1.UE4源码剖析：MallocBinned（上）
2.OpenCV:Mat源码解读
3.linux内核源码：内存管理——内存分配和释放关键函数分析&ZGC垃圾回收
4.RocksDb 源码剖析 (1) | 如何混合 new 、源码内存mmap 设计高效内存分配器 arena ?源码内存
5.开源项目|高性能内存分配库mimalloc
6.C++ の 内存管理（二）std::unique_ptr源码浅析

UE4源码剖析：MallocBinned（上）

       近期着手UE4项目开发，对UnrealEngine已久仰慕，源码内存终于得此机会深入探索。源码内存鉴于项目内存性能问题，源码内存决定从内存分配器着手，源码内存个人引导页源码资源网深入研读UE4源码。源码内存虽个人水平有限，源码内存尚不能全面理解，源码内存但愿借此机会揭开源码神秘面纱，源码内存让新手朋友们不再感到陌生。源码内存

       UE4内存分配器位于硬件抽象层HAL（Hardware Abstraction Layer）中。源码内存具体装箱内存分配器代码位于VS项目目录：UE4/Source/Runtime/Core/Private/HAL/MallocBinned。源码内存

       分析从ApplePlatformMemory::BaseAllocator开始，源码内存可发现Mac平台的源码内存默认分配器为MallocBinned，iOS的默认分配器为MallocAnsi。以下将重点分析MallocBinned。

       一、确定对齐方式

       FScopeLock用于局部线程锁，确保线程同步。关于Alignment的确定，通常使用默认值。默认值取决于内存对齐方式，此处默认对齐为8字节。

       二、确定有足够空间来内存对齐

       代码中，SpareBytesCount用于确认空间足够。若分配内存小于8字节，则按Alignment大小匹配箱体；若大于8字节，则按Size + Alignment - sizeof(FFreeMem)匹配箱体。

       三、正射校正 源码确定箱体大小

       根据Size的大小，有三种不同的处理方式。k以下的内存分配采用装箱分配，PoolTable中包含个不同大小的池子。

       四、初始化内存池

       分析内存池初始化过程，主要工作包括：确定内存大小，分配内存块，设置内存池基本信息。

       五、内存装箱

       AllocateBlockFromPool从内存池中分配一个Block，实现内存装箱过程。

OpenCV:Mat源码解读

       OpenCV中的核心组件Mat是理解库运作的关键。通过深入阅读其源码，我们可以了解到Mat如何管理内存、与Sub-mat的关系，以及如何支持不同数据类型。本文旨在提供对Mat类的深入理解，帮助你掌握Mat的内存管理机制、数据结构设计，以及Mat中数据类型的表示方式。通过本文，你将对Mat的基本构成有清晰的认识，并理解内存分配的策略。

       Mat类的实现类似于一个容器，主要构造和析构不同类型的Mat。Mat的内部数据存储在UMatData结构中，通过m.data指针访问。内存分配由UMatData和MatAllocator共同完成。Mat的python爬虫 源码shape由size（大小）和step（步长）组成，便于计算每个维度所需的内存空间。

       UMatData结构隐藏了内存配置的细节，而MatAllocator根据不同设备实现底层不同的内存管理。以CPU的底层实现为例，这里仅展示其基本架构。理解了这些，Mat的基本构造就有了基础概念。

       Mat的类型设计是其独特之处，用CV_{ bit}{ U/F/S}C{ n}表示，如CV_FC3表示3通道位浮点。其中depth部分决定基础类型，如CV_F。Mat的大小设计是根据不同类型进行优化的。在OpenCV 5.x版本中，depth用低5位表示，其余位用于通道数。

       通过实际数据类型的例子，如通道的8U类型m0和其子Matm2，可以观察到CONT_FLAG和SUBMAT_FLAG的变化，以及对于非常用数据格式如CV_8UC()的性能影响。OpenCV对1、3、4通道数据有优化，而3通道的数据在某些情况下速度可能接近4通道。

       最后，Mat的高效使用不仅依赖于基础计算，MatExpr起到了桥梁作用，它向上简化接口，向下连接加速指令。理解了Mat的truelicense源码包这些特性，你将能够更有效地利用OpenCV的Mat进行数据处理。

linux内核源码：内存管理——内存分配和释放关键函数分析&ZGC垃圾回收

       本文深入剖析了Linux内核源码中的内存管理机制，重点关注内存分配与释放的关键函数，通过分析4.9版本的源码，详细介绍了slab算法及其核心代码实现。在内存管理中，slab算法通过kmem_cache结构体进行管理，利用数组的形式统一处理所有的kmem_cache实例，通过size_index数组实现对象大小与kmem_cache结构体之间的映射，从而实现高效内存分配。其中，关键的计算方法是通过查找输入参数的最高有效位序号，这与常规的0起始序号不同，从1开始计数。

       在找到合适的kmem_cache实例后，下一步是通过数组缓存（array_cache）获取或填充slab对象。若缓存中有可用对象，则直接从缓存分配；若缓存已空，会调用cache_alloc_refill函数从三个slabs（free/partial/full）中查找并填充可用对象至缓存。在对象分配过程中，array_cache结构体发挥了关键作用，它不仅简化了内存管理，还优化了内存使用效率。

       对象释放流程与分配流程类似，涉及数组缓存的管理和slab对象的回收。在cache_alloc_refill函数中，关键操作是检查slab_partial和slab_free队列，寻找空闲的对象以供释放。整个过程确保了内存资源的高效利用，避免了资源浪费。ceph 源码结构

       总结内存操作函数概览，栈与堆的区别是显而易见的。栈主要存储函数调用参数、局部变量等，而堆用于存放new出来的对象实例、全局变量、静态变量等。由于堆的动态分配特性，它无法像栈一样精准预测内存使用情况，导致内存碎片问题。为了应对这一挑战，Linux内核引入了buddy和slab等内存管理算法，以提高内存分配效率和减少碎片。

       然而，即便使用了高效的内存管理算法，内存碎片问题仍难以彻底解决。在C/C++中，没有像Java那样的自动垃圾回收机制，导致程序员需要手动管理内存分配与释放。如果忘记释放内存，将导致资源泄漏，影响系统性能。为此，业界开发了如ZGC和Shenandoah等垃圾回收算法，以提高内存管理效率和减少内存碎片。

       ZGC算法通过分页策略对内存进行管理，并利用“初始标记”阶段识别GC根节点（如线程栈变量、静态变量等），并查找这些节点引用的直接对象。此阶段采用“stop the world”（STW）策略暂停所有线程，确保标记过程的准确性。接着，通过“并发标记”阶段识别间接引用的对象，并利用多个GC线程与业务线程协作提高效率。在这一过程中，ZGC采用“三色标记”法和“remember set”机制来避免误回收正常引用的对象，确保内存管理的精准性。

       接下来，ZGC通过“复制算法”实现内存回收，将正常引用的对象复制到新页面，将旧页面的数据擦除，从而实现内存的高效管理。此外，通过“初始转移”和“并发转移”阶段进一步优化内存管理过程。最后，在“对象重定位”阶段，完成引用关系的更新，确保内存管理过程的完整性和一致性。

       通过实测，ZGC算法在各个阶段展现出高效的内存管理能力，尤其是标记阶段的效率，使得系统能够在保证性能的同时，有效地管理内存资源。总之，内存管理是系统性能的关键因素，Linux内核通过先进的算法和策略，实现了高效、灵活的内存管理，为现代操作系统提供稳定、可靠的服务。

RocksDb 源码剖析 (1) | 如何混合 new 、mmap 设计高效内存分配器 arena ?

       本文旨在深入剖析RocksDb源码，从内存分配器角度着手。RocksDb内包含MemoryAllocator和Allocator两大类内存分配器。MemoryAllocator作为基类，提供MemkindKmemAllocator和JemallocNodumpAllocator两个子类，分别集成memkind和jemalloc库的功能，实现内存分配与释放。

       接着，重点解析Allocator类及其子类Arena的实现。基类Allocator提供两个关键接口：内存分配与对齐。Arena类采用block为单位进行内存分配，先分配一个block大小的内存，后续满足需求时，优先从block中划取，以减少内存浪费。一个block的大小由kBlockSize参数决定。分配策略中，Arena通过两个指针（aligned_alloc_ptr_和unaligned_alloc_ptr_）分别管理对齐与非对齐内存，提高内存利用效率。

       分配内存时，Arena通过构造函数初始化成员变量，包括block大小、内存在栈上的分配与mmap机制的使用。构造函数内使用OptimizeBlockSize函数确保block大小合理，减少内存对齐浪费。Arena中的内存管理逻辑清晰，尤其在分配新block时，仅使用new操作，无需额外内存对齐处理。

       分配内存流程中，AllocateNewBlock函数直接调用new分配内存，而AllocateFromHugePage和AllocateFallback函数则涉及mmap机制的使用与内存分配策略的统一。这些函数共同构成了Arena内存管理的核心逻辑，实现了灵活高效地内存分配。

       此外，Arena还提供AllocateAligned函数，针对特定对齐需求分配内存。这一函数在使用mmap分配内存时，允许用户自定义对齐大小，优化内存使用效率。在处理对齐逻辑时，Arena巧妙地利用位运算优化计算过程，提高了代码效率。

       总结而言，RocksDb的内存管理机制通过Arena类实现了高效、灵活的内存分配与管理。通过深入解析其源码，可以深入了解内存对齐、内存分配与多线程安全性的实现细节，为开发者提供宝贵的内存管理实践指导。未来，将深入探讨多线程内存分配器的设计，敬请期待后续更新。

开源项目|高性能内存分配库mimalloc

       mimalloc

       开源内存分配库，微软研究院年发布，旨在提供高性能内存管理解决方案。

       使用方法如下：

       1. 克隆代码库至本地。

       2. 编译代码。

       3. 将头文件复制至系统目录，如：

       4. 编译项目时链接mimalloc。

       尝试直接使用mimalloc，无需编译：

       配置环境变量。

       mimalloc特点：

       1. 简洁高效，核心代码量少于行。

       2. 性能显著优于其他内存分配库，如：mi（mimalloc）、tc（tcmalloc）、je（jemalloc）等。

       3. 支持多线程。

       架构：

       mimalloc设计中，每个线程拥有专属堆，线程在分配内存时从各自堆进行。堆中包含多个分段，每个分段对应多个页面，内存分配在页面上进行。

       free列表操作代码。

       源码实现：

       1. malloc函数实现

       2. free函数实现

       [1] cnblogs.com/linkwk7/p/1...

       [2] github.com/microsoft/mi...

       [3] cnblogs.com/linkwk7/p/1...

C++ の 内存管理（二）std::unique_ptr源码浅析

       本文主要阐述了C++标准库中的unique_ptr内存管理机制。unique_ptr通过RAII（Resource Acquisition Is Initialization）原理，提供了一种自动内存管理方式。其内部实现关键在于一个tuple，结合raw pointer和自定义deleter，确保栈上指针生命周期结束后，自动释放堆内存。unique_ptr的独特之处在于它不可复制，只支持移动，确保内存所有权的单一性。

       unique_ptr的核心是__uniq_ptr_impl类，它实现了raw pointer的所有操作，包括获取raw pointer、接受用户自定义deleter。std::make_unique的源码直观展示了如何通过new操作内存分配，然后将新分配的内存传递给unique_ptr的构造函数，整个过程简洁明了。

       通过实例，我们可以看到unique_ptr在内存分配和释放上的优势。当使用make_unique时，它会调用new一次并分配内存，然后传递给unique_ptr，这样就只需要构造和析构各一次，实现了高效和安全的内存管理。

       总结来说，unique_ptr是C++后引入的智能指针，它利用RAII封装内存管理，提供了在栈上对堆内存的自动释放功能，避免了内存泄漏问题。通过unique_ptr，开发者可以更放心地进行内存操作，无需担心析构细节。