簡介《.NET內存寶典》是一本系統(tǒng)講解.NET內存管理與性能調優(yōu)的技術專著比《CLR via C#》在內存機制上更為聚焦深入適合中高級.NET開發(fā)者作為進階與案頭參考書研讀。書中重點講解垃圾回收、代際模型、對象分配與生命周期、內存碎片成因并結合實際案例演示PerfView等診斷工具的使用方法幫助定位內存泄漏和性能瓶頸。同時覆蓋非托管資源釋放、對象池化、裝箱與拆箱開銷以及多線程與異步編程下的內存可見性內容系統(tǒng)且貼近實戰(zhàn)對排查高內存占用與垃圾回收停頓很有幫助。資源為1個PDF電子書壓縮包約24.27MB章節(jié)安排由淺入深適合離線閱讀和反復查閱。已有381人學習下載無論是夯實內存知識體系還是優(yōu)化服務端高并發(fā)應用的性能與可擴展性都能從中獲得系統(tǒng)的診斷思路與優(yōu)化方案。1. 為什么內存管理值得單開一本書不只是《CLR via C#》順帶講的那一章線上服務內存三天漲了1.8GB業(yè)務量紋絲不動GC每秒觸發(fā)幾十次CPU卻一直滿負荷……這種問題本質上是 .NET 內存管理的功課沒補上遲早會遇到不如一次解決?！禤ro .NET Memory Management》國內常叫 .NET 內存寶典就是為這件事寫的。很多人拿它和《CLR via C#》比CLR 是一張全景地圖內存只是眾多章節(jié)之一這本從硬件緩存、虛擬內存講起一路深入到 GC 內部和診斷工具全程只圍繞內存一件事。適合被 OOM 和 GC 抖動折磨過的后端與桌面開發(fā)者也適合面試前突擊內存知識的人。讀之前你最好寫過一年左右 C#知道 class 和 struct 的基礎差異。沒寫過也能看但只看理論不寫代碼效果會打折扣。2. 先把地基打牢寄存器機、緩存與虛擬內存如何決定托管代碼性能2.1 棧、堆與寄存器機對象分配的真實路徑在 CLR 里JIT 會把中間語言編譯成機器碼最終在 CPU 寄存器里求值。CLR 不是棧機而是寄存器機。JVM 的字節(jié)碼執(zhí)行模型是棧機操作數(shù)都壓在操作數(shù)棧上CLR 編譯過后絕大多數(shù)算術直接在寄存器里完成。這個差異直接決定值類型的去向。值類型只要不逃逸出當前方法就可以完全在棧上分配不碰托管堆一旦裝箱、被全局引用或作為對象字段存在它才被挪到堆上。理解這一點就不會寫出無意義的小對象堆化。下面這段代碼展示了對象分配的真實路徑struct Point { public int X; public int Y; } class Rectangle { public Point Location; public int Width; public int Height; } static long Demo() { var rect new Rectangle(); rect.Location new Point { X 3, Y 4 }; return rect.Location.X rect.Location.Y; }這里rect變量本身在棧幀里Rectangle對象在托管堆上Point作為Rectangle的字段嵌入在堆對象內部沒有單獨產生一次分配。把Point賦給object變量或轉成某個接口時裝箱才會把它的副本丟到堆上。在頻繁調用的熱路徑上每多一次裝箱就多一次堆分配。所以這本書開頭花大篇幅講棧與堆不是基礎科普而是后續(xù)討論 GC 壓力的前提。2.2 順序訪問優(yōu)于隨機訪問緩存局部性的差距不止一個數(shù)量級第二個基礎是 CPU 緩存。從內存讀一個對象大約 60 到 100 納秒從 L1 緩存讀只要 1 納秒上下差距不止一個數(shù)量級。程序員的直覺經(jīng)常低估這個差距只看算法復雜度 O(n)卻不看緩存命中率。存儲層級典型延遲典型容量L1 Cache約 1ns32KB 左右L2 Cache約 4ns256KB 到 1MBL3 Cache約 10ns8MB 以上主內存60 到 100ns按機器配置數(shù)組與鏈表的遍歷就能看出差距// 順序遍歷數(shù)組預取器能按順序把數(shù)據(jù)拉進緩存 long SumArray(int[] arr) { long acc 0; for (int i 0; i arr.Length; i) { acc arr[i]; } return acc; } // 遍歷鏈表節(jié)點可能散布在整個堆的不同頁里 long SumList(Node? head) { long acc 0; for (Node? n head; n ! null; n n.Next) { acc n.Value; } return acc; }同樣數(shù)量節(jié)點鏈表隨機跳指針會頻繁打新緩存行數(shù)據(jù)量越大差距越明顯。這也是為什么ListT多數(shù)時候比LinkedListT快一個是連續(xù)內存順序訪問一個是不連續(xù)內存隨機訪問。寫代碼時先想清楚節(jié)點內存分布再談算法復雜度。2.3 操作系統(tǒng)與虛擬內存大頁面、NUMA 和不同平臺的內存布局再往下一層是操作系統(tǒng)。進程拿到的地址是虛擬地址操作系統(tǒng)分頁管理通過頁表翻譯成物理地址。TLB 是頁表的快速緩存直接決定每次內存訪問的成本。默認 4KB 一頁程序活動內存一大TLB 頻繁失效啟用大頁面后一頁覆蓋 2MB 甚至更大TLB 條目不用增加覆蓋范圍翻了幾十倍。Linux 上透明大頁的開關常見位置是/sys/kernel/mm/transparent_hugepage/enabled# 查看當前狀態(tài) cat /sys/kernel/mm/transparent_hugepage/enabled # 切換為 always生產環(huán)境務必先做性能對比 echo always /sys/kernel/mm/transparent_hugepage/enabled設置項有三個always對所有內存分配生效madvise只對顯式聲明了大頁的內存生效never完全關閉。這個開關影響的是頁面大小和分配對齊不是內存總量。需要注意透明大頁不是免費午餐某些數(shù)據(jù)庫和高并發(fā)服務在always模式下反而出現(xiàn)延遲抖動所以我一般先在測試環(huán)境開起來壓一晚上確認穩(wěn)定再上生產。NUMA 關注的是跨 CPU 訪問遠端內存的延遲差異。線程從自己所在的 Node 訪問本地內存最快跨 Node 訪問要加一次延遲。.NET Server GC 默認按 CPU 組建堆配置項里有HeapCount、NoAffinitize亂調前先看機器拓撲。常見做法是先執(zhí)行l(wèi)scpu看一眼 Node 拆分再決定要不要開相關配置。Windows 和 Linux 的進程內存布局不一樣棧、堆、模塊映射的位置都不同但開發(fā)者感知最深的是同一個現(xiàn)象虛擬內存大不代表物理內存忙。任務管理器里的工作集和GC.GetTotalMemory是兩個口徑書的工具篇章就是專門解決這種看走眼的問題。3. 沒有度量就沒有優(yōu)化PerfView、dotnet-dump 與 perfcollect 的實操路徑書里反復強調 Measure Early盡早度量用數(shù)據(jù)而不是感覺決策。常見誤區(qū)是發(fā)現(xiàn)內存大就直接加內存或者手工調用 GC連基本計數(shù)器都沒看過。工具先到哪后到哪直接決定排查效率。工具作用適合場景dotnet-counters實時看 GC 與內存計數(shù)器線上服務初步判斷整體趨勢PerfView / ETW追蹤 GC 事件與分配詳情定位 GC 頻率與觸發(fā)原因dotnet-dump抓進程快照做離線分析分析堆里對象分布與根引用perfcollectLinux 下抓取 GC 等核心事件容器與 Linux 環(huán)境VMMap看進程虛擬內存分布Windows 下確認虛擬內存增長3.1 先看計數(shù)器再看事件最后才看 dump不要上來就抓 dump。dump 一個運行一小時的進程再分析半天往往只看到結果看不到過程。正確順序是先用計數(shù)器確認是持續(xù)增長還是正常波動再用事件看 GC 觸發(fā)頻率與原因確定有嫌疑對象再做 dump。dotnet-counters 會連接運行中的 .NET 進程讀取運行庫的 EventCounter 數(shù)據(jù)。命令示例dotnet-counters monitor --process-id 10086 --counters System.Runtime--process-id指定 PID我一般先在ps -ef輸出里確認進程號再執(zhí)行--counters System.Runtime表示訂閱運行庫提供的那組計數(shù)器。最?？吹氖沁@幾個gc-heap-size托管堆當前大小。gen-0/1/2-gc-count各級別 GC 次數(shù)。cpu-usage進程實時 CPU。working-set物理內存占用。如果gc-heap-size曲線平穩(wěn)但working-set一直上漲增長大概率來自非托管內存、文件映射或線程棧。別急著懷疑托管泄漏先看這些計數(shù)。3.2 Windows 下的 GC 事件PerfView 與 dotnet-dump 配合PerfView 是 Windows 上抓 GC 事件的首選。雖然它默認開 GUI但也可以先用命令行收集減少對目標進程的干擾PerfView.exe /nogui /GCCollectOnly collect mytrace.etl/nogui表示收集完不打開界面/GCCollectOnly只啟用 GC 相關提供程序減少采集量收集結果落在mytrace.etl。注意全量 ETW 采集會暫停系統(tǒng)務必先在小流量窗口驗證。收集完成后雙擊打開mytrace.etl進入 Memory Group查看 GC Stats 和 Heap Allocations。GC Stats 會列出每次 GC 的耗時、原因和代際Heap Allocations 按調用棧聚合分配量一下就能看出哪條熱路徑在瘋搶堆內存。抓到大堆后如果需要看對象細節(jié)用 dotnet-dumpdotnet-dump collect --process-id 10086 --output web.dmp dotnet-dump analyze web.dmpcollect做一次進程快照analyze進入交互式分析會話。會話里我常用兩招dumpheap -stat clrstackdumpheap -stat按類型統(tǒng)計托管堆對象數(shù)量和總大小能快速看到哪類對象占了大頭clrstack打印當前線程的托管調用棧配合看哪個調用點正在分配。分析完輸入quit退出。這套組合能回答絕大多數(shù)“到底是誰分配了這么多對象”的問題。3.3 Linux 與容器環(huán)境perfcollect 打開另一扇門生產容器里跑 PerfView 不方便Linux 常用開源工具是 perfcollect。它依賴內核的 perf 事件跑起來通常需要 root 權限sudo perfcollect install sudo perfcollect collect mytraceinstall會安裝內核符號和依賴的設備采集工具首次運行需要預置包或能從源拉取collect mytrace開始追蹤默認按時間窗口和內存大小生成追蹤文件。收集結束后可以把得到的追蹤數(shù)據(jù)導入 Trace Compass 打開或者轉換后交給熟悉的分析環(huán)境。跑容器的同事最關心“采集過程會影響業(yè)務嗎”——perfcollect 采集時對目標進程是只讀式采樣影響比 ETW 全量追蹤小但內核側符號解析仍要占用系統(tǒng)資源。我會先在預發(fā)容器跑一次完整采集確認沒有明顯延遲抖動再上生產。在拿到第一份數(shù)據(jù)之前不要下任何“內存泄漏”的結論。這是整本書診斷章節(jié)最想糾正的習慣。4. GC 不是黑匣子分代、觸發(fā)點與運行時配置參數(shù)打開 System.Runtime 計數(shù)器經(jīng)?？吹?Gen0 一分鐘幾十次Gen2 半個鐘不來一次。這不是異常分代回收本來就這么設計的。真正要看的是 Gen2 與gc-heap-size的配合Gen2 頻繁說明跨代際存活對象多或者 LOH 出問題。先讀懂這三個數(shù)字再動配置。4.1 分代與堆分區(qū)為什么 Gen0 天天忙、Gen2 難得清靜.NET GC 用的是分代追蹤回收。新對象進第 0 代活過一次回收后晉升到第 1 代再活過一次到第 2 代。代齡越大回收頻率越低Gen0 回收非常頻繁Gen2 可能幾分鐘甚至幾小時才來一次。兩個沒有代際概念的區(qū)域是 LOHLarge Object Heap和 POHPinned Object Heap。LOH 的對象默認超過 85KB 就進回收后不壓縮容易碎片化POH 是 .NET Core 3.0 之后引入的固定對象單獨放避免固定對象把普通小對象堆的壓縮過程攪亂。代碼里很容易觀察到這個分界byte[] small new byte[80_000]; // SOH進 Gen0 byte[] big new byte[100_000]; // LOH超過 85KB 閾值80KB的數(shù)組走小對象堆參與代際晉升100KB的數(shù)組直接進 LOH回收代價按大對象算而且默認不壓縮。如果面試或面試別人把“大對象堆不壓縮導致碎片”這個問題答清楚比背十個配置名有用得多。4.2 GC 模式與運行時開關Server、Concurrent、HeapHardLimitGC 有兩種基本模式Workstation GC工作站和 Server GC服務器。工作站 GC 多用于桌面程序回收在觸發(fā)它的線程上做服務器 GC 為每個邏輯 CPU 核心建一個托管堆與一個 GC 線程吞吐率高但線程數(shù)也多小容器里容易過度配置。與模式并列的是并發(fā)還是后臺回收。舊式并發(fā)回收有暫停窗口后臺 GC 在后臺線程執(zhí)行部分回收主線程繼續(xù)跑業(yè)務。默認配置在多數(shù)服務器上是 Server 后臺這些在 runtimeconfig.json 里都能改{ runtimeOptions: { configProperties: { System.GC.Server: true, System.GC.Concurrent: true, System.GC.HeapHardLimit: 1073741824, System.GC.HeapHardLimitPercent: 3, System.GC.LOHThreshold: 102400 } } }配置項作用常見取值System.GC.Server開啟服務器 GCtrue / falseSystem.GC.Concurrent后臺回收true / falseSystem.GC.HeapHardLimit托管堆硬上限字節(jié)數(shù)System.GC.HeapHardLimitPercent按進程內存百分比限制0 到 100System.GC.LOHThresholdLOH 閾值字節(jié)數(shù)這套配置不是越多越好。我見過把 HeapHardLimit 設太小的服務GC 被壓得頻繁阻塞吞吐反而掉一半。調參必須跟指標走先看默認配置下的 GC 暫停和堆增長再決定要不要限制。4.3 觸發(fā)條件的三個來源分配、內存壓力、顯式調用GC 觸發(fā)有三個主要來源。第一是分配壓力比如 Gen0 滿了第二是系統(tǒng)內存壓力高第三是代碼顯式調用GC.Collect()。顯式調用不是完全不能碰但絕大多數(shù)業(yè)務代碼里輪不到你替 GC 做決定。需要它的時候是進程即將進入對延遲敏感的空閑窗口而且你確認堆里確實有大量一次性質對象否則不要碰。注意GC.Collect屬于高危操作默認不要出現(xiàn)在業(yè)務代碼里。理解觸發(fā)點是為了讀dotnet-counters里的gen-0/1/2-gc-count如果 Gen2 次數(shù)高得離譜優(yōu)先檢查 LOH 分配和進程內存壓力如果 Gen0 次數(shù)極密說明熱路徑上存在大量臨時對象該找分配熱點而不是加內存。下一章的避坑記錄全部來自這些場景里栽過的跟頭。5. 避坑手冊五個把我坑過一遍的內存陷阱避坑不是看二手經(jīng)驗就能學會的這里記錄的五條都來自我的實際處理經(jīng)歷每條按現(xiàn)象、原因、解決三步說清方便照做。5.1 現(xiàn)象內存只漲不降怎么看都像泄漏現(xiàn)象working-set三天漲了 1.5GB抓 dump 找不到大對象托管堆大小也只是略有增加。原因非托管資源沒有被釋放。文件句柄、socket、Marshal.AllocHGlobal分配的內存或者某個第三方組件在后臺保持著一塊非托管緩存。托管堆再干凈進程內存也會繼續(xù)漲。解決先用dotnet-counters分開兩類指標。gc-heap-size平穩(wěn)、working-set上漲時用系統(tǒng)工具看VmRSS同時檢查句柄和 GDI 對象數(shù)量長期做法是給非托管資源統(tǒng)一走IDisposableusing并單獨記錄打開后必須關閉。5.2 現(xiàn)象開了 Server GC 后反而更頻繁卡頓現(xiàn)象換到多核機器后把System.GC.Server打開GC 次數(shù)沒少服務延遲反而上升。原因容器 CPU 限制下Server GC 按可見邏輯核心數(shù)建堆線程切換和堆同步開銷把收益吃掉了。一個小容器拿到 32 核的配置創(chuàng)建幾十個 GC 線程光調度就夠喝一壺。解決在容器里先看ProcessorCount實際暴露了幾核再決定是否啟用 Server GC。更常見的做法是保留默認 Workstation 后臺回收或者用System.GC.HeapCount把堆數(shù)限制到容器允許的核心數(shù)。調完后用 GC 暫停指標反向驗證別按“核心多就該 Server”的經(jīng)驗辦事。5.3 現(xiàn)象StringBuilder 已經(jīng)用了內存還是在漲現(xiàn)象日志拼接都改成了StringBuildergen-0-gc-count沒有明顯下降。原因StringBuilder.ToString()每次都會產出一個新字符串如果日志模板里還有參數(shù)插值$在編譯后會生成string.Format或默認插值處理器最終仍有點臨時分配。StringBuilder 只是降低了拼接次數(shù)沒有消滅最終的字符串對象。解決把日志模板緩存為常量枚舉值預處理成字符串再拼接高 QPS 場景給字符緩沖走對象池而不是反復new StringBuilder。這一條靠 GC 分配統(tǒng)計確認光看代碼看不出門道。5.4 現(xiàn)象PerfView 一開服務立刻抖動現(xiàn)象只在高峰期抓 60 秒 ETW服務 P99 直接翻倍業(yè)務方開始打電話。原因全量事件追蹤會讓系統(tǒng)短暫停頓GC 本身又疊加了額外事件度量過程影響了被測系統(tǒng)。書中對采集手段的侵入性有過明確提醒。解決先在低峰期測一次/GCCollectOnly的暫停影響如果必須高峰采集縮小采集范圍只開 GC 事件關掉 Context Switch 等重型提供程序或者退而求其次用dotnet-counters的采樣模式。5.5 現(xiàn)象Dispose 都寫了內存還沒立刻下來現(xiàn)象代碼里所有實現(xiàn)IDisposable的對象都套了using但GC.GetTotalMemory升高的勢頭沒停。原因Dispose只釋放非托管資源它不回收托管堆內存。托管對象要等 GC 回收終結器型的資源還要額外一輪。把“釋放”和“回收”混成一個概念是剛接觸內存管理最容易翻車的地方。解決區(qū)分兩類資源。非托管資源用Dispose保證確定性釋放托管堆大對象走池化或數(shù)組租用降低 GC 壓力。驗證方式不是看GetTotalMemory而是看gen-0-gc-count是否下降。6. 把書用到日常寫代碼前先建一個分配基線書讀完了最該帶走的是“先度量再優(yōu)化”的肌肉記憶。6.1 一條可復現(xiàn)的驗證路徑我現(xiàn)在的習慣是凡是要進熱路徑的函數(shù)先寫一段幾十毫秒的基準代碼用GC.GetAllocatedBytesForCurrentThread前后對比。long before GC.GetAllocatedBytesForCurrentThread(); for (int i 0; i 100_000; i) { string id string.Format(ID-{0:D6}, i); // 優(yōu)化前每次循環(huán)都有臨時分配 } long allocated GC.GetAllocatedBytesForCurrentThread() - before;GC.GetAllocatedBytesForCurrentThread返回當前線程累計分配量適合做相對比較配合dotnet-counters看gen-0-gc-count能確認優(yōu)化是否真的減少了 GC 壓力。string.Format的形式在十萬次循環(huán)里會制造十萬個中間字符串這就是 Gen0 壓力來源。6.2 從“減少分配”到“減少 GC 壓力”換成數(shù)組租用后分配量會立刻下來char[] buffer ArrayPoolchar.Shared.Rent(256); try { int len FormatId(42, buffer); string id new string(buffer, 0, len); // 只在最后產生一個字符串 } finally { ArrayPoolchar.Shared.Return(buffer); } static int FormatId(int id, char[] dst) { dst[0] I; dst[1] D; dst[2] -; dst[3] (char)(0 (id % 10)); dst[4] (char)(0 (id / 10 % 10)); dst[5] (char)(0 (id / 100 % 10)); return 6; }Rent從共享池取緩沖Return歸還池內部復用避免每次循環(huán)都向堆申請新數(shù)組。改動看起來小熱路徑上省掉的卻是大量 Gen0 分配和后續(xù)回收入口。從那以后我每次寫批量處理代碼都強制先跑一遍分配基線用數(shù)據(jù)說話再談優(yōu)化。多花十分鐘能省掉線上加內存的尷尬。希望幫到你。本文還有配套的精品資源點擊獲取