golang map最大容量（Go map 竟然也会发生内存泄露？）

Go 程序运行时
  
  
  
  
  
  
  
  ，有些场景下会导致进程进入某个“高点
  
  
  
  
  
  
  
  ” 
  
  
  
  
  
  
  
，然后就再也下不来了               。

比如 


 


 


 


 


 


 


 

，多年前曹大写过的一篇文章讲过
 
 
 
 
 
 
 
 ，在做活动时线上涌入的大流量把 goroutine 数抬升了不少  
   
   
   
   
   
   
   
，流量恢复之后 goroutine 数也没降下来 

 

 

 

 

 

 

 
，导致 GC 的压力升高

 

 

 

 

 

 

 

 ，总体的 CPU 消耗也较平时上升了 2 个点左右  
 
  
 
  
 
  
 
  
 
  
 
  
 
  
 。

有一个 issue 讨论为什么 allgs（runtime 中存储所有 goroutine 的一个全局 slice） 不收缩               ，一个好处是：goroutine 复用 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
 
，让 goroutine 的创建更加得便利















，而这也正是 Go 语言的一大优势















。

最近在看《100 mistakes》                       ，书里专门有一节讲 map 的内存泄漏
  
  
  
  
  
  
  
 。其实这也是另一个在经历大流量后 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，无法“恢复 
  
  
  
  
  
  
  
”的例子：map 占用的内存“只增不减 


 


 


 


 


 


 


 

”  
  
  
  
  
  
  
  。

之前写过的一篇《深度解密 Go 语言之 map》里讲到过 map 的内部数据结构






















，并且分析过创建               、遍历  
 
  
 
  
 
  
 
  
 
  
 
  
 
  
 、删除的过程
 


 


 


 


 


 


 


 

。

在 Go runtime 层                ，map 是一个指向 hmap 结构体的指针 
 
  
 
  
 
  
 
  
 
  
 
  
 
  
 
，hmap 里有一个字段 B














，它决定了 map 能存放的元素个数
 
 
 
 
 
 
 
。

hamp 结构体代码如下：

type hmap struct { count int flags uint8 B uint8 // ... }

若我们想初始化一个长度为 100w 元素的 map
  
  
  
  
  
  
  
  ，B 是多少呢？

用 B 可以计算 map 的元素个数：loadfactor * 2^B 
  
  
  
  
  
  
  
，loadfactor 目前是 6.5 


 


 


 


 


 


 


 

，当 B=17 时
 
 
 
 
 
 
 
 ，可放 851,968 个元素；当 B=18  
   
   
   
   
   
   
   
，可放 1,703,936 个元素   
   
   
   
   
   
   
   。因此当我们将 map 的长度初始化为 100w 时 

 

 

 

 

 

 

 
，B 的值应是 18
 

 

 

 

 

 

 

 
。

loadfactor 是装载因子

 

 

 

 

 

 

 

 ，用来衡量平均一个 bucket 里有多少个 key

 

 

 

 

 

 

 

。

如何查看占用的内存数量呢？用 runtime.MemStats：

package main import ( "fmt" "runtime" ) const N = 128 func randBytes() [N]byte { return [N]byte{} } func printAlloc() { var m runtime.MemStats runtime.ReadMemStats(&m) fmt.Printf("%d MB\n", m.Alloc/1024/1024) } func main() { n := 1_000_000 m := make(map[int][N]byte, 0) printAlloc() for i := 0; i < n; i++ { m[i] = randBytes() } printAlloc() for i := 0; i < n; i++ { delete(m, i) } runtime.GC() printAlloc() runtime.KeepAlive(m) }

如果不加最后的 KeepAlive               ，m 会被回收掉                。

当 N = 128 时 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
 
，运行程序：

$ go run main2.go 0 MB 461 MB 293 MB

可以看到















，当删除了所有 kv 后                       ，内存占用依然有 293 MB 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，这实际上是创建长度为 100w 的 map 所消耗的内存大小
 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
 。当我们创建一个初始长度为 100w 的 map：

package main import ( "fmt" "runtime" ) const N = 128 func printAlloc() { var m runtime.MemStats runtime.ReadMemStats(&m) fmt.Printf("%d MB\n", m.Alloc/1024/1024) } func main() { n := 1_000_000 m := make(map[int][N]byte, n) printAlloc() runtime.KeepAlive(m) }

运行程序






















，得到 100w 长度的 map 的消耗的内存为：

$ go run main3.go 293 MB

这时有一个疑惑                ，为什么在向 map 写入了 100w 个 kv 之后 
 
  
 
  
 
  
 
  
 
  
 
  
 
  
 
，占用内存变成了 461MB？

我们知道














，当 val 大小 <= 128B 时
  
  
  
  
  
  
  
  ，val 其实是直接放在 bucket 里的 
  
  
  
  
  
  
  
，按理说 


 


 


 


 


 


 


 

，写入 kv 与否
 
 
 
 
 
 
 
 ，这些 bucket 占用的内存都在那里















。换句话说  
   
   
   
   
   
   
   
，写入 kv 之后 

 

 

 

 

 

 

 
，占用的内存应该还是 293MB

 

 

 

 

 

 

 

 ，实际上却是 461MB                       。

这里的原因其实是在写入 100w kv 期间 map 发生了扩容               ，buckets 进行了搬迁 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 。我们可以用 hack 的方式打印出 B 值：

func main() { //... var B uint8 for i := 0; i < n; i++ { curB := *(*uint8)(unsafe.Pointer(uintptr(unsafe.Pointer(*(**int)(unsafe.Pointer(&m)))) + 9)) if B != curB { fmt.Println(curB) B = curB } m[i] = randBytes() } //... runtime.KeepAlive(m) }

运行程序 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
 
，B 值从 1 一直变到 18























。搬迁的过程可以参考前面提到的那篇 map 文章















，这里不再赘述               。

而如果我们初始化的时候直接将 map 的长度指定为 100w                       ，那内存变化情况为：

293 MB 293 MB 293 MB

当 val 小于 128B 时 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，初始化 map 后内存占用量一直不变  
 
  
 
  
 
  
 
  
 
  
 
  
 
  
 。原因是 put 操作只是在 bucket 里原地写入 val






















，而 delete 操作则是将 val 清零                ，bucket 本身还在















。因此 
 
  
 
  
 
  
 
  
 
  
 
  
 
  
 
，内存占用大小不变
  
  
  
  
  
  
  
 。

而当 val 大小超过 128B 后














，bucket 不会直接放 val
  
  
  
  
  
  
  
  ，转而变成一个指针  
  
  
  
  
  
  
  。我们将 N 设为 129 
  
  
  
  
  
  
  
，运行程序：

0 MB 197 MB 38 MB

虽然 map 的 bucket 占用内存量依然存在 


 


 


 


 


 


 


 

，但 val 改成指针存储后内存占用量大大降低
 


 


 


 


 


 


 


 

。且 val 被删掉后
 
 
 
 
 
 
 
 ，内存占用量确实降低了
 
 
 
 
 
 
 
。

总之  
   
   
   
   
   
   
   
，map 的 buckets 数只会增 

 

 

 

 

 

 

 
，不会降   
   
   
   
   
   
   
   。所以在流量冲击后

 

 

 

 

 

 

 

 ，map 的 buckets 数增长到一定值               ，之后即使把元素都删了也无济于事
 

 

 

 

 

 

 

 
。内存占用还是在 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
 
，因为 buckets 占用的内存不会少

 

 

 

 

 

 

 

。

对于 map 内存泄漏的解法：

重启； 将 val 类型改成指针； 定期地将 map 里的元素全量拷贝到另一个 map 里                。

好在一般有大流量冲击的互联网业务大都是 toC 场景















，上线频率非常高
 
 

 
 

 
 

 
 

 
 

 
 

 
 

 
 。有的公司能一天上线好几次                       ，在问题暴露之前就已经重启恢复了 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
，问题不大















。