内存泄漏基础：从一次线上事故说起

我记得那是几年前的一个深夜。凌晨两点，监控告警突然炸了——某核心服务的内存占用从正常的4G一路飙到了12G，眼看就要OOM。我登录上去一看，进程的RSS还在以每分钟200M的速度上涨。当时我后背就凉了。

嗯，这就是典型的内存泄漏。说白了，就是程序申请了内存，用完之后没还回去。一次两次没事，但日积月累，系统迟早被拖垮。

什么是内存泄漏？

内存泄漏，专业点说：堆内存被分配后，程序失去了对它的所有引用，导致这块内存既无法被使用，也无法被释放。

我习惯用一个比喻来理解：你去图书馆借了一本书，看完后随手扔在某个角落，既不放回书架，也不办理归还。图书馆的系统里，这本书的状态永远是「已借出」。时间一长，图书馆的书全被你「借」走了，新读者来了无书可借——这就是内存泄漏。

在C/C++里，你手动malloc/new了一块内存，但忘记free/delete了。在Python里，你创建了一个全局列表不断往里塞对象，但从不清理。这两种情况，都是内存泄漏。

内存泄漏的危害

你可能觉得，泄漏一点内存没什么大不了的。我在项目中见过太多这种想法了，结果呢？

• 性能下降：内存越占越多，操作系统开始频繁swap，程序响应越来越慢。你想想看，一个本该毫秒级响应的接口，突然变成几秒钟——用户不骂娘才怪。
• 系统崩溃：内存耗尽后，malloc返回NULL，new抛出std::bad_alloc。程序直接挂掉。更可怕的是，OOM killer会随机杀掉进程，可能杀的不是你的服务，而是隔壁的守护进程——连锁反应，整个集群都可能瘫痪。
• 资源浪费：泄漏的内存无法被其他进程复用。你明明有64G内存，实际能用的可能只有40G。云服务器按量计费，这钱花得冤不冤？
• 安全隐患：泄漏的内存中可能包含敏感数据（密码、密钥、用户信息）。如果这块内存被重新分配给其他进程，数据就泄露了。我曾经排查过一个案例，泄漏的内存里竟然有用户的session token——细思极恐。

危害类型	表现	严重程度
性能下降	响应变慢、CPU升高	中
系统崩溃	OOM、进程被杀	高
资源浪费	内存利用率低	低
安全隐患	敏感数据泄露	极高

常见的内存泄漏类型

搞清楚了危害，咱们来看看实际工作中最常见的几种泄漏类型。我按自己的经验分了四类：

1. 堆内存泄漏（Heap Leak）

这是最经典的一种。C/C++里malloc/free、new/delete没配对。Python里对象引用计数没归零，GC回收不了。

// C++ 示例：典型的堆内存泄漏
void leak_function() {
    int* p = new int[100];  // 分配了400字节
    // ... 做了一些操作
    // 忘记 delete[] p;
    return;  // p 丢失了引用，内存泄漏
}

我刚开始写C++时也犯过这种错。后来养成了一个习惯：每次写new，立刻补上delete。就像开门后马上把钥匙挂回挂钩上一样。

2. 资源泄漏（Resource Leak）

不只是内存会泄漏。文件句柄、socket连接、数据库连接、锁——这些系统资源用完后不释放，同样会出问题。

// Python 示例：文件句柄泄漏
def read_config():
    f = open('config.json', 'r')  # 打开了文件
    data = f.read()
    # 忘记 f.close()
    return data  # 文件句柄泄漏了

Python里我推荐用with语句，自动帮你释放资源。C++里RAII（资源获取即初始化）是解决这类问题的利器——说白了，就是让对象的析构函数自动释放资源。

3. 逻辑泄漏（Logical Leak）

这种最隐蔽。程序没有忘记释放内存，但逻辑上让某些对象永远无法被回收。

// Python 示例：全局缓存导致逻辑泄漏
cache = []

def process_request(data):
    result = expensive_computation(data)
    cache.append(result)  // 缓存越来越大，从不清理
    return result

你想想看，这个cache列表会无限增长。虽然每个对象都有引用（被列表持有），但程序逻辑上永远不会删除它们。这就是逻辑泄漏——内存没丢，但永远用不上。

我见过一个真实案例：某日志系统把每次请求的完整报文都缓存到内存里，说是为了「后续分析」。结果跑了三天，内存爆了。分析个屁，服务都挂了。

4. 隐式泄漏（Implicit Leak）

这类泄漏跟语言特性有关。比如C++的虚析构函数问题：

// C++ 示例：基类析构函数不是虚函数
class Base {
public:
    ~Base() {}  // 非虚析构
};

class Derived : public Base {
    int* data;
public:
    Derived() { data = new int[1000]; }
    ~Derived() { delete[] data; }  // 永远不会被调用
};

Base* p = new Derived();
delete p;  // 只调用了Base的析构，Derived的析构没调用！
// data 泄漏了

Python里也有类似问题：循环引用导致GC无法回收。两个对象互相引用，引用计数永远不为0。

知识体系总览

说了这么多，咱们用一张图来总结一下内存泄漏的核心知识体系：

这张图把内存泄漏分成了四大类。我个人觉得，实际工作中80%的泄漏都能归到这四类里。你排查的时候，先想想属于哪一类，方向就对了。

好了，这一章咱们把内存泄漏的基础概念、危害和常见类型都捋了一遍。下一章我会带你深入实战——用具体的工具和方法，一步步定位泄漏点。到时候咱们再细聊。