前言

本文从“在C/C++开发时选用哪种内存处理方式较好”的角度，聊聊内存的使用。主要还是站在需要开发后台功能的QT开发者的角度来写的总结笔记。

内存分布

我们开发的应用程序运行时，为了确保确保系统稳定性，通常应用程序是在用户态下运行，只能访问操作系统为其分配的‌用户空间内存‌。

临时变量、局部变量等临时值，通常存储在用户态的栈空间或寄存器中；

全局变量、静态常量、静态数组等生命周期为整个程序运行期的，通常存储在用户态的静态存储区（数据段或BSS段）；

动态数组（如new、malloc、calloc、realloc等申请的内存）、 STL容器(vector、list、map) 等，通常存储在用户态的堆空间中；

通过malloc或new申请动态内存时，尝试从用户态的堆内存池中分配内存，若用户态堆中有足够空闲内存块，则直接返回给应用程序；若用户态的堆内存不足时，C库会通过系统调用（如brk或mmap）向内核申请扩展堆空间，应用程序不需要关注此操作。

通过‌内存映射文件‌技术(mmap)，申请的内核动态内存，内核会为用户态应用进程分配虚拟地址空间（这个虚拟机地址空间是在用户态地址空间中分配），并建立与物理内存或文件的映射关系。

以下是单个应用进程3类分布区对比（声明：以下表格来源于AI辅助创作）

开发运用

栈的应用

栈空间是最小的，也是执行最快的，适合存放‌小型、生命周期短且大小固定的数据，因为有大小限制，如果申请大数据容易导致程序崩溃，例如int arr[1000000]（约4MB），可能超出栈默认大小，引发栈溢出。

以下通过读取文件内容的场景来对比

//正确方式：不管文件有多大，每次读取1KB到栈中 std::ifstream file("large_file.bin", std::ios::binary); char buff[1024]; // 1KB栈缓冲区 while (file.read(buff, sizeof(buff))) { // 处理当前块（buff中数据） } //错误方式：10MB栈缓冲区，导致程序崩溃 std::ifstream file("large_file.bin", std::ios::binary); char buff[1024*1024*10]; // 10MB栈缓冲区 while (file.read(buff, sizeof(buff))) { // 处理当前块（buff中数据） }

如果硬要申请很多的数据缓存，可以把数组char buff[1024*1024*10];搬到外面作为静态数组用，或者改成vector(动态内存)方式来用，下面给出改成动态内存方式的样例

const size_t buffer_size = 1024 * 1024 * 20; // 20MB缓冲区 std::vector<char> buff(buffer_size); // 堆分配缓冲区 std::ifstream file("large_file.bin", std::ios::binary | std::ios::ate); while (file.read(buff.data(), sizeof(buff))) { // 处理当前块（buff中数据） }

总结：临时变量、局部变量不能申请太大的数组缓存，主要是关注大数组，或者是包含大数组的结构体即可。

静态存储区的应用

静态存储区与栈很接近，运行效率稍微比栈低，但空间比栈大，而且作用域是整个全局，如果频繁要用到某个常量/变量/数组，那么就适合设置为全局变量、静态常量、静态数组。

全局变量、静态常量太常用了，这里举个静态数组的场景：处理指定目录下存在待入库到mysql的文件

// 数据结构体 struct stCollectMsg { int id; char name[64]; double value; char timestamp[20]; }; const int BATCH_SIZE = 100; stCollectMsg sqldata[BATCH_SIZE]; // 静态数组 // 文件读取函数 void ReadFile(const char* filename) { std::ifstream file(filename, std::ios::binary); int current_count = 0; while (!file.eof()) { //读取数据 file.read((char*)&sqldata[current_count], sizeof(stCollectMsg)); if (file.gcount() == sizeof(stCollectMsg)) { //数量时，把数据插入数据库 if (++current_count == BATCH_SIZE) { InsertData(conn, sqldata, current_count); current_count = 0; } } } // 处理剩余数据 if (current_count > 0) { InsertData(conn, sqldata, current_count); } } // 数据入库函数 void InsertData(MYSQL* conn, stCollectMsg* data, int count) { std::string query = "INSERT INTO collect_data (id, name, value, timestamp) VALUES "; for (int i = 0; i < count; ++i) { query += "(" + std::to_string(data[i].id) + ", '" + data[i].name + "', " + std::to_string(data[i].value) + ", '" + data[i].timestamp + "')"; if (i != count - 1) query += ","; } if (mysql_query(conn, query.c_str())) { std::cerr << "入库失败: " << mysql_error(conn) << std::endl; } }

组装多条数据一次入库，比一条一条入库效率快很多，类似的场景很多。

堆的应用

静态数组能做的，申请堆内存的动态数组也能做，区别是堆上申请的内存是不连续的，导致整体性能没有动态数组和静态数组效率快。

但是堆更灵活，也更大，适合大对象数据，以及规模大的数据量处理。比如视频类数据，都是以G为单位，最好放在动态内存中。

虚拟地址空间

使用mmap进行内存映射时，用户空间会创建虚拟地址区域，同时与物理内存建立映射关系，应用进程以访问虚拟地址的方式来访问真实的物理内存。

以下通过与动态内存对比，来加深了解（声明：以下表格来源于AI辅助创作）

总结：mmap在内存映射时开销比较大，处理小数量的内存/数据性能较低，其优势场景是适合大文件读写以及多个进程共享一段内存。

比如，一段高清监控视频，可以结合共享内存+内存映射，提供查看进程、AI分析进程、质量分析进程等多个进程同时访问（这种设计方式比每个进程自己加载一段高清监控视频到自己的动态区域后再进行分析的设计方式节省内存，以及节省IO操作的开销）。

以下给出内存映射与常规IO操作对比表（声明：以下表格来源于AI辅助创作）