.NET Core 跨平台 #2, 記憶體管理大考驗 - setup environment

記憶體管理,是跟底層平台高度相關的議題。對於 developer 來說,能掌控的部分很有限,developer 能做的動作,不外乎是 allocate / free memory, 頂多對於 GC (garbage collection) 的機制更明確的掌握而已。超出這個範圍以外的部分,就真的只剩下好好處理 exception 的份了…

這次 .NET Core 開源 + 支援 Linux / MacOS, 正好開創了一個新的平台支援,實際測測看,是掌握差異最快的方式。我挖出了當年的老文章探討的記憶體管理問題,在新的平台上驗證。不同平台的差異,遠比我想像的精彩,就順手把它寫成文章整理起來,給需要的人參考。


.NET Core 跨平台 系列文章:

  1. 我真的需要在 Linux 上跑 .NET 嗎?
  2. 記憶體管理大考驗 – setup environment
  3. 記憶體管理大考驗 – Windows Container (2016 TP)
  4. 記憶體管理大考驗 – Docker @ Ubuntu / Boot2Docker
  5. 多工運算效能大考驗 – 計算圓周率測試

測試的方法

驗證的方式很簡單,就是測試 .NET 的記憶體管理能力。測試方式會分三個步驟:

  1. 連續配置 64mb 區塊的記憶體,直到 OOM (Out Of Memory) 為止,記錄能配置的區塊數量。
  2. 按順序,保留奇數的區塊,把偶數的區塊 free 掉。理論上這樣會讓記憶體空間碎片化,剩餘的空間不會有超過連續 64mb 以上的可用空間。
  3. 接著試著配置 72mb 區塊的記憶體,直到 OOM 為止,記錄能配置的區塊數量。

過去對這個議題詳細的探討,可以參考這三篇 (#1, #2, #3)。

為了完全控制測試環境,我用我自己的 PC 開了幾個相同規格的 VM,分別用不同的平台 (windows, windows container, linux container) 來驗證,一次只開一個 VM,確保不會互相干擾。雲端版本的測試,我也會在 Windows Auzre 上進行一次,Azure 的部分會等下一篇計算圓周率的測試也做完之後,一起搬上 Azure 再來綜合比較。有忍不住想偷跑的網友,這邊(www.apertus.com.tw, coding in cloud) 有很多相關的文章,可以到上面看看~

為什麼要做這樣的測試? 主要是先製造 memory fragment 的情況,然後看看 garbage collection 的機制能否應付這種狀況? 同時也看看底層的 .net core runtime 在記憶體不足的狀況下,能否有效的保護好上面的應用程式? 處理的效能及效果是否理想等等議題。測試的過程中,老實說發現了好幾個我意料之外的狀況,因此答案也不是 YES 或 NO 那麼簡單… 想知道測試的過程及結果,請繼續看下去~

這次的測試,由於扯到很多環境設定的步驟,我想親自體驗.. 因此沒有在第一時間就採用 Azure .. 而是自己從無到有建立起來,後面的整體評比再改到 Azure 上面進行。我自己的 PC 規格及環境如下:

  • CPU: Intel Core i7-2600K ( @ 3.40GHz )
  • RAM: 24GB (DDR3-1600, 4 + 4 + 8 + 8)
  • HDD: Intel SSD 730 (240GB) + Seagate Enterprise Capacity 5TB (ST5000NM0024), 7200 rpm 企業級硬碟
  • OS: Microsoft Windows 10 Enterprise

為了這次測試,我直接用了 windows 10 內建的 Hyper-V 當作虛擬化的環境,情況允許的話我會建立 Docker Host 的作業環境,在 Container 內執行 .NET Core 的程式。VM 的規格統一如下:

  • CPU: 1 Processor
  • RAM: 1024 MB (dynamic memory was disabled)
  • SWAP: 4096 MB
  • HDD: 32GB (VHDX, attached on IDE controller 0, HDD #1)
  • VGA: 1366 x 768

執行的環境,我準備了這四套 (如下),比較特別的是 windows server 2016 也支援了 windows container, 當然要拿出來用用看 XD,不過現在還在 tech preview, 結果僅供參考,等到正式 release 後再來補測試結果:

  1. Boot2Docker, 使用 Docker Toolbox 提供的 boot2docker.iso, 版本 1.9.1
  2. Ubuntu 15.10, 預設安裝 + SSH, 安裝 docker 1.9.1
  3. Windows 2012R2 Server Core, (直接在上面跑 .NET Core)
  4. Windows 2016 Tech Preview 4 (Nano), 在上面建立 windowsservercore container, 在裡面安裝 .NET Core 的 CoreCLR runtime

OK,準備動作大功告成,開始測試~

#0. 準備測試程式

我特地挑選了一個最沒有問題的平台當作對照組。這組其實沒什麼好講的,這是最典型的 .NET application 執行環境啊,從最早的 .NET 1.0 開始算,已經有十幾年了.. 就趁這個段落來看一下測試用的 CODE:

using System;
using System.Collections.Generic;

namespace dotnetcore.MemFrag
{
    class Program
    {
        static Random rnd = new Random();

        static byte[] AllocateBuffer(int size)
        {
            byte[] buffer = new byte[size];
            //InitBuffer(buffer);
            return buffer;
        }

        static void InitBuffer(byte[] buffer)
        {
            rnd.NextBytes(buffer);
        }

        static void Main(string[] args)
        {
            DateTime start;

            List<byte[]> buffer1 = new List<byte[]>();
            List<byte[]> buffer2 = new List<byte[]>();
            List<byte[]> buffer3 = new List<byte[]>();

            //            
            //    allocate             
            //            
            Console.WriteLine();
            Console.WriteLine();
            Console.WriteLine("1. Allocate 64mb block(s) as more as possible...");
            start = DateTime.Now;
            try
            {
                while (true)
                {
                    buffer1.Add(AllocateBuffer(64 * 1024 * 1024));
                    Console.Write("#");
                    buffer2.Add(AllocateBuffer(64 * 1024 * 1024));
                    Console.Write("#");
                }
            }
            catch (OutOfMemoryException)
            {
            }
            Console.WriteLine();
            Console.WriteLine("   Complete.");
            Console.WriteLine("   - total {0} x 64mb blocks = {1} MB were allocated.", (buffer1.Count + buffer2.Count), (buffer1.Count + buffer2.Count) * 64);
            Console.WriteLine("   - total execute time: {0} sec", (DateTime.Now - start).TotalSeconds);

            //        
            //    free  
            //        
            Console.WriteLine();
            Console.WriteLine();
            Console.WriteLine("2. Free Blocks...");
            start = DateTime.Now;
            {
                //        
                //  de-reference and GC  
                //            
                buffer2.Clear();
                GC.Collect(GC.MaxGeneration);
            }
            Console.WriteLine("   Complete.");
            Console.WriteLine("   - total {0} x 64mb blocks = {1} MB were allocated.", buffer1.Count, buffer1.Count * 64);
            Console.WriteLine("   - total execute time: {0} sec", (DateTime.Now - start).TotalSeconds);


            //           
            //    allocate  
            //          
            Console.WriteLine();
            Console.WriteLine();
            Console.WriteLine("3. Allocate 72mb block(s) as more as possible...");
            start = DateTime.Now;
            try
            {
                while (true)
                {
                    buffer3.Add(AllocateBuffer(72 * 1024 * 1024));
                    Console.Write("#");
                }
            }
            catch (OutOfMemoryException)
            {
            }
            Console.WriteLine();
            Console.WriteLine("   Complete.");
            Console.WriteLine("   - total: 64mb x {0} + 72mb x {1} = {2} MB were allocated.", buffer1.Count, buffer3.Count, buffer1.Count * 64 + buffer3.Count * 72);
            Console.WriteLine("   - total execute time: {0} sec", (DateTime.Now - start).TotalSeconds);


            Console.WriteLine("[Enter] to exit...");
            Console.ReadLine();
        }
    }
}

程式很簡單,主要就分三大部分,以 64mb 為單位連續配置,然後跳著釋放空間 + 呼叫 GC,最後試著連續配置 72mb 空間。每個步驟結束後統計 64 / 72 mb 的配置數量,以及計算花費的時間。

唯一特別要注意的是 static void InitBuffer(byte[] buf) 這個 method, 這個動作在之前的文章沒有出現,是這次特地加上去的。它的功能很單純,就是 buffer 配置好了之後,用亂數填滿這整個 buffer 的空間。為何要做這動作? 後面測試時再說明…

(未完待續)






安德魯部落格 GPTs

試試用 GPTs 幫你讀文章!
直接用白話文詢問,"安德魯的部落格 GPTs" 會幫你找到相關文章,也會用我文章的知識來回答你的問題。

Facebook Pages

Edit Post (Pull Request)

Post Directory