[Lua]Lua内存泄露检测原理

lua内存泄露

首先第一点，lua中的内存泄露和我们所说的c/c++中的内存泄露本质上是不一样的。

lua中有垃圾回收机制(GC)，所以理论上是不会有内存泄露的。当它进行GC的时候，会从根部开始扫描所有的对象，如果某个地方对这个对象还有引用，就不会把这个对象内存collect，这个对象就没有被GC。所以lua中的内存泄露是指那些：已经没有被使用了，但外部依然还有引用存在的对象。

--函数中应该被申明为local的对象忘记加local
local function test()
    testTable = {} --这个testTabel会被存放在全局表_G中，GC时由于此对象还有引用存在，所以这里总是会有一个table泄露。
    local mt = {} --mt加了local修饰，函数调用完后，引用也不复存在了，GC时会被回收。
    setmetatable(testTable, mt)
end

检测原理

lua中支持垃圾回收机制的对象有五种：string，table，function，full userdata，thread。而他们的引用直接或间接的保存到：lua_state对象，_G全局表，Registry注册表，global_state->mt中。

在脚本中：

• 运行的lua脚本本身就是lua_state。
• _G就是_G全局表。
• Registry表可以用debug.getregistry获取。
• global_mt可以用debug.getmetatable获取。

所以我们就可以在脚本层次实现内存泄露的检测模块。

在搜索时需要注意的几点：

1. table 额外搜索metatable，若metatable中的__mode取值为”k"、"v"或者”kv"需特殊处理（补充中有说明）
2. function 额外搜索 enviroment，也是一个table。额外搜索upvalues，这个可以是任何类型。
3. 由于userdata在script层次不能被修改，所以搜搜他的metatable吧
4. thread对象就是coroutine对象，在script中一般都不会创建多个coroutine，所以在脚本中没搜索它。若是需求的话，获取到它的线程函数，然后再按照第2步操作就可以了。

搜索流程图(_G表)

在检测泄露之前，先搜索一下所有的对象，保存好起始的内存状态，在程序执行之后执行几次GC操作，然后再进行一次搜索，对比两次的结果，多出来的那些就有可能是内存泄露了。

补充：

lua中有一种叫weak表的东东，它的metatable中的__mode被设置为“k"，"v"或者”kv"，表示保存在它中的键或值或键值都是一种弱引用状态。

若一个对象的所有引用都是弱引用了，那么这个对象也会被GC回收掉，所以对应的weak表中此对象的入口就没有了。

所以我们可以用另外一种实现：就是把用户自己创建的资源对象统统都丢到weak表中，运行完程序后强制GC，然后去查看weak表，若表中还保存着那个对象，就意味着这个对象还有外部引用（相对弱引用我们就叫它为强引用吧），资源没有被GC掉，所以我们可以说这个对象很有可能是内存泄露了。

Lua垃圾回收算法

Lua的GC算法使用的所谓“Mark And Sweep”算法。简单的理解，这个算法将GC分为两个阶段，一个是标记（mark）阶段，这一阶段将所有系统中引用的对象都逐一标记；而在清理（sweep）阶段，将把在mark阶段中没有被标记的数据删除。

在Lua中，使用几种颜色来区分不同的结点：

• white：白色表示没有进行过标记的节点
• gray：灰色表示已经进行过标记的节点，但是与它相关联的节点还没有进行过标记。
• black：本节点和与之关联的节点都已经被扫描标记过了。

通常会出现有关联数据的，包括有Table，upvalue等数据类型。

垃圾收集器函数

collectgarbage函数提供了多项功能：停止垃圾回收，重启垃圾回收，强制执行一次回收循环，强制执行一步垃圾回收，获取Lua占用的内存，以及两个影响垃圾回收频率和步幅的参数。collectgarbage(opt,[,arg])

function test1()
    collectgarbage("collect")--为了有干净的环境，先把可以收集的垃圾收集了
    collectgarbage()--为了保证内存的收集的相对干净，及内存的稳定，要执行多次收集
    print("now,Lua内存为:",collectgarbage("count")) -->205.7158203125 KB
    local colen = {} --现在是局部变量
    for i=1,5000 do
        table.insert(colen,{})
    end
    print("now,Lua内存为:",collectgarbage("count"))-->860.4111328125 KB
    --创建5000个table，内存增加了655 KB
end

function collect1()
    print("now,Lua内存为:",collectgarbage("count"))-->608.060546875 KB
    collectgarbage()
    collectgarbage()
    print("now,Lua内存为:",collectgarbage("count"))-->204.8408203125 KB
    --最后与一开始只差只有1KB
end

function test2()
    collectgarbage("collect")--为了有干净的环境，先把可以收集的垃圾收集了
    collectgarbage()--为了保证内存的收集的相对干净，及内存的稳定，要执行多次收集
    print("now,Lua内存为:",collectgarbage("count")) -->205.7158203125 KB
    colen = {} --现在是全部变量
    for i=1,5000 do
        table.insert(colen,{})
    end
    print("now,Lua内存为:",collectgarbage("count"))-->619.826171875 KB
    --创建5000个table，内存增加了414 KB;这些增加的内存，由于已放到了全局函数中，是永远没有机会被回收到了!
end

function collect2()
    print("now,Lua内存为:",collectgarbage("count"))-->596.7822265625 KB
    collectgarbage()
    collectgarbage()
    collectgarbage()
    print("now,Lua内存为:",collectgarbage("count"))-->489.189453125 KB
    --最后内存增加了284KB(489-205)
end

垃圾回收器有两个参数用于控制它的节奏：

第一个参数，称为暂停时间，控制回收器在完成一次回收之后和开始下次回收之前要等待多久；

第二个参数，称为步进系数，控制回收器每个步进回收多少内容。粗略地来说，暂停时间越小、步进系数越大，垃圾回收越快。这些参数对于程序的总体性能的影响难以预测，更快的垃圾回收器显然会浪费更多的CPU周期，但是它会降低程序的内存消耗总量，并可能因此减少分页。只有谨慎地测试才能给你最佳的参数值。