解锁C++性能密码：TCMalloc深度剖析

在当今数字化时代，软件应用的复杂度与日俱增，对性能的要求也愈发严苛。C++ 作为一门强大的编程语言，凭借其高效的执行效率、灵活的内存管理以及对硬件资源的直接操控能力，在大型项目开发、系统软件编写、游戏开发、人工智能等众多关键领域占据着举足轻重的地位。比如，在大型游戏开发中，像《使命召唤》《绝地求生》这些知名游戏，其核心引擎部分大量运用 C++ 编写，以实现逼真的画面渲染、流畅的游戏体验和高效的资源利用；在操作系统领域，Windows、Linux 等主流操作系统的内核也离不开 C++ 的支持，确保系统对硬件的精准控制和稳定运行。

然而，随着项目规模的不断扩大和功能的日益丰富，C++ 程序也面临着性能瓶颈的挑战。性能不佳的 C++ 程序，可能会导致系统响应迟缓，比如在金融交易系统中，每一次交易指令的处理都对时间极为敏感，若程序性能不足，交易延迟可能会造成巨大的经济损失；也可能会消耗过多的硬件资源，以服务器端程序为例，高资源消耗会增加运营成本，降低服务器的并发处理能力。

因此，对 C++ 程序进行性能优化显得尤为重要。它不仅能够显著提升程序的运行效率，让软件在有限的硬件条件下发挥出最大效能，还能有效降低资源消耗，节省硬件成本，增强软件的稳定性和可靠性，为用户带来更优质的使用体验 ，从而在激烈的市场竞争中脱颖而出。

一、传统内存管理的困境

在 C++ 的编程世界里，传统的内存管理方式主要依赖于new、delete、malloc和free 这几个关键的操作符与函数。new和delete是 C++ 中用于动态内存分配与释放的操作符，其中new会在堆上为对象分配内存，并调用对象的构造函数进行初始化；delete则相反，它会调用对象的析构函数清理资源，然后释放对象所占用的内存空间。例如：

int* ptr1 = new int; // 动态分配一个int类型空间
delete ptr1; // 释放ptr1指向的内存空间class MyClass {
public:MyClass() { /* 构造函数 */ }~MyClass() { /* 析构函数 */ }
};
MyClass* ptr2 = new MyClass; // 动态分配一个MyClass类型的对象
delete ptr2; // 释放ptr2指向的MyClass对象的内存空间

而malloc和free是 C 语言中就存在的内存管理函数，malloc用于在堆上分配指定字节数的内存空间，但它不会对分配的内存进行初始化；free则用于释放malloc分配的内存空间。在 C++ 中，malloc分配的内存也可以用free释放，不过在处理自定义类型时，malloc和free不会调用构造函数和析构函数。例如：

int* ptr3 = (int*)malloc(sizeof(int)); // 分配一个int类型大小的内存空间
free(ptr3); // 释放ptr3指向的内存空间MyClass* ptr4 = (MyClass*)malloc(sizeof(MyClass)); // 分配一个MyClass类型大小的内存空间，但未初始化
// 这里ptr4指向的内存空间未调用构造函数，使用时可能出错
free(ptr4); // 释放ptr4指向的内存空间，但未调用析构函数，可能导致资源泄漏

在程序进行少量且不频繁的内存操作时，这些传统的内存管理方式能够正常工作，满足基本的内存分配与释放需求。然而，一旦程序进入高频次的内存分配与释放场景，它们的弊端便会逐渐暴露出来，其中最为突出的问题便是内存碎片的产生和内存分配效率的低下 。

随着程序不断地进行内存的分配与释放操作，内存空间会逐渐被分割成许多不连续的小块。这些小块就如同零散分布的拼图碎片，单独来看，每一块都难以满足较大内存分配的需求，从而形成了内存碎片。内存碎片又可细分为内部碎片和外部碎片。内部碎片是指已分配给某个对象的内存中，存在未被该对象完全使用的部分。比如，使用固定大小的内存块分配策略时，如果对象实际所需内存小于分配的块大小，就会产生内部碎片。外部碎片则是指内存中存在许多不连续的小空闲块，这些空闲块由于不连续，无法被有效地利用来满足较大的内存分配请求。

内存碎片的存在，会极大地降低内存的利用率。因为即使系统中剩余的空闲内存总量足够，但由于这些内存以碎片的形式存在，程序在需要分配较大连续内存块时，可能会因为找不到足够大的连续空闲内存而失败，导致程序无法正常运行。同时，内存碎片还会显著增加内存分配和释放操作的时间开销。当程序请求分配内存时，内存管理系统需要花费更多的时间去遍历内存空间，寻找合适的空闲内存块；而在释放内存时，也需要进行额外的操作，尝试合并相邻的空闲块，以减少碎片的产生。这些额外的操作无疑会拖慢程序的运行速度，降低程序的整体性能。

以一个实时图像处理程序为例，在图像的读取、处理和显示过程中，需要频繁地分配和释放内存来存储图像数据、中间计算结果等。如果采用传统的内存管理方式，随着程序的长时间运行，内存碎片会不断积累。当内存碎片达到一定程度后，程序在分配用于存储高分辨率图像数据的连续内存块时，可能会频繁失败，导致图像加载缓慢、处理卡顿甚至程序崩溃。据相关测试数据显示，在一个模拟的频繁内存操作场景中，使用传统内存管理方式运行一段时间后，内存分配时间平均增加了 30% - 50%，内存利用率下降了 20% - 30%，严重影响了程序的性能和稳定性。

二、TCMalloc闪亮登场

2.1 TCMalloc 是什么

在众多的 C++ 性能优化工具中，TCMalloc 就像是一颗璀璨的明星，闪耀着独特的光芒。TCMalloc，全称 Thread-Caching Malloc，即线程缓存的 malloc，是 Google 开发的一款极具创新性的内存分配算法库 。它最初作为 Google 性能工具库 gperftools 的一部分，横空出世，旨在为多线程环境下的内存管理提供高效的解决方案，用于替代操作系统原生的内存分配函数，如malloc、free、new、new[]等。

TCMalloc 之所以备受瞩目，是因为它具备一系列卓越的特性。它能够显著减少内存碎片的产生，就像一位心灵手巧的工匠，将内存空间精心地规划和利用，使得每一块内存都能物尽其用，大大提高了内存的利用率。同时，TCMalloc 对多核处理器有着天然的亲和力，能够充分发挥多核的优势，为并行计算提供强大的支持。在多线程并发的场景中，它表现得尤为出色，极大地减少了线程之间的锁竞争，就像一位经验丰富的交通指挥员，让各个线程在内存分配的 “道路” 上有序通行，避免了交通堵塞，从而显著提升了内存分配的速度和效率。 比如在 Chrome 浏览器中，大量的页面渲染、脚本执行等任务都是多线程并发进行的，TCMalloc 的使用使得浏览器在处理这些复杂任务时，能够高效地管理内存，避免因内存问题导致的卡顿和崩溃，为用户带来流畅的浏览体验。

2.2 TCMalloc与传统内存管理对比

与传统的内存管理方式相比，TCMalloc 在多个关键方面展现出了压倒性的优势，就如同现代的高速列车与古老的蒸汽火车，在性能上有着天壤之别。

在速度方面，TCMalloc 堪称 “闪电侠”。相关测试数据显示，在 2GHz 的 CPU 上，当进行 256K 字节的内存分配和释放操作时，传统的基于 glibc 实现的 ptmalloc2 需要耗时 32 纳秒，而 TCMalloc 仅需 10 纳秒，速度提升超过了 3 倍。这就好比在一场短跑比赛中，传统内存管理方式还在慢悠悠地起跑，TCMalloc 已经如离弦之箭般冲过了终点。

在多线程环境下，这种速度优势更加明显。当线程数增加到 40 个时，进行同样的内存操作，ptmalloc2 的耗时从 32 纳秒飙升到 137 纳秒，增长了 3 倍以上；而 TCMalloc 只是从 10 纳秒上升到 25 纳秒，仅增长了 1.5 倍 。随着线程数量的进一步增加，ptmalloc2 的性能急剧下降，而 TCMalloc 依然能够保持相对稳定的速度，展现出强大的性能优势。

在内存利用率上，TCMalloc 同样表现出色。传统内存管理方式在频繁的内存分配和释放过程中，容易产生大量的内存碎片，就像一堆杂乱无章的拼图碎片，难以拼凑出完整的图案。而 TCMalloc 通过其独特的内存管理算法，对内存进行精细的划分和管理，能够有效地减少内存碎片的产生。例如，对于小对象的分配，TCMalloc 采用了线程本地缓存和中央缓存相结合的方式，使得小对象的分配和释放更加高效，减少了内存碎片的产生。据统计，在一些模拟的频繁内存操作场景中，使用传统内存管理方式，内存利用率可能会下降到 70% 以下，而使用 TCMalloc，内存利用率可以保持在 90% 以上，大大提高了内存的使用效率。

在多线程支持方面，TCMalloc 更是一骑绝尘。传统的内存管理方式在多线程环境下，由于线程之间对内存资源的竞争，往往需要频繁地加锁和解锁，这就像在一条狭窄的道路上，车辆需要频繁地停车等待，严重影响了交通的流畅性。而 TCMalloc 为每个线程分配了独立的局部缓存，对于小对象的分配，可以直接由线程局部缓存来完成，无需加锁，大大减少了锁竞争带来的开销。

对于大对象的分配，TCMalloc 则采用了细粒度、高效的自旋锁，进一步减少了多线程的锁竞争问题。以一个多线程的服务器程序为例，在高并发的情况下，使用传统内存管理方式，由于锁竞争的存在，服务器的吞吐量可能会受到严重限制；而使用 TCMalloc 后，服务器的吞吐量可以提高数倍，能够更好地应对大量的并发请求。

三、TCMalloc系统架构

3.1TCMalloc架构详解

• Front-end（前端）：负责提供快速分配和重分配内存给应用，由Per-thread cache和Per-CPU cache两部分组成。

• Middle-end（中台）：负责给Front-end提供缓存。当Front-end缓存内存不够用时，从Middle-end申请内存。

• Back-end（后端）：负责从操作系统获取内存，并给Middle-end提供缓存使用。

TCMalloc中每个线程都有独立的线程缓存ThreadCache，线程的内存分配请求会向ThreadCache申请，ThreadCache内存不够用会向CentralCache申请，CentralCache内存不够用时会向PageHeap申请，PageHeap不够用就会向OS操作系统申请。

TCMalloc将整个虚拟内存空间划分为n个同等大小的Page，将n个连续的page连接在一起组成一个Span；PageHeap向OS申请内存，申请的span可能只有一个page，也可能有n个page。

⑴Page

Page是操作系统对内存管理的单位，TCMalloc中以Page为单位管理内存，Page默认大小为8KB，通常为Linux系统中Page大小的倍数关系，如8、32、64，可以在编译选项配置时通过--with-tcmalloc-pagesize参数指定。

Page越大，TCMalloc的速度相对越快，但其占用的内存也会越高。默认Page大小通过减少内存碎片来最小化内存使用，使用更大的Page则会带来更多的内存碎片，但速度上会有所提升。

⑵Span

Span是PageHeap中管理内存Page的单位，由一个或多个连续的Page组成，比如2个Page组成的span，多个span使用链表来管理，TCMalloc以Span为单位向操作系统申请内存。

第1个span包含2个page，第2个和第4个span包含3个page，第3个span包含5个page。

Span会记录起始page的PageID（start）以及所包含page的数量（length）。

Span要么被拆分成多个相同size class的小对象用于小对象分配，要么作为一个整体用于中对象或大对象分配。当作用作小对象分配时，span的sizeclass成员变量记录了其对应的size class。

span中包含两个Span类型的指针（prev，next），用于将多个span以链表的形式存储。

Span有三种状态：IN_USE、ON_NORMAL_FREELIST、ON_RETURNED_FREELIST。

• IN_USE是正在使用中，要么被拆分成小对象分配给CentralCache或者ThreadCache，要么已经分配给应用程序。

• ON_NORMAL_FREELIST是空闲状态。

• ON_RETURNED_FREELIST指span对应的内存已经被PageHeap释放给系统。

⑶ThreadCache

ThreadCache是每个线程独立拥有的Cache，包含多个空闲内存链表（size classes），每一个链表（size-class）都有大小相同的object。

线程可以从各自Thread Cache的FreeList获取对象，不需要加锁，所以速度很快。如果ThreadCache的FreeList为空，需要从CentralCache中的CentralFreeList中获取若干个object到ThreadCache对应的size class列表中，然后再取出其中一个object返回。

⑷Size Class

TCMalloc定义了很多个size class，每个size class都维护了一个可分配的FreeList，FreeList中的每一项称为一个object，同一个size-class的FreeList中每个object大小相同。

在申请小内存时(小于256K)，TCMalloc会根据申请内存大小映射到某个size-class中。比如，申请0到8个字节的大小时，会被映射到size-class1中，分配8个字节大小；申请9到16字节大小时，会被映射到size-class2中，分配16个字节大小，以此类推。

⑸CentralCache

CentralCache是ThreadCache的缓存，ThreadCache内存不足时会向CentralCache申请。CentralCache本质是一组CentralFreeList，链表数量和ThreadCache数量相同。ThreadCache中内存过多时，可以放回CentralCache中。

如果CentralFreeList中的object不够，CentralFreeList会向PageHeap申请一连串由Span组成的Page，并将申请的Page切割成一系列的object后，再将部分object转移给ThreadCache。当申请的内存大于256K时，不再通过ThreadCache分配，而是通过PageHeap直接分配大内存。

⑹PageHeap

PageHeap保存存储Span的若干链表，CentralCache内存不足时，可以从PageHeap获取Span，然后把Span切割成object。

PageHeap申请内存时按照Page申请，但管理内存的基本单位是Span，Span代表若干连续Page。

3.2Front-end

Front-end处理对特定大小内存的请求，有一个内存缓存用于分配或保存空闲内存。Front-end缓存一次只能由单个线程访问，不需要任何锁，因此大多数分配和释放都很快。

只要有适当大小的缓存内存，Front-end将满足任何请求。如果特定大小的缓存为空，Front-end将从Middle-end请求一批内存来填充缓存。Middle-end包括CentralfReelList和TransferCache。

如果Middle-end内存耗尽，或者用户请求的内存大小大于Front-end缓存的最大值，则请求将转到Back-end，以满足大块内存分配，或重新填充Middle-end的缓存。Back-end也称为PageHeap。

Front-end由两种不同的实现模式：

• Per-thread：TCMalloc最初支持对象的Per-thread缓存，但会导致内存占用随着线程数增加而增加。现代应用程序可能有大量的线程，会导致每个线程占用内存累积起来很大，也可能会导致由单个较小线程缓存累积起来的内存占用会很大。

• Per-CPU：TCMalloc近期开始支持Per-CPU模式。在Per-CPU模式下，系统中的每个逻辑CPU都有自己的缓存，可以从中分配内存。在x86架构，逻辑CPU相当于一个超线程。

3.3Middle-end

Middle-end负责向Front-end提供内存并将内存返回Back-end。Middle-end由Transfer cache和Central free list组成，每个类大小都有一个Transfer cache和一个Central free list。缓存由互斥锁保护，因此访问缓存会产生串行化成本。

⑴Transfer cache

当Front-end请求内存或返回内存时，将访问Transfer cache。

Transfer cache保存一个指向空闲内存的指针数组，可以快速地将对象移动到数组中，或者代表Front-end从数组中获取对象。

当一个线程正在分配另一个线程释放的内存时，Transfer cache就可以得到内存名称。Transfer cache允许内存在两个不同的线程之间快速流动。

如果Transfer cache无法满足内存请求，或者没有足够的空间容纳返回的对象，Transfer cache将访问Central free list。

⑵Central Free List

Central Free List使用spans管理内存，span是一个或多个TCMalloc内存Page的集合。

一个或多个对象的内存请求由Central Free List来满足，方法是从span中提取对象，直到满足请求为止。如果span中没有足够的可用对象，则会从Back-end请求更多的span。

当对象返回到Central Free List时，每个对象都映射到其所属的span（使用pagemap，然后释放到span中）。如果驻留在指定span中的所有对象都返回给span，则整个span将返回给Back-end。

3.4Back-end

TCMalloc中Back-end有三项职责：

• 管理大量未使用的内存块。

• 负责在没有合适大小的内存来满足分配请求时从操作系统获取内存。

• 负责将不需要的内存返回给操作系统。

TCMalloc有两种Back-end：

（1）Legacy Pageheap，管理TCMalloc中Page大小的内存块。Legacy Pageheap是一个可用内存连续页面的特定长度的空闲列表数组。对于k<256，kth条目是由k个TCMalloc页组成的运行的免费列表。第256项是长度大于等于256页的运行的免费列表

（2）支持hugepage的pageheap，以hugepage大小的内存块来管理内存。管理hugepage内存块中内存，使分配器能够通过减少TLB未命中率来提高应用程序性能。

四、TCMalloc核心工作原理

TCMalloc 之所以能够在性能上实现如此大的飞跃，背后离不开其精妙绝伦的工作原理，就像一台精密的仪器，每一个部件都发挥着不可或缺的作用。接下来，让我们深入 TCMalloc 的内部，一探究竟。

4.1三级缓存架构解析

TCMalloc 采用了一种极具创新性的三级缓存架构，这种架构就像是一个精心构建的金字塔，每一层都承担着独特的职责，共同协作以实现高效的内存管理 。这三级缓存分别是 ThreadCache（线程缓存）、CentralCache（中央缓存）和 PageHeap（页堆）。

ThreadCache 位于金字塔的顶端，是每个线程私有的缓存。它就像是线程的专属 “小仓库”，里面存放着各种小对象。当线程需要分配内存时，首先会到这个 “小仓库” 中寻找。由于 ThreadCache 是线程私有的，线程在访问它时无需加锁，这就大大提高了内存分配的速度，就像在自己家里找东西一样方便快捷。例如，在一个多线程的网络服务器程序中，每个线程在处理网络请求时，可能会频繁地分配和释放一些小的内存块，用于存储请求数据、响应数据等。如果使用传统的内存管理方式，线程之间会因为争夺内存资源而频繁加锁，导致性能下降。而有了 ThreadCache，每个线程可以直接从自己的缓存中获取内存，避免了锁竞争，大大提高了处理请求的效率。

当 ThreadCache 中的内存不足时，就会向 CentralCache 发出求助信号。CentralCache 是所有线程共享的缓存，它就像是一个 “大型超市”，为各个线程提供内存补给。CentralCache 通过自旋锁来保护数据的一致性，虽然需要加锁，但由于它主要负责补充 ThreadCache 的内存，而不是直接处理大量的内存分配请求，所以锁竞争的情况相对较少。当 ThreadCache 向 CentralCache 申请内存时，CentralCache 会从自己的空闲内存列表中取出一部分内存，批量地提供给 ThreadCache。

如果 CentralCache 也无法满足内存需求，那么就轮到 PageHeap 登场了。PageHeap 是 TCMalloc 与操作系统内存交互的接口，它直接从操作系统的堆中获取内存，就像是从 “总仓库” 中提货。PageHeap 管理着大块的内存，这些内存以页（Page）为单位进行分配和管理。当 PageHeap 收到内存请求时，它会根据请求的大小，从自己管理的内存中找到合适的内存块分配出去。如果 PageHeap 中没有足够的空闲内存，它就会向操作系统申请更多的内存。

4.2内存管理单元：Page 与 Span

在 TCMalloc 的内存管理体系中，Page 和 Span 是两个非常重要的概念，它们就像是构建内存大厦的基石和砖块。

Page 是 TCMalloc 内存管理的基本单位，默认大小为 8KB ，通常与 Linux 系统中 Page 大小保持倍数关系，如 8、32、64 等，这个大小可以在编译选项配置时通过--with-tcmalloc-pagesize参数指定。Page 就像是一个个整齐排列的小房间，内存空间被划分为无数个这样的小房间，每个房间都有一个唯一的编号，即 PageID，由虚拟内存地址直接转换而得。Page 的大小对 TCMalloc 的性能有着重要影响。较小的 Page 可以减少内存碎片的产生，提高内存利用率，但在分配大对象时，可能需要多个 Page，增加了管理的复杂性；较大的 Page 则可以提高分配大对象的效率，但可能会产生更多的内存碎片。

Span 则是由一个或多个连续的 Page 组成的内存块，它就像是由多个小房间组成的一个大套间。Span 会记录起始 Page 的 PageID（start）以及所包含 Page 的数量（length） 。例如，一个 Span 可能由 2 个连续的 Page 组成，那么它的 start 就是第一个 Page 的 PageID，length 为 2。Span 有三种状态：IN_USE、ON_NORMAL_FREELIST、ON_RETURNED_FREELIST 。

IN_USE 表示该 Span 正在被使用，要么被拆分成小对象分配给 CentralCache 或者 ThreadCache，要么已经分配给应用程序；ON_NORMAL_FREELIST 表示该 Span 处于空闲状态，可以被重新分配使用；ON_RETURNED_FREELIST 表示该 Span 对应的内存已经被 PageHeap 释放给系统，但在某些情况下，可能还会被重新利用。Span 在 TCMalloc 的内存管理中起着关键作用，它是内存分配和回收的基本单元，通过对 Span 的有效管理，TCMalloc 能够实现高效的内存分配和回收。

4.3小对象与大对象的不同待遇

TCMalloc 根据对象的大小，将内存分配分为小对象分配和大对象分配两种情况，并且为它们提供了不同的分配策略，就像对待不同级别的客户，给予不同的服务。

对于小对象（<=32KB） ，TCMalloc 主要通过线程缓存 ThreadCache 来进行分配 。ThreadCache 中维护着多个空闲内存链表（FreeList），每个链表对应一种大小的小对象。当线程需要分配小对象时，首先会根据对象的大小找到对应的 FreeList，如果该链表中有空闲的内存块，就直接从链表中取出一块返回给线程，这个过程是无锁的，速度非常快。

如果 FreeList 为空，线程会从 CentralCache 中申请一批相同大小的小对象，填充到自己的 FreeList 中，然后再进行分配。例如，在一个图像处理程序中，可能会频繁地分配和释放一些小的图像数据块，这些数据块的大小通常在 32KB 以内。使用 TCMalloc 时，这些小对象的分配和释放可以在 ThreadCache 中高效地完成，大大提高了图像处理的速度。

而对于大对象（>32KB） ，TCMalloc 则直接从 PageHeap 中以页为单位进行分配 。由于大对象的大小超过了 ThreadCache 的管理范围，所以需要从 PageHeap 这个 “大仓库” 中获取内存。PageHeap 会根据大对象的大小，找到合适的 Span 进行分配。

如果没有合适大小的 Span，PageHeap 会向操作系统申请更多的内存，然后将新申请的内存划分为合适的 Span 进行分配。在释放大对象时，PageHeap 会检查相邻的 Span，如果相邻的 Span 是空闲的，则会将它们合并成一个更大的 Span，以减少内存碎片的产生。比如在一个大数据处理程序中，可能需要分配一些较大的内存块来存储中间计算结果，这些大对象就会由 PageHeap 直接分配，确保程序能够高效地处理大量的数据。

五、TCMalloc的使用方法

5.1TCMalloc安装

①TCMalloc源码安装

bazel源增加：

/etc/yum.repos.d/bazel.repo
[copr:copr.fedorainfracloud.org:vbatts:bazel]
name=Copr repo for bazel owned by vbatts
baseurl=https://download.copr.fedorainfracloud.org/results/vbatts/bazel/epel-7-$basearch/
type=rpm-md
skip_if_unavailable=True
gpgcheck=1
gpgkey=https://download.copr.fedorainfracloud.org/results/vbatts/bazel/pubkey.gpg
repo_gpgcheck=0
enabled=1
enabled_metadata=1

在线安装bazel：

yum install bazel3

TCMalloc源码下载：

git clone https://github.com/google/tcmalloc.git
cd tcmalloc && bazel test //tcmalloc/...

由于TCMalloc依赖gcc 9.2+,clang 9.0+: -std=c++17，因此推荐使用其它方式安装。

②gperftools源码安装

gperftools源码下载：

git clone https://github.com/gperftools/gperftools.git

生成构建工具：

autogen.sh

配置编译选项：

configure --disable-debugalloc --enable-minimal

编译：make -j4

安装：make install

TCMalloc库安装在/usr/local/lib目录下。

③在线安装

epel源安装：

yum install -y epel-release

gperftools安装：

yum install -y gperftools.x86_64

5.2Linux64位系统支持

在Linux64位系统环境下，gperftools使用glibc内置的stack-unwinder可能会引发死锁，因此官方推荐在配置和安装gperftools前，先安装libunwind-0.99-beta。

在Linux64位系统上使用libunwind只能使用TCMalloc，但heap-checker、heap-profiler和cpu-profiler不能正常使用。

如果不希望安装libunwind，也可以用gperftools内置的stack unwinder，但需要应用程序、TCMalloc库、系统库（比如libc）在编译时开启帧指针（frame pointer）选项。

在x86-64下，编译时开启帧指针选项并不是默认行为。因此需要指定-fno-omit-frame-pointer编译所有应用程序，然后在configure时通过--enable-frame-pointers选项使用内置的gperftools stack unwinder。

5.3基本使用示例

在 C++ 代码中引入 TCMalloc 非常简单。只需在编译时链接 TCMalloc 库即可。例如，使用 GCC 编译器时，编译命令为g++ -o my_program my_program.cpp -ltcmalloc。下面是一个简单的代码示例：

#include <iostream>
#include <stdlib.h>int main() {void* ptr = malloc(1024);if (ptr) {// 使用分配的内存free(ptr);}return 0;
}

在上述代码中，虽然使用的是标准的malloc和free函数，但由于链接了 TCMalloc 库，实际的内存分配和释放操作将由 TCMalloc 完成，从而提升程序的性能 。

4.4配置与调优

TCMalloc 提供了丰富的配置选项，可通过环境变量进行设置。例如，TCMALLOC_RELEASE_RATE环境变量用于控制 TCMalloc 将未使用的内存归还给操作系统的频率。默认值为 1.0，表示 TCMalloc 会积极地将未使用的内存归还给操作系统。若将其设置为 0，则 TCMalloc 不会主动归还内存，适用于内存使用量波动较大的程序 。

还可以通过TCMALLOC_MAX_TOTAL_THREAD_CACHE_BYTES环境变量来限制所有线程缓存的总大小。合理调整这些环境变量的值，能够根据程序的具体需求对 TCMalloc 进行优化，进一步提升程序的性能 。