Netty作為一款高性能網絡應用程序框架，實現了一套高性能內存管理機制

通過學習其中的實現原理、算法、併發設計，有利於我們寫出更優雅、更高性能的代碼；當使用Netty時碰到內存方面的問題時，也可以更高效定位排查出來

本文基於Netty4.1.43.Final介紹其中的內存管理機制

ByteBuf分類

Netty使用ByteBuf對象作為數據容器，進行I/O讀寫操作，Netty的內存管理也是圍繞著ByteBuf對象高效地分配和釋放

當討論ByteBuf對象管理，主要從以下方面進行分類：

• Pooled 和 Unpooled

Unpooled，非池化內存每次分配時直接調用系統 API 向操作系統申請ByteBuf需要的同樣大小內存，用完後通過系統調用進行釋放Pooled，池化內存分配時基於預分配的一整塊大內存，取其中的部分封裝成ByteBuf提供使用，用完後回收到內存池中

tips: Netty4默認使用Pooled的方式，可通過參數-Dio.netty.allocator.type=unpooled或pooled進行設置

• Heap 和 Direct
  Heap，指ByteBuf關聯的內存JVM堆內分配，分配的內存受GC 管理
  Direct，指ByteBuf關聯的內存在JVM堆外分配，分配的內存不受GC管理，需要通過系統調用實現申請和釋放，底層基於Java NIO的DirectByteBuffer對象

note： 使用堆外內存的優勢在於，Java進行I/O操作時，需要傳入數據所在緩衝區起始地址和長度，由於GC的存在，對象在堆中的位置往往會發生移動，導致對象地址變化，系統調用出錯。為避免這種情況，當基於堆內存進行I/O系統調用時，需要將內存拷貝到堆外，而直接基於堆外內存進行I/O操作的話，可以節省該拷貝成本

池化(Pooled)對象管理

非池化對象(Unpooled)，使用和釋放對象僅需要調用底層接口實現，池化對象實現則複雜得多，可以帶著以下問題進行研究：

• 內存池管理算法是如何實現高效內存分配釋放，減少內存碎片
• 高負載下內存池不斷申請/釋放，如何實現彈性伸縮
• 內存池作為全局數據，在多線程環境下如何減少鎖競爭

1 算法設計

1.1 整體原理

Netty先向系統申請一整塊連續內存，稱為chunk，默認大小chunkSize = 16Mb，通過PoolChunk對象包裝。為了更細粒度的管理，Netty將chunk進一步拆分為page，默認每個chunk包含2048個page(pageSize = 8Kb)

不同大小池化內存對象的分配策略不同，下面首先介紹申請內存大小在(pageSize/2, chunkSize]區間範圍內的池化對象的分配原理，其他大對象和小對象的分配原理後面再介紹。在同一個chunk中，Netty將page按照不同粒度進行多層分組管理：

• 第1層，分組大小size = 1*pageSize，一共有2048個組
• 第2層，分組大小size = 2*pageSize，一共有1024個組
• 第3層，分組大小size = 4*pageSize，一共有512個組
  ...

當請求分配內存時，將請求分配的內存數向上取值到最接近的分組大小，在該分組大小的相應層級中從左至右尋找空閒分組例如請求分配內存對象為1.5 pageSize，向上取值到分組大小2 pageSize，在該層分組中找到完全空閒的一組內存進行分配，如下圖：

當分組大小2 pageSize的內存分配出去後，為了方便下次內存分配，分組被標記為全部已使用(圖中紅色標記)，向上更粗粒度的內存分組被標記為部分已使用*(圖中黃色標記)

1.2 算法結構

Netty基於平衡樹實現上面提到的不同粒度的多層分組管理

當需要創建一個給定大小的ByteBuf，算法需要在PoolChunk中大小為chunkSize的內存中，找到第一個能夠容納申請分配內存的位置

為了方便快速查找chunk中能容納請求內存的位置，算法構建一個基於byte數組(memoryMap)存儲的完全平衡樹，該平衡樹的多個層級深度，就是前面介紹的按照不同粒度對chunk進行多層分組：

樹的深度depth從0開始計算，各層節點數，每個節點對應的內存大小如下：

<code>depth = 0， 1 node，nodeSize = chunkSize
depth = 1， 2 nodes，nodeSize = chunkSize/2
...
depth = d， 2^d nodes， nodeSize = chunkSize/(2^d)
...
depth = maxOrder， 2^maxOrder nodes， nodeSize = chunkSize/2^{maxOrder} = pageSize/<code>

樹的最大深度為maxOrder(最大階，默認值11)，通過這棵樹，算法在chunk中的查找就可以轉換為：

當申請分配大小為chunkSize/2^k的內存，在平衡樹高度為k的層級中，從左到右搜索第一個空閒節點

數組的使用域從index = 1開始，將平衡樹按照層次順序依次存儲在數組中，depth = n的第1個節點保存在memoryMap[2^n] 中，第2個節點保存在memoryMap[2^n+1]中，以此類推(下圖代表已分配chunkSize/2)

可以根據memoryMap[id]的值得出節點的使用情況，memoryMap[id]值越大，剩餘的可用內存越少

• memoryMap[id] = depth_of_id：**id節點空閒**， 初始狀態，depth_of_id的值代表id節點在樹中的深度
• memoryMap[id] = maxOrder + 1：**id節點全部已使用**，節點內存已完全分配，沒有一個子節點空閒
• depthofid < memoryMap[id] < maxOrder + 1：**id節點部分已使用**，memoryMap[id] 的值 x，代表**id的子節點中，第一個空閒節點位於深度x，在深度[depth_of_id, x)的範圍內沒有任何空閒節點**

1.3 申請/釋放內存

當申請分配內存，會首先將請求分配的內存大小歸一化(向上取值)，通過PoolArena#normalizeCapacity()方法，取最近的2的冪的值​，例如8000byte歸一化為8192byte( chunkSize/2^11 )，8193byte歸一化為16384byte(chunkSize/2^10)

處理內存申請的算法在PoolChunk#allocateRun方法中，當分配已歸一化處理後大小為chunkSize/2^d的內存，即需要在depth = d的層級中找到第一塊空閒內存，算法從根節點開始遍歷 (根節點depth = 0， id = 1)，具體步驟如下：

• 步驟1 判斷是否當前節點值memoryMap[id] > d
  
  如果是，則無法從該chunk分配內存，查找結束
• 步驟2 判斷是否節點值memoryMap[id] == d，且depth_of_id == h
  如果是，當前節點是depth = d的空閒內存，查找結束，更新當前節點值為memoryMap[id] = max_order + 1，代表節點已使用，並遍歷當前節點的所有祖先節點，更新節點值為各自的左右子節點值的最小值；如果否，執行步驟3
• 步驟3 判斷是否當前節點值memoryMap[id] <= d，且depth_of_id < h
  如果是，則空閒節點在當前節點的子節點中，則先判斷左子節點memoryMap[2 * id] <=d(判斷左子節點是否可分配)，如果成立，則當前節點更新為左子節點，否則更新為右子節點，然後重複步驟2

參考示例如下圖，申請分配了chunkSize/2的內存

note：圖中雖然index = 2的子節點memoryMap[id] = depth_of_id，但實際上節點內存已分配，因為算法是從上往下開始遍歷，所以在實際處理中，節點分配內存後僅更新祖先節點的值，並沒有更新子節點的值

釋放內存時，根據申請內存返回的id，將 memoryMap[id]更新為depth_of_id，同時設置id節點的祖先節點值為各自左右節點的最小值

1.4 巨型對象內存管理

對於申請分配大小超過chunkSize的巨型對象(huge)，Netty採用的是非池化管理策略，在每次請求分配內存時單獨創建特殊的非池化PoolChunk對象進行管理，內部memoryMap為null，當對象內存釋放時整個Chunk內存釋放，相應內存申請邏輯在PoolArena#allocateHuge()方法中，釋放邏輯在PoolArena#destroyChunk()方法中

1.5 小對象內存管理

當請求對象的大小reqCapacity <= 496，歸一化計算後方式是向上取最近的16的倍數，例如15規整為16、40規整為48、490規整為496，規整後的大小(normalizedCapacity)小於pageSize的小對象可分為2類：微型對象(tiny)：規整後為16的整倍數，如16、32、48、...、496，一共31種規格小型對象(small)：規整後為2的冪的，有512、1024、2048、4096，一共4種規格

這些小對象直接分配一個page會造成浪費，在page中進行平衡樹的標記又額外消耗更多空間，因此Netty的實現是：先PoolChunk中申請空閒page，同一個page分為相同大小規格的小內存進行存儲

這些page用PoolSubpage對象進行封裝，PoolSubpage內部有記錄內存規格大小(elemSize)、可用內存數量(numAvail)和各個小內存的使用情況，通過long[]類型的bitmap相應bit值0或1，來記錄內存是否已使用

note

2 彈性伸縮

前面的算法原理部分介紹了Netty如何實現內存塊的申請和釋放，單個chunk比較容量有限，如何管理多個chunk，構建成能夠彈性伸縮內存池？

2.1 PoolChunk管理

為了解決單個PoolChunk容量有限的問題，Netty將多個PoolChunk組成鏈表一起管理，然後用PoolChunkList對象持有鏈表的head

將所有PoolChunk組成一個鏈表的話，進行遍歷查找管理效率較低，因此Netty設計了PoolArena對象(arena中文是舞臺、場所)，實現對多個PoolChunkList、PoolSubpage的管理，線程安全控制、對外提供內存分配、釋放的服務

PoolArena內部持有6個PoolChunkList，各個PoolChunkList持有的PoolChunk的使用率區間不同：

<code>// 容納使用率 (0,25%) 的PoolChunk
private final PoolChunkList qInit;
// [1%,50%) 
private final PoolChunkList q000; 

// [25%, 75%) 
private final PoolChunkList q025;
// [50%, 100%) 
private final PoolChunkList q050;
// [75%, 100%) 
private final PoolChunkList q075;
// 100% 
private final PoolChunkList q100;/<code>

6個PoolChunkList對象組成雙向鏈表，當PoolChunk內存分配、釋放，導致使用率變化，需要判斷PoolChunk是否超過所在PoolChunkList的限定使用率範圍，如果超出了，需要沿著6個PoolChunkList的雙向鏈表找到新的合適PoolChunkList，成為新的head；同樣的，當新建PoolChunk並分配完內存，該PoolChunk也需要按照上面邏輯放入合適的PoolChunkList中

分配歸一化內存normCapacity(大小範圍在[pageSize, chunkSize]) 具體處理如下：

• 按順序依次訪問q050、q025、q000、qInit、q075，遍歷PoolChunkList內PoolChunk鏈表判斷是否有PoolChunk能分配內存
• 如果上面5個PoolChunkList有任意一個PoolChunk內存分配成功，PoolChunk使用率發生變更，重新檢查並放入合適的PoolChunkList中，結束
• 否則新建一個PoolChunk，分配內存，放入合適的PoolChunkList中(PoolChunkList擴容)

note：可以看到分配內存依次優先在q050 -> q025 -> q000 -> qInit -> q075的PoolChunkList的內分配，這樣做的好處是，使分配後各個區間內存使用率更多處於[75,100)的區間範圍內，提高PoolChunk內存使用率的同時也兼顧效率，減少在PoolChunkList中PoolChunk的遍歷

當PoolChunk內存釋放，同樣PoolChunk使用率發生變更，重新檢查並放入合適的PoolChunkList中，如果釋放後PoolChunk內存使用率為0，則從PoolChunkList中移除，釋放掉這部分空間，避免在高峰的時候申請過內存一直緩存在池中(PoolChunkList縮容)

PoolChunkList的額定使用率區間存在交叉，這樣設計是因為如果基於一個臨界值的話，當PoolChunk內存申請釋放後的內存使用率在臨界值上下徘徊的話，會導致在PoolChunkList鏈表前後來回移動

2.2 PoolSubpage管理

PoolArena內部持有2個PoolSubpage數組，分別存儲tiny和small規格類型的PoolSubpage：

<code>// 數組長度32，實際使用域從index = 1開始，對應31種tiny規格PoolSubpage
private final PoolSubpage[] tinySubpagePools;
// 數組長度4，對應4種small規格PoolSubpage
private final PoolSubpage[] smallSubpagePools;/<code>

相同規格大小(elemSize)的PoolSubpage組成鏈表，不同規格的PoolSubpage鏈表的head則分別保存在tinySubpagePools 或者 smallSubpagePools數組中，如下圖：

當需要分配小內存對象到PoolSubpage中時，根據歸一化後的大小，計算出需要訪問的PoolSubpage鏈表在tinySubpagePools和smallSubpagePools數組的下標，訪問鏈表中的PoolSubpage的申請內存分配，如果訪問到的PoolSubpage鏈表節點數為0，則創建新的PoolSubpage分配內存然後加入鏈表

PoolSubpage鏈表存儲的PoolSubpage都是已分配部分內存，當內存全部分配完或者內存全部釋放完的PoolSubpage會移出鏈表，減少不必要的鏈表節點；當PoolSubpage內存全部分配完後再釋放部分內存，會重新將加入鏈表

PoolArean內存池彈性伸縮可用下圖總結：

3 併發設計

內存分配釋放不可避免地會遇到多線程併發場景，無論是PoolChunk的平衡樹標記或者PoolSubpage的bitmap標記都是多線程不安全，如何在線程安全的前提下儘量提升併發性能？

首先，為了減少線程間的競爭，Netty會提前創建多個PoolArena(默認生成數量 = 2 * CPU核心數)，當線程首次請求池化內存分配，會找被最少線程持有的PoolArena，並保存線程局部變量PoolThreadCache中，實現線程與PoolArena的關聯綁定(PoolThreadLocalCache#initialValue()方法)

note：Java自帶的ThreadLocal實現線程局部變量的原理是：基於Thread的ThreadLocalMap類型成員變量，該變量中map的key為ThreadLocal，value-為需要自定義的線程局部變量值。調用ThreadLocal#get()方法時，會通過Thread.currentThread()獲取當前線程訪問Thread的ThreadLocalMap中的值

Netty設計了ThreadLocal的更高性能替代類：FastThreadLocal，需要配套繼承Thread的類FastThreadLocalThread一起使用，基本原理是將原來Thead的基於ThreadLocalMap存儲局部變量，擴展為能更快速訪問的數組進行存儲(Object[] indexedVariables)，每個FastThreadLocal內部維護了一個全局原子自增的int類型的數組index

此外，Netty還設計了緩存機制提升併發性能：當請求對象內存釋放，PoolArena並沒有馬上釋放，而是先嚐試將該內存關聯的PoolChunk和chunk中的偏移位置(handler變量)等信息存入PoolThreadLocalCache中的固定大小緩存隊列中(如果緩存隊列滿了則馬上釋放內存)；當請求內存分配，PoolArena會優先訪問PoolThreadLocalCache的緩存隊列中是否有緩存內存可用，如果有，則直接分配，提高分配效率

總結

Netty池化內存管理的設計借鑑了Facebook的jemalloc，同時也與Linux內存分配算法Buddy算法和Slab算法也有相似之處，很多分佈式系統、框架的設計都可以在操作系統的設計中找到原型，學習底層原理是很有價值的

下一篇，介紹Netty堆外內存洩漏問題的排查

參考

《scalable memory allocation using jemalloc —— Facebook》https://engineering.fb.com/core-data/scalable-memory-allocation-using-jemalloc/

《Netty入門與實戰：仿寫微信 IM 即時通訊系統》https://juejin.im/book/5b4bc28bf265da0f60130116?referrer=598ff735f265da3e1c0f9643

閱讀更多 分佈式系統架構 的文章

關鍵字: 內存 算法設計 操作系統