 04:43 PM

看看

Posted by: ai | (10) February 23, 2013 08:31 AM

FreeBSD内核有一种方法，就是malloc带有2个参数，一个是尺寸，另外一个是关于这个malloc的统计数据，例如你声明一个
MALLOC_DECLARE(SPRITOBJ).
然后malloc(sizeof(sprit), SPRITOBJ)，那么这个申请的统计数据就会在SPRITOBJ这个统计信息中加一，free的时候也必须带上这个参数，统计数据会减一。

这就存在一种可能，当长时间运行后，需要检查memory leak的时候候，可以把这些统计信息dump出来，某些统计数据暴涨的MALLOC DECLARE就可以被怀疑是内存泄漏了。

Posted by: davidxu | (9) January 26, 2013 06:37 PM

希望早日看到用心做的游戏~
希望是个好游戏~

Posted by: Anonymous | (8) January 25, 2013 10:03 AM

云风老大，为什么直到现在了还在调试这种错误呢？我觉得游戏应该已经快到了可以内测的状态了吧。

Posted by: starshine | (7) January 23, 2013 05:36 PM

或者，给C对象进行计数，创建的时候++，销毁的时候--，大于某个阈值的时候，发出警告，这样可以避免大部分错误。
毕竟，直接用handle，手动free比用userdata gc 效率高，而且在handle量巨大的时候，更不应该给gc带来压力。

Posted by: haxixi | (6) January 23, 2013 04:13 PM

向云风大哥学习

Posted by: 卡爱 | (5) January 23, 2013 10:15 AM

> 直到策划重新布了怪，不同阵营的怪相互厮杀，血流成河的缘故。
突然有一种临场感是怎么回事

Posted by: 杨博 | (4) January 22, 2013 06:18 PM