• 证明:ThreadLocal的get,set方法无法防止内存泄漏


      先给出结论:get,set两个方法都不能完全防止内存泄漏,还是每次用完ThreadLocal都勤奋的remove一下靠谱。 

      前言: 

      看到有的博客说在把ThreadLocal的所有强引用置空前,调用 set 或 get 方法的话,则可以防止这个失去所有强引用的ThreadLocal对应的value内存泄漏。  但是文章作者一般没有接着向下讲为什么get,set 方法能防止内存泄漏。 

      本着刨根问底的精神,我们来看看原实现,验证一下get,set方法是否真的能防止内存泄漏。

    先介绍一下内存布局:

      每个Thread保存自己独占的ThreadLocalMap,ThreadLocalMap包含一个散列表(entry数组),散列表里 entry 继承WeakReference<ThreadLocal>,并且 entry 的 key 隐式等于ThreadLocal, value 则是显示用成员变量来存储。

    所以一个线程可以用不同的ThreadLocal把不同的值存在这个线程独享的散列表的不同位置上。下面这些entry的key就是不同的ThreadLocal。当有外部的强引用 使用ThreadLocal的时候,这个ThreadLocal是有效的,但是如果强引用都置空,则只剩弱引用,GC在内存紧张的情况下,可能会把弱引用指向的对象回收掉。

    1.ThreadLocal还有效

    2.ThreadLocal只剩下弱引用

    3.只剩弱引用,回收堆上对象

    这样的话,就没有路径可以访问这个ThreadLocal了。

    但是value还是通过ThreadLocalMap -> entry -> value -> 堆上大对象 的方式强应用着之前的value。这样导致这块内存无法被使用(如果没有其他强应用的话),也无法被回收。称内存泄漏。

    于是ThreadLocalMap的设计者,想出了办法:

    1.在ThreadLocal get,set 的时候顺带把散列表中的无效entry 置空,并且把这些entry 的 value也置空,以便value被回收,也就是执行清扫操作

    2.在ThreadLocal remove 的时候把对应槽位上的 entry 置空,并且把这 个entry 的 value也置空,以便value被回收。顺便执行清扫操作。

    get,set 方法真的能保证内存不泄露么?

    这篇文章想讨论的问题是:

    1.get,set方法的清扫程度是否足够彻底,以至于可以防止内存泄漏。

    2.用什么方法才能保证内存不泄露

    1如果成立,也即是保证如下场景内存不泄露:

    使用多个 ThreadLocal,不是每次都使用 remove 方法,并且把一个ThreadLocal对应的所有强应用置空之前只调用过 get, set方法,调用get,set方法可以防止内存泄漏。

    为了打破这一假设,模拟内存泄漏的情况,举以下极端的例子:

    先规定:

    1.一开始都是有效的entry,并且每个entry的key通过散列算法后算出的位置都是自己所在的位置(都在自己的位置上的话之后的线性清扫中不会造成搬移,因为ThreadLocalMap的散列表用的是开放定址法,所以entry可能因为hash冲突而不在自己位置上)

    要达成下面的效果,就要一直没有失效的entry出现,并且一直实现插入,也就是一直执行set方法

    假设entry数组有32个槽位

    如果执行一次remove,把图中的某个entry无效化。

       

     下面是实现,因为每个entry都在自己的位置上,所以下图的if (e.get() == key) 会在第一个循环就成立,也就是remove会

     执行e.clear() 来把弱引用置空,无效化。并且执行一次线性清扫后返回。

    关于线性清扫:

      实现较长,分段看:

      上来就把要清扫的位置给置空了(灰色entry的槽位置空):

     

    接着看:

     向后遍历整个数组,直到遇到空槽为止,并且第一种情况 (k == null) 为真的情况下,会把无效entry置空,防止内存泄漏。

     其实就是向后扫描,遇到无效的就顺带干掉,直到遇到空位置为止。

     第二种情况是 : 遇到的entry是有效的,但是不是在自己原本的位置上,而是被hash冲突所迫而在其他位置上的,则把他们搬去

     离原本位置最近的后边空槽上。这样在get的时候,会最快找到这个entry,减少开放定址法遍历数组的时间。

     因为每个entry都在自己的位置上,并且没有遇到无效的entry,最终的效果只是把remove的位置置为空槽。

    同理,经过几次remove后,我们可以“挖出”下图的效果

    正巧,这时候有两个entry的key,也即是ThreadLocal的所有强应用被置空,于是这两个entry无效。

         

    如果之后只执行 set 方法,是否会内存泄漏呢?是否任意调用set之后就保证内存不会泄漏了呢?

    我们顺着 set 方法的逻辑看下去,set方法从当前要set的位置开始向后遍历,直到:

    1.遇到 key 和我们当前 调用 set 的 ThreadLocal 相等的 entry,则只用直接把entry的value设置以下就好了,和

    HashMap的 put(1, A); put(1, B); 中 A 被替换 成B 同理。(红色框)

    2.遇到无效entry,是我们关注的地方

    3.遇到空槽,直接插入,并且尝试指数清扫,如果指数清扫不成功并且当前entry的使用槽数到达阈值则重散列(蓝色框)

    我们重点关注情况2.

    假设我们set的位置是下面所指处。

    我们接着上面的2分析,2要调用到replaceStaleEntry

    再假设set进去的ThreadLocal在本数组中下面绿色位置

    绿色代表这个entry不在自己的原本位置上,上面的情况是可以得到的。因为remove时执行的线性清扫是向后清扫,并且遇到空槽停下。

    所以不会影响绿色entry

     方法一开始是找到最靠前的无效entry,直到遇到空槽为止,当然可能会绕数组一圈绕回来

    但是因为使用的槽数如果到达阈值,就会rehash,不可能所有槽都用完。所以会遇到空槽的。

    表现在我们的例子中:

     

    因为没有找到,所以 slotToExpunge = staleSlot

    也就是上图第二个灰色entry的位置。

     接着向下看:

     我们关注 k == key 的情况,也就是 i 遍历图中绿色槽位的情况。 这种情况下会指向一次线性清扫,然后执行对数清扫。之后返回。

    反应在图例中:

    从slotToExpunge位置开始,先进行一轮线性清扫:

    同之前一样,一上来先把待清扫槽位置空(第二个灰色的entry的位置),之后遇到第二个灰色后面那个空位,所以停下来。

    线性清扫返回空位的下标做为参数传给对数清扫。

    反应到图例:

    对数清扫:清扫次数 = log2(N) ,N是散列表大小,本例中是32,所以要清扫5次,每次清扫是通过调用线性清扫实现的。

    并且只有遇到无效entry时才执行线性清扫。

     显然,五次扫描中都没有无效entry

    返回 removed (false);

     cleanSomeSlots要返回,一直返回到replaceStaleEntry,并且继续返回,最后从set方法返回。

     

     结果很明显,第一个灰色entry未被清除。

    结论:set方法的清扫程度不够深,set方法并不能防止内存泄漏。

    get方法呢?

     

     get 方法比较简单,在原本属于当前 key 的位置上找不到当前 key 的 entry 的话,就会根据开放定址法线性遍历找到 key 对应的 entry 。

    顺便把路上无效的entry用线性清扫清除掉。

    还是刚刚的极端例子:

     

     因为是直接取线性清扫开始的位置,所以 k = key 是 true,所以返回绿色entry。查找成功

     

     但是,第一个灰色entry仍然没有被清除。

     什么办法可以保证万无一失呢???

    答:每次置空一个ThreadLocal的所有强引用之后,都调用ThreadLocal的remove方法:

    e.clear是直接置空弱引用,这样当前这个entry就会无效

     

    之前说过,线性清扫会直接把第一个无效entry,也就是起点的entry槽位置空,以此达到 100 % 的回收效果。

    结论:

    get,set两个方法都不能完全防止内存泄漏,还是每次用完ThreadLocal都勤奋的remove一下靠谱。

      

      

  • 相关阅读:
    vue实现导行吸顶功能
    JavaScript 事件委托、冒泡和捕获之间有什么区别?
    JavaScript使用reduce动态修改对象的属性名
    vue使用轮播图插件vueawesomeswiper
    研发了 5 年的时序数据库,到底要解决什么问题?
    苏州大学:从 PostgreSQL 到 TDengine
    如何通过DBeaver 连接 TDengine?
    美的数字化平台 iBUILDING 背后的技术选型
    DBA的一天是怎样的?运维工程师告诉你答案
    玉溪卷烟厂通过正确选择时序数据库 轻松应对超万亿行数据
  • 原文地址:https://www.cnblogs.com/lqlqlq/p/13302901.html
Copyright © 2020-2023  润新知