在前一篇译文《使用TCmalloc的堆栈检查》，介绍了Tcmalloc进行堆栈检查，今天翻译《heap-profiling using tcmalloc》，了解如何 TCmalloc进行堆栈分析。
一、堆栈分析的用法：
这篇技术文档描述了如何使用C++程序来分析堆栈。可以用来做一下三条事情：
- 在任何时间了解程序的堆栈情况
- 定位内存泄漏
- 找到大量内存分配的位置
1.链接堆栈分析器
你可以对任何链接了tcmalloc的程序进行堆栈分析，并且不需要重新编译。
把tcmalloc链接到你的程序，即时你不想使用堆栈分析器来检查也是安全的。你的程序并不会运行的有任何一点缓慢，因为你没有用到任何一点堆栈分析的特性。
你可以通过LD_PRELOAD在那些不是你编译的程序中运行堆栈检查。
1: $ LD_PRELOAD="/usr/lib/libtcmalloc.so" HEAPPROFILE=...
我们不建议这种使用。
2.开启堆栈检查
定义HEAPPROFILE环境变量来确定生成分析文件的位置，例如生成在/usr/local/nmetscape:
1: $ HEAPPROFILE=/tmp/profile /usr/local/netscape # sh
2: % setenv HEAPPROFILE /tmp/profile; /usr/local/netscape # csh
分析对子进程也是有效的：每个子进程根据自己的名字得到它自己的分析文件（由HEAPPROFILE和进程ID组成）
出于安全的原因，堆栈检查将不会写道文件里，所以对于有setuid的程序，堆栈分析是不能使用的。
3.解压分析文件
如果堆程序中打开了堆栈分析，程序将会把分析文件生成到文件系统中，一系列分析文件的名字将被命名为如下：
1: <prefix>.0000.heap
2: <prefix>.0001.heap
3: <prefix>.0002.heap
4: ...
<perfix> 是HEAPPROFILE中定义的值。注意到如果没有定义文件的路径，文件将直接被生成到程序当前目录。
默认情况下，一个文件写满1GB换一个新的文件。写文件的频率可以在你的程序中调用HeapProfilerSetAllocationInterval()来控制。得出这样一个结论，每个文件的大小是一个确定的数值。
你也可以调用HeapProfile来在你程序的特定位置生成分析文件，例如：
1: extern const char* HeapProfile();
2: const char* profile = HeapProfile();
3: fputs(profile, stdout);
4: free(const_cast<char*>(profile));
4.分析了什么
这个分析系统说明了所有内存申请和释放。它保留了每次内存分配的一系列信息。内存分配定义为堆栈内活跃调用：malloc,calloc,realloc, or,new.
5.解析profile
可以通过把分析文件传给pprof工具来得到分析输出，pprof工具可以打印CPU和堆栈使用情况。解释如下：
这里是一些例子，这些例子假设二进制名字为gfs_master，一系列的堆栈分析文件名字如下：
profile.0001.heap profile.0002.heap ... profile.0100.heap
6.为什么进程这样大
% pprof --gv gfs_master profile.0100.heap
这个命令将会弹出一个显示分析信息的图表的窗口，如下是一个例子：
一些解释：
- GFS_MasterChunk::AddServer耗费掉256M内存，活跃内存为25%
- GFS_MasterChunkTable：UpdateState 消耗了176.2MB活跃内存，另外，它和被它调消耗了792MB。在输出边缘的标签上给出了每一个被调用者占用的内存。
7.比较分析文件
你经常希望跳过程序在初始化阶段的内存分配来找到内存泄漏。一个简单的方法来实现这件事情是通过比较两个分析文件，这两个文件都是从程序开始到运行了一段时间。使用—baseoption来指定第一个文件，例如：
% pprof --base=profile.0004.heap gfs_master profile.0100.heap
profile.0004.heap 中的内存使用将会见到profile.0100.heap中的内存使用，并显示出结果。
8.文本输出
% pprof gfs_master profile.0100.heap 255.6 24.7% 24.7% 255.6 24.7% GFS_MasterChunk::AddServer 184.6 17.8% 42.5% 298.8 28.8% GFS_MasterChunkTable::Create 176.2 17.0% 59.5% 729.9 70.5% GFS_MasterChunkTable::UpdateState 169.8 16.4% 75.9% 169.8 16.4% PendingClone::PendingClone 76.3 7.4% 83.3% 76.3 7.4% __default_alloc_template::_S_chunk_alloc 49.5 4.8% 88.0% 49.5 4.8% hashtable::resize ...
- 第一列包含了直接内存使用，单位是MB
- 第四列包含了它调用的模块的内存使用
- 第二列和第五列为第一列和第四列的百分比。
- 第三列为 第二列的 此行之前元素总和
9.忽略或聚焦到特定区域
如下的命令将会给出调用的图形显示，只包含了调用图中包含了DataBuffer表达式的那些路径：
% pprof --gv --focus=DataBuffer gfs_master profile.0100.heap
同样的，下面的命令将忽略所有的路径。所有匹配了DataBuffer中的表达式的都会被忽略：
% pprof --gv --ignore=DataBuffer gfs_master profile.0100.heap
10 所有的内存分配 + 对象信息
所有前面的例子已经说明了如何显示出空间使用，例如：那些分配了但未释放的数量。里可以获取其它信息用如下标志：
--inuse_space |
Display the number of in-use megabytes (i.e. space that has been allocated but not freed). This is the default. |
--inuse_objects |
Display the number of in-use objects (i.e. number of objects that have been allocated but not freed). |
--alloc_space |
Display the number of allocated megabytes. This includes the space that has since been de-allocated. Use this if you want to find the main allocation sites in the program. |
--alloc_objects |
Display the number of allocated objects. This includes the objects that have since been de-allocated. Use this if you want to find the main allocation sites in the program. |
11.注意事项
- 堆栈分析需要使用libcmalloc
- 如何程序链接了足够的符号信息的库，所有与之相关采样将会由上次在这个库之前发现的符号信息来负责，这就创造性的减少了符号的数量。
- 如果你在一台机器上运行程序，在另一台机器上分析，并且这两台机器共享的库是不同的，分析输出也许会不准。
- 一些库，如STL实现，由自己的内存管理。这回引起分析奇怪。你必须在STL库也使用tcmalloc。所以置只对少数STL实现有效。