缓冲区
为了避免传递具有不同和不明显的生命周期规则的原始数据指针，Arrow提供了一个称为arrow::Buffer的通用抽象。缓冲区封装了指针和数据大小，并通常将其生命周期与底层提供者的生命周期绑定（换句话说，缓冲区应始终指向有效的内存，直到被销毁）。缓冲区是无类型的：它们只表示物理内存区域，而不考虑其预期的含义或解释。
缓冲区可以由Arrow本身分配，也可以由第三方例程分配。例如，可以将Python字节字符串的数据作为Arrow缓冲区传递，以保持Python对象的存活。
此外，缓冲区有各种不同的类型：可变或不可变，可调整大小或不可调整大小。通常，在构建数据片段时，您将持有可变缓冲区，然后将其冻结为不可变容器，例如数组。
注意
某些缓冲区可能指向非CPU内存，例如由CUDA上下文提供的GPU支持内存。如果您正在编写一个GPU感知应用程序，需要小心不要将GPU内存指针解释为可由CPU访问的指针，反之亦然。
访问缓冲区内存
通过size()和data()访问器（或mutable_data()以可写方式访问可变缓冲区）可以快速访问底层内存。
切片
可以创建零拷贝的缓冲区切片，以获取指向底层数据的某个连续子集的缓冲区。可以通过调用arrow::SliceBuffer()和arrow::SliceMutableBuffer()函数来实现这一点。
分配缓冲区
可以通过调用arrow::AllocateBuffer()或arrow::AllocateResizableBuffer()的重载之一来自己分配缓冲区：
arrow::Result<std::unique_ptr<Buffer>> maybe_buffer = arrow::AllocateBuffer(4096);
if (!maybe_buffer.ok()) {
// ... 处理分配错误
}
std::shared_ptr<arrow::Buffer> buffer = *std::move(maybe_buffer);
uint8_t* buffer_data = buffer->mutable_data();
memcpy(buffer_data, "hello world", 11);以这种方式分配缓冲区可以确保它是64字节对齐的，并按照Arrow内存规范建议进行了填充。
构建缓冲区
还可以使用arrow::BufferBuilder API来逐步分配和构建缓冲区：
BufferBuilder builder;
builder.Resize(11); // 为11字节预留足够的空间
builder.Append("hello ", 6);
builder.Append("world", 5);
auto maybe_buffer = builder.Finish();
if (!maybe_buffer.ok()) {
// ... 处理缓冲区分配错误
}
std::shared_ptr<arrow::Buffer> buffer = *maybe_buffer;如果缓冲区用于包含给定的固定宽度类型的值（例如List数组的32位偏移量），则使用模板arrow::TypedBufferBuilder API可能更方便：
TypedBufferBuilder<int32_t> builder;
builder.Reserve(2); // 为两个int32_t值预留足够的空间
builder.Append(0x12345678);
builder.Append(-0x765643210);
auto maybe_buffer = builder.Finish();
if (!maybe_buffer.ok()) {
// ... 处理缓冲区分配错误
}
std::shared_ptr<arrow::Buffer> buffer = *maybe_buffer;内存池
在使用Arrow C++ API分配缓冲区时，缓冲区的底层内存由arrow::MemoryPool实例分配。通常情况下，这将是进程范围内的默认内存池，但许多Arrow API允许您为其内部分配传递另一个MemoryPool实例。
内存池用于大型长寿命数据，例如数组缓冲区。其他数据，如小型C++对象和临时工作区，通常使用常规的C++分配器。
默认内存池
默认内存池取决于Arrow C++编译方式：
如果在编译时启用，使用jemalloc堆； 否则，如果在编译时启用，使用mimalloc堆； 否则，使用C库malloc堆。
覆盖默认内存池
可以通过设置ARROW_DEFAULT_MEMORY_POOL环境变量来覆盖上述选择算法。
STL集成
如果您希望使用Arrow内存池来分配STL容器的数据，可以使用arrow::stl::allocator包装器来实现。
另外，您还可以使用STL分配器来分配Arrow内存，使用arrow::stl::STLMemoryPool类。但是，这可能性能较差，因为STL分配器不提供调整大小的操作。
设备
许多Arrow应用程序仅访问主机（CPU）内存。但是，在某些情况下，也希望处理设备内存（例如GPU上的内存）以及主机内存。
Arrow使用arrow::Device抽象表示CPU和其他设备。相关的类arrow::MemoryManager指定如何在给定设备上分配内存。每个设备都有一个默认的内存管理器，但也可以构建其他实例（例如，包装自定义的arrow::MemoryPool在CPU上）。arrow::MemoryManager实例指定如何在给定设备上分配内存（例如，在CPU上使用特定的arrow::MemoryPool）。
设备无关编程
如果从第三方代码中接收到缓冲区，可以通过调用其is_cpu()方法来查询是否可以由CPU读取。
此外，您还可以以通用方式在给定设备上查看缓冲区，通过调用arrow::Buffer::View()或arrow::Buffer::ViewOrCopy()。如果源设备和目标设备相同，这将是一个无操作。否则，将尝试构建目标设备的内存地址，以便访问缓冲区内容。实际的设备到设备的传输可能会在读取缓冲区内容时延迟进行。
类似地，如果要在不假定有CPU可读取缓冲区的情况下进行I/O操作，可以调用arrow::Buffer::GetReader()和arrow::Buffer::GetWriter()。
例如，要获取任意缓冲区的CPU视图或副本，可以简单地执行：
std::shared_ptr<arrow::Buffer> arbitrary_buffer = ... ; std::shared_ptr<arrow::Buffer> cpu_buffer = arrow::Buffer::ViewOrCopy( arbitrary_buffer, arrow::default_cpu_memory_manager());
内存分析
在Linux上，可以使用perf record生成内存分配的详细配置文件，而不需要修改二进制文件。这些配置文件还可以显示回溯，以及分配大小。这需要调试符号，可以来自调试构建或具有调试符号的发布构建。
注意
如果在另一个平台上对Arrow的测试进行性能分析，可以使用Archery运行以下Docker容器以访问Linux环境：
archery docker run ubuntu-cpp bash # Inside the Docker container... /arrow/ci/scripts/cpp_build.sh /arrow /build cd build/cpp/debug ./arrow-array-test # Run a test apt-get update apt-get install -y linux-tools-generic alias perf=/usr/lib/linux-tools/<version-path>/perf
要跟踪分配，可以在所使用的每个分配器方法上创建探针点。收集$params允许我们记录所请求的分配大小，而收集$retval允许我们记录已分配的地址，以便可以将其与free/de-allocate调用相关联。
jemalloc
perf probe -x libarrow.so je_arrow_mallocx '$params' perf probe -x libarrow.so je_arrow_mallocx%return '$retval' perf probe -x libarrow.so je_arrow_rallocx '$params' perf probe -x libarrow.so je_arrow_rallocx%return '$retval' perf probe -x libarrow.so je_arrow_dallocx '$params' PROBE_ARGS="-e probe_libarrow:je_arrow_mallocx \ -e probe_libarrow:je_arrow_mallocx__return \ -e probe_libarrow:je_arrow_rallocx \ -e probe_libarrow:je_arrow_rallocx__return \ -e probe_libarrow:je_arrow_dallocx"
一旦设置了探针，就可以使用perf record记录带有关联回溯的调用。在此示例中，我们正在运行Arrow中的StructArray单元测试：
perf record -g --call-graph dwarf \ $PROBE_ARGS \ ./arrow-array-test --gtest_filter=StructArray*
如果要对运行中的进程进行性能分析，可以运行perf record -p <PID>，它将一直记录，直到使用CTRL+C中断。或者，您可以运行perf record -P <PID> sleep 10，以记录10秒钟。 生成的数据可以使用标准工具进行处理，以处理perf，或者可以使用perf script将数据的文本格式传输到自定义脚本中。以下脚本解析perf脚本输出并以新行分隔的JSON格式打印输出，以便更容易处理。
process_perf_events.py
import sys
import re
import json
# Example non-traceback line
# arrow-array-tes 14344 [003] 7501.073802: probe_libarrow:je_arrow_mallocx: (7fbcd20bb640) size=0x80 flags=6
current = {}
current_traceback = ''
def new_row():
global current_traceback
current['traceback'] = current_traceback
print(json.dumps(current))
current_traceback = ''
for line in sys.stdin:
if line == '\n':
continue
elif line[0] == '\t':
# traceback line
current_traceback += line.strip("\t")
else:
line = line.rstrip('\n')
if not len(current) == 0:
new_row()
parts = re.sub(' +', ' ', line).split(' ')
parts.reverse()
parts.pop() # file
parts.pop() # "14344"
parts.pop() # "[003]"
current['time'] = float(parts.pop().rstrip(":"))
current['event'] = parts.pop().rstrip(":")
parts.pop() # (7fbcd20bddf0)
if parts[-1] == "<-":
parts.pop()
parts.pop()
params = {}
for pair in parts:
key, value = pair.split("=")
params[key] = value
current['params'] = params以下是该脚本的示例调用以及输出数据的预览：
perf script | python3 /arrow/process_perf_events.py > processed_events.jsonl head processed_events.jsonl | cut -c -120
输出的JSON数据可以进一步处理，以回答许多问题。例如，以下脚本将查找未释放的分配，以及与悬空分配的回溯及悬空分配的计数：
count_tracebacks.py
'''Find tracebacks of allocations with no corresponding free'''
import sys
import json
from collections import defaultdict
allocated = dict()
for line in sys.stdin:
line = line.rstrip('\n')
data = json.loads(line)
if data['event'] == "probe_libarrow:je_arrow_mallocx__return":
address = data['params']['arg1']
allocated[address] = data['traceback']
elif data['event'] == "probe_libarrow:je_arrow_rallocx":
address = data['params']['ptr']
del allocated[address]
elif data['event'] == "probe_libarrow:je_arrow_rallocx__return":
address = data['params']['arg1']
allocated[address] = data['traceback']
elif data['event'] == "probe_libarrow:je_arrow_dallocx":
address = data['params']['ptr']
if address in allocated:
del allocated[address]
elif data['event'] == "probe_libarrow:mi_malloc_aligned__return":
address = data['params']['arg1']
allocated[address] = data['traceback']
elif data['event'] == "probe_libarrow:mi_realloc_aligned":
address = data['params']['p']
del allocated[address]
elif data['event'] == "probe_libarrow:mi_realloc_aligned__return":
address = data['params']['arg1']
allocated[address] = data['traceback']
elif data['event'] == "probe_libarrow:mi_free":
address = data['params']['p']
if address in allocated:
del allocated[address]
traceback_counts = defaultdict(int)
for traceback in allocated.values():
traceback_counts[traceback] += 1
for traceback, count in sorted(traceback_counts.items(), key=lambda x: -x[1]):
print("Num of dangling allocations:", count)
print(traceback)可以像这样调用脚本：
cat processed_events.jsonl | python3 /arrow/count_tracebacks.py
京公网安备 11010702002337 号