在某次持续压测过程中，我们发现 GreptimeDB 的 Frontend 节点内存即使在请求量平稳的阶段也在持续上涨，直至被 OOM kill。我们判断 Frontend 应该是有内存泄漏了，于是开启了排查内存泄漏之旅。

Heap Profiling

大型项目几乎不可能只通过看代码就能找到内存泄漏的地方。所以我们首先要对程序的内存用量做统计分析。幸运的是，GreptimeDB 使用的 ，我们也 支持了导出 jemalloc 的 profile dump 文件。于是我们在 GreptimeDB 的 Frontend 节点内存达到 300MB 和 800MB 时，分别 dump 出了其内存 profile 文件，再用 jemalloc 自带的 `jeprof` 分析两者内存差异（`--base 参数），最后用火焰图显示出来：

显然图片中间那一大长块就是不断增长的 500MB 内存占用了。仔细观察，居然有 thread 相关的 stack trace。难道是创建了太多线程？简单用 `ps -T -p` 命令看了几次 Frontend 节点的进程，线程数稳定在 84 个，而且都是预知的会创建的线程。所以“线程太多”这个原因可以排除。

再继续往下看，我们发现了很多 Tokio runtime 相关的 stack trace，而 Tokio 的 task 泄漏也是常见的一种内存泄漏。这个时候我们就要祭出另一个神器： 。

Tokio Console

Tokio Console 是 Tokio 官方的诊断工具，输出结果如下：

我们看到居然有 5559 个正在运行的 task，且绝大多数都是 Idle 状态！于是我们可以确定，内存泄漏发生在 Tokio 的 task 上。 现在问题就变成了：GreptimeDB 的代码里，哪里 spawn 了那么多的无法结束的 Tokio task？

从上图的 "Location" 列我们可以看到 task 被 spawn 的 地方：

接下来的任务是找到 GreptimeDB 里所有调用这个方法的代码。

`..Default::default()`！

经过一番看代码的仔细排查，我们终于定位到了 Tokio task 泄漏的地方，并在 中修复了这个泄漏。简单地说，就是我们在某个会被经常创建的 struct 的构造方法中，spawn 了一个可以在后台持续运行的 Tokio task，却未能及时回收它。对于资源管理来说，在构造方法中创建 task 本身并不是问题，只要在 `Drop` 中能够顺利终止这个 task 即可。而我们的内存泄漏就坏在忽视了这个约定。

这个构造方法同时在该 struct 的 `Default::default()` 方法当中被调用了，更增加了我们找到根因的难度。

Rust 有一个很方便的，可以用另一个 struct 来构造自己 struct 的方法，即 " "。如果 struct 实现了 `Default`，我们可以简单的在 struct 的 field 构造中使用 `..Default::default()`。如果 `Default::default()` 内部有 “side effect”（比如我们本次内存泄漏的原因——创建了一个后台运行的 Tokio task），一定要特别注意：struct 构造完成后，`Default` 创建出来的临时 struct 就被丢弃了，一定要做好资源回收。

例如下面这个小例子：（ ）

struct A 的 `default` 方法是会被调用的，打印出 `called A::default()`。

总结

• 排查 Rust 程序的内存泄漏，我们可以用 jemalloc 的 heap profiling 导出 dump 文件；再生成火焰图可直观展现内存使用情况；

• Tokio-console 可以方便地显示出 Tokio runtime 的 task 运行情况；要特别注意不断增长的 idle tasks；

• 尽量不要在常用 struct 的构造方法中留下有副作用的代码；

• `Default` 只应该用于值类型 struct。

关于 Greptime