开启生长之旅！这是我参与「日新计划 12 月更文挑战」的第11天，点击检查活动概况

作者简介

架构师李肯（全网同名），一个专心于嵌入式IoT范畴的架构师。有着近10年的嵌入式一线开发经历，深耕IoT范畴多年，熟知IoT范畴的业务发展，深度掌握IoT范畴的相关技能栈，包含但不限于干流RTOS内核的完成及其移植、硬件驱动移植开发、网络通讯协议开发、编译构建原理及其完成、底层汇编及编译原理、编译优化及代码重构、干流IoT云渠道的对接、嵌入式IoT体系的架构规划等等。拥有多项IoT范畴的发明专利，热衷于技能共享，有多年撰写技能博客的经历堆集，接连多月获得RT-Thread官方技能社区原创技能博文优秀奖，荣获CSDN博客专家、CSDN物联网范畴优质创作者、2021年度CSDN&RT-Thread技能社区之星、2022年RT-Thread全球技能大会讲师、RT-Thread官方嵌入式开源社区认证专家、RT-Thread 2021年度论坛之星TOP4、华为云云享专家（嵌入式物联网架构规划师）等荣誉。深信【常识改动命运，技能改动世界】！

1 写在前面

最近我在排查一个网络通讯的压测问题，终究发现跟 “内存走漏” 扯上了联络，但这跟惯例了解的内存走漏有那么一点点不同，本文将带你了解问题的始与末。

面临这样的内存走漏问题，本文也提供了一些惯例的剖析办法和处理思路，仅供咱们参阅，欢迎咱们纠正问题。

2 问题描绘

咱们直接看下测验提供的issue描绘：

简略来说，便是设备再执行【断网掉线-》重新联网在线】若干次之后，发现无法再次成功联网，且一向无法成功，直到设备重启后，康复正常。

3 场景复现

3.1 建立压测环境

因为测验部有专门的测验环境，可是我又不想整他们那一套，费事着，还得整一个测验手机。

他们的测验办法是运用手机热门做AP，然后设备衔接这个AP，之后在手机跑脚本动态开关Wi-Fi热门，达到让设备掉网再康复网络的测验目的。

有了这个思路后，我想着我手上正好有一个 360Wi-Fi（此处无广告费），不就恰好能够完成无线热门吗？只需能完成在PC上动态切换这个360Wi-Fi热门开关，不就能够完成一样的测验目的吗？

具有以上物理条件之后，我开端找寻找这样的脚本。

要说在Linux下，写个这样的脚本，真不是啥难事，不过，要是在Windows下写个BAT脚本，还真找找才知道。

费了一会劲，在网上找到了一个还算不错的BAT脚本，经过我修正后，长以下这样，主要的功用便是定时开关网络适配器。

@echo off

:: Config your interval time (seconds)
set disable_interval_time=5
set enable_interval_time=15

:: Config your loop times: enable->disable->enable->disable...
set loop_time=10000

:: Config your network adapter list
SET adapter_num=1
SET adapter[0].name=WLAN
::SET adapter[0].name=屑薪鈺犘も晲协
::SET adapter[1].name=屑薪鈺犘も晲协 2

:::::::::::::::::::::::::::::::::::::::::::::::::::::::

echo Loop to switch network adapter state with interval time %interval_time% seconds

set loop_index=0

:LoopStart

if %loop_index% EQU %loop_time% goto :LoopStop

:: Set enable or disable operation
set /A cnt=%loop_index% + 1
set /A result=cnt%%2
if %result% equ 0 (
set operation=enabled
set interval_time=%enable_interval_time%
) else (
set operation=disable
set interval_time=%disable_interval_time%
)
echo [%date:~0,10% %time:~0,2%:%time:~3,2%:%time:~6,2%] loop time ... %cnt% ... %operation%

set adapter_index=0
:AdapterStart
if %adapter_index% EQU %adapter_num% goto :AdapterStop
set adapter_cur.name=0

for /F "usebackq delims==. tokens=1-3" %%I in (`set adapter[%adapter_index%]`) do (
    set adapter_cur.%%J=%%K
)

:: swtich adapter state
call:adapter_switch "%adapter_cur.name%" %operation%

set /A adapter_index=%adapter_index% + 1

goto AdapterStart

:AdapterStop

set /A loop_index=%loop_index% + 1

echo [%date:~0,10% %time:~0,2%:%time:~3,2%:%time:~6,2%] sleep some time (%interval_time% seconds) ...
ping -n %interval_time% 127.0.0.1 > nul

goto LoopStart

:LoopStop

echo End of loop ...

pause
goto:eof

:: function definition
:adapter_switch
set cmd=netsh interface set interface %1 %2
echo %cmd%
%cmd%
goto:eof

注意：这个当地填的是发射AP热门的网络适配器，比方如下的。假如是中文的名称，还必须注意BAT脚本的编码问题，否则会呈现识别不到正确的网络适配器名称。

3.2 压测问题说明

一起，为了精准定位掉网康复的问题，我在网络掉线重连的当地增加了三个变量，别离记录总的重连次数、重连成功的次数、重连失利的次数。

另一方面，如issue描绘所说，这是一个固定次数强相关的问题，也或许跟运转时长联络紧密的一个问题，且重启之后全部康复正常，这一系列的特征，都把问题导向一个很常见的问题：内存走漏。

所以，在压测前，我在每次重连之后（不管成功与否）重新打印了体系的内存情况（总剩下内存，前史最低剩下内存），以便于判断问题节点的内存情况。

经过调整压测脚本中的disable_interval_time和enable_interval_time参数，在比较短的时间内就复现了问题，确实假如issue描绘那样，在30屡次之后，无法重连成功，且重启即可康复。

4 问题剖析

大部分的问题，只需有复现路劲，都还比较好查，只不过需求花点时间，专研下。

4.1 简略剖析

首先必定是咱们置疑最大或许的内存走漏信息，开始一看：

因为在断网重连的操作中，或许对应的时间点下Wi-Fi热门还处于封闭状态，所以必定是会重连失利的，当呈现Wi-Fi热门的时分是能够成功的，所以咱们会看到free闲暇的内存在一个范围内动摇，并没有看到它有安稳下降的趋势。

倒是和这个evmin（最低闲暇内存）值，在呈现问题之后，它呈现了一个固定值，并一向继续下去，从这一点上置疑，这个内存必定是有问题的，只不过我在第一次剖析这个情况的时分并没有下这个定论，现在回过头来看这是一个警惕信号。

我当时推测的点（想要验证的点）是，呈现问题的时分，是不是因为内存走漏导致体系闲暇内存不足了，然后无法完成新的衔接热门，衔接网络等耗内存操作。

所以，经过上面的内存表，我基本笃定了我的定论：没有明显的内存走漏痕迹，并不是因内存不足而重连不上。

问题剖析到这儿，必定不能停下来，可是原厂的SDK，比方连热门那块的逻辑，对咱们来说是个黑盒子，只能从原厂那里咨询看能不能取得什么有用的信息。

一圈问下来，拿到的有用信息基本是0，所以自己的问题还得靠自己！

4.2 寻找突破口

在上面的问题场景中，咱们已排除掉了内存不足的或许性，那么接下来咱们要点应剖析三个方面：

设备终究有没有成功连上Wi-Fi热门？能够正常分配子网的IP地址？
设备成功连上Wi-Fi热门后，对外的网络是否正常？
设备对外网络正常，为何不能成功回连服务器？

这三个问题是一个递进联络，一环扣一环！

咱们先看第一个问题，很明显，当复现问题的时分，咱们能够从PC的Wi-Fi热门那里看到所连过来的设备，且看到了分配的子网IP地址。

接下来看第二个问题，这个问题测验也很简略，因为咱们的命令行中集成了ping命令，输入ping命令一看，居然发现了一个重要信息：

# ping www.baidu.com
ping_Command
ping IP address:www.baidu.com
ping: create socket failed

正常的ping log长这样：

# ping www.baidu.com
ping_Command
ping IP address:www.baidu.com
60 bytes from 14.215.177.39 icmp_seq=0 ttl=53 time=40 ticks
60 bytes from 14.215.177.39 icmp_seq=1 ttl=53 time=118 ticks
60 bytes from 14.215.177.39 icmp_seq=2 ttl=53 time=68 ticks
60 bytes from 14.215.177.39 icmp_seq=3 ttl=53 time=56 ticks

WC！ping: create socket failed 这还创立socket失利了！！！？

我第一时间置疑是不是lwip组件出问题了？

第二个置疑：莫非socket句柄不够了？因此创立内存大部分的操作便是在申请socket内存资源，并没有进行其他什么高级操作。

这么一想，第二个或许性就非常大，结合前面的总总痕迹，是个需求要点排查的目标。

4.3 常识点补缺

在精确定位问题之前，咱们先帮相关的常识点补充完好，方便后续的常识铺开讲解。

4.3.1 lwip的socket句柄

socket具有的创立

socket函数调用的路劲如下：

socket -> lwip_socket -> alloc_socket

alloc_socket函数的完成：

/**
 * Allocate a new socket for a given netconn.
 *
 * @param newconn the netconn for which to allocate a socket
 * @param accepted 1 if socket has been created by accept(),
 *         0 if socket has been created by socket()
 * @return the index of the new socket; -1 on error
 */
static int
alloc_socket(struct netconn *newconn, int accepted)
{
 int i;
 SYS_ARCH_DECL_PROTECT(lev);

 /* allocate a new socket identifier */
 for (i = 0; i < NUM_SOCKETS; ++i) {
  /* Protect socket array */
  SYS_ARCH_PROTECT(lev);
  if (!sockets[i].conn && (sockets[i].select_waiting == 0)) {
   sockets[i].conn    = newconn;
   /* The socket is not yet known to anyone, so no need to protect
     after having marked it as used. */
   SYS_ARCH_UNPROTECT(lev);
   sockets[i].lastdata  = NULL;
   sockets[i].lastoffset = 0;
   sockets[i].rcvevent  = 0;
   /* TCP sendbuf is empty, but the socket is not yet writable until connected
    * (unless it has been created by accept()). */
   sockets[i].sendevent = (NETCONNTYPE_GROUP(newconn->type) == NETCONN_TCP ? (accepted != 0) : 1);
   sockets[i].errevent  = 0;
   sockets[i].err    = 0;
     SOC_INIT_SYNC(&sockets[i]);
   return i + LWIP_SOCKET_OFFSET;
   }
  SYS_ARCH_UNPROTECT(lev);
  }
 return -1;
}

咱们注意到，上述函数中的for循环有一个宏 NUM_SOCKETS，这个宏的详细数值是可适配的，不同的渠道可根据自己的实践运用情况和内存情况，选择一个合适的数值。

咱们看下这个NUM_SOCKETS宏界说的完成：

宏界说替换
#define NUM_SOCKETS MEMP_NUM_NETCONN

在lwipopts.h中找到了其终究的替换
/**
 * MEMP_NUM_NETCONN: the number of struct netconns.
 * (only needed if you use the sequential API, like api_lib.c)
 *
 * This number corresponds to the maximum number of active sockets at any
 * given point in time. This number must be sum of max. TCP sockets, max. TCP
 * sockets used for listening, and max. number of UDP sockets
 */
#define MEMP_NUM_NETCONN    (MAX_SOCKETS_TCP + \
    MAX_LISTENING_SOCKETS_TCP + MAX_SOCKETS_UDP)

看着这，有点绕，终究这个值是多少啊？

socket句柄的毁掉

具有的毁掉，咱们都知道运用close接口，它的函数调用路径如下：

close -> lwip_close -> free_socket

lwip_close函数的完成如下：

int
lwip_close(int s)
{
 struct lwip_sock *sock;
 int is_tcp = 0;
 err_t err;

 LWIP_DEBUGF(SOCKETS_DEBUG, ("lwip_close(%d)\n", s));

 sock = get_socket(s);
 if (!sock) {
  return -1;
  }
 SOCK_DEINIT_SYNC(1, sock);

 if (sock->conn != NULL) {
  is_tcp = NETCONNTYPE_GROUP(netconn_type(sock->conn)) == NETCONN_TCP;
  } else {
  LWIP_ASSERT("sock->lastdata == NULL", sock->lastdata == NULL);
  }

#if LWIP_IGMP
 /* drop all possibly joined IGMP memberships */
 lwip_socket_drop_registered_memberships(s);
#endif /* LWIP_IGMP */

 err = netconn_delete(sock->conn);
 if (err != ERR_OK) {
  sock_set_errno(sock, err_to_errno(err));
  return -1;
  }

 free_socket(sock, is_tcp);
 set_errno(0);
 return 0;
}

这儿调用到了free_socket：

/** Free a socket. The socket's netconn must have been
 * delete before!
 *
 * @param sock the socket to free
 * @param is_tcp != 0 for TCP sockets, used to free lastdata
 */
static void
free_socket(struct lwip_sock *sock, int is_tcp)
{
 void *lastdata;

 lastdata     = sock->lastdata;
 sock->lastdata  = NULL;
 sock->lastoffset = 0;
 sock->err    = 0;

 /* Protect socket array */
 SYS_ARCH_SET(sock->conn, NULL);
 /* don't use 'sock' after this line, as another task might have allocated it */

 if (lastdata != NULL) {
  if (is_tcp) {
   pbuf_free((struct pbuf *)lastdata);
   } else {
   netbuf_delete((struct netbuf *)lastdata);
   }
  }
}

这个SYS_ARCH_SET(sock->conn, NULL);就会开释对应的socket句柄，然后保证socket句柄可循环运用。

4.3.2 TCP网络编程中的close和shutdown

为何在这儿会评论这个常识点，那是因为这个常识点是处理整个问题的要害。

详细他们的差异与联络是怎么样的，我这儿不做过多阐述，感兴趣的能够自行去学习。

这儿就直接把定论摆出来：

close把描绘符的引证计数减1，仅在该计数变为0时封闭套接字。shutdown能够不管引证计数就激发TCP的正常衔接停止序列。
close停止读和写两个方向的数据发送。TCP是全双工的，有时分需求奉告对方现已完成了数据传送，即便对方仍有数据要发送给咱们。
shutdown与socket描绘符没有联络，即便调用shutdown(fd, SHUT_RDWR)也不会封闭fd，终究还需close(fd)。

4.4 深入剖析

了解了lwip组件中对socket句柄的创立和封闭，咱们再回到复现问题的自身。

从最细微的log咱们知道问题出在无法分配新的socket具有，咱们再看下那个分配socket的逻辑中，有一个判断条件：

if (!sockets[i].conn && (sockets[i].select_waiting == 0)) {
   //分配新的句柄编号
   sockets[i].conn    = newconn;
   。。。
}

经过增加log，咱们知道select_waiting的值是为0的，那么问题就出在conn不为NULL上面了。

在lwip_close中是有对.conn进行赋值NULL的，所以就猜测莫非 lwip_close没调用？进行导致句柄没彻底开释？

答复这个问题，又需求回到咱们的软件架构上了，在完成架构了，咱们不同的芯片渠道运用了不同版别的lwip组件，而上层跑的MQTT协议是共用的，也便是假如是上层逻辑中没有正确处理close逻辑，那么这个问题应该在所有的渠道都会呈现，但为何唯一只要这个渠道才出问题呢。

答案只要一个，问题或许出在lwip完成这一层。

因为lwip是原厂去适配，我第一时间找了原生的lwip-2.0.2版别做了下比照，主要想知道原厂适配的时分，做了哪些优化和调整。

成果一比照，公然发现了问题。

咱们就以出问题的sockets.c为例，咱们要点重视socket的申请和开释：

为了比较好描绘原厂所做的优化，我把其增加的代码做了少量修正，大致就加了几个宏界说，这几个宏界说看其注释应该是为了处理多任务下新建、封闭socket的同步问题。

#define SOC_INIT_SYNC(sock) do { something ... } while(0)
#define SOC_DEINIT_SYNC(sock) do { SOCK_CHECK_NOT_CLOSING(sock); something ... } while(0)
#define SOCK_CHECK_NOT_CLOSING(sock) do { \
		if ((sock)->closing) { \
			SOCK_DEBUG(1, "SOCK_CHECK_NOT_CLOSING:[%d]\n", (sock)->closing); \
			return -1; \
		} \
	} while (0)

只是跟了一下它的逻辑，上层调用lwip_close的时分会调用到SOC_DEINIT_SYNC，一起它会调用到SOCK_CHECK_NOT_CLOSING，然后完毕整一个socket开释的全流程。

可是偏偏咱们做的MQTT上层在调用TCP链路挂断的时分，是这么玩的：

/*
 * Gracefully close the connection
 */
void mbedtls_net_free( mbedtls_net_context *ctx )
{
    if( ctx->fd == -1 )
        return;
    shutdown( ctx->fd, 2 );
    close( ctx->fd );
    ctx->fd = -1;
}

高雅地封闭TCP链路，这时分你应该要想起4.3.2章节的常识点。

这样调用对那几个宏会有影响？

答案是必定的。

本来的，原厂适配时lwip_shutdown也相同调用了SOC_DEINIT_SYNC，这就导致了假如上层封闭链路既调用shutdown又调用close的话，它的逻辑就会出问题，会引发close的流程走不完好。

为了能够简化这个问题，我大概写了一下它的逻辑：

1）shutdown函数调过来的时分，开端发动封闭流程SOC_DEINIT_SYNC，进入到那几个宏里边，会有一步：(sock)->closing = 1；然后正常回来0；

2）等到close函数调过来的时分，再次进入封闭流程SOC_DEINIT_SYNC，成果一判断(sock)->closing现已是1了，然后报错回来-1；这样close的回来就不正常了；

3）再看lwip_close函数的逻辑：

所以就呈现了之前的问题，socket句柄的index一向在上升，应该旧的scoket句柄一向被占用，知道句柄数被耗尽。

最大句柄数NUM_SOCKETS终究是多少，能够参阅之前我的文章将怎么看预编译的代码，咱们能够清晰地看到他的值便是38。

所有的疑问均翻开，为了一定是30屡次之后才出问题，这儿给出了答案！

这儿我大胆地猜测了一下，应该原厂在适配这段同步操作逻辑的时分，压根就没考虑上层还能够先shutdown再close，所以引发了这个问题。

5 问题修正

上面的剖析中，现已开始定位了问题代码，接下来便是要进行问题修正了。

问题根源出在先调shutdown再调close，因为是一个上层代码，其他渠道也是共用的，且其他渠道运用并没有问题，所以必定不能把上层高雅封闭TCP链路的操作给去掉，只能底层的lwip组件自行优化处理。所谓是：谁惹的祸，谁来擦屁股！

处理问题的要害是，要保证调完shutdown之后，close那次操作需求走一个完好流程，这样才能把占用的socket句柄给开释掉。

所以在执行shutdown和close的时分，SOC_DEINIT_SYNC需求带个参数奉告是不是close操作，假如不是close那么就走一个简易流程，这样就能保证close流程是完好的。

当上层只调用close，也能保证close的流程是完好的。

可是，入股上层先调用close，再调shutdown，这样流程就不通了。

当然，上层也不能这么玩，详细参阅4.3.2的常识点。

6 问题验证

问题修正之后，需求进行相同的流程复测，以保证这个问题确实被修正了。

问题验证也很简略，修正sockets.c中的NUM_SOCKETS，改成一个很小的值，比方3或5，加速问题复现的速度，一起把alloc_socket中获取的句柄id打出来，调查它有没有上升，正常的测验中，在没有其他网络通讯链路的情况下，它应该安稳值为0。

很快就能够验证，不会再复现这个问题了。

接下来，需求将NUM_SOCKETS的值复原成原理的值，实在测验原本复现的场景，保证真的只要这个当地引发了这个问题，而其他代码并没有干扰到。

走运的是，复原之后的测验也经过了，这就证明了这个问题彻底修正了，且没有带来副作用，是一次成功的bug修正。

7 经历总结

内存走漏的花样很多，但一定要注意其本质特色；
socket句柄走漏，也是内存走漏的一种；
每一种优化都有它特定的场景，脱离了这个特定场景，你需求重新考虑这个优化的普适性；
增强对要害log信息的敏感度，有利于在茫茫问题中找到排查的方向灯；
精确了解TCP编程接口中的close函数和shutdown函数，能对处理掉网问题有所协助；
上线前的压力测验，必不可少。

8 参阅链接

lwip-v2.0.2源码
TCP编程接口：close函数和shutdown函数
高雅封闭TCP链路

9 更多共享

欢迎重视我的github库房01workstation，日常共享一些开发笔记和项目实战，欢迎纠正问题。

一起也非常欢迎重视我的CSDN主页和专栏：

【CSDN主页：架构师李肯】

【RT-Thread主页：架构师李肯】

【C/C++语言编程专栏】

【GCC专栏】

【信息安全专栏】

【RT-Thread开发笔记】

【freeRTOS开发笔记】

【BLE蓝牙开发笔记】

【ARM开发笔记】

【RISC-V开发笔记】

有问题的话，能够跟我评论，知无不答，谢谢咱们。

【网络编程开发系列】一种网络编程中的另类内存泄漏

1 写在前面

2 问题描绘

3 场景复现

3.1 建立压测环境

3.2 压测问题说明

4 问题剖析

4.1 简略剖析

4.2 寻找突破口

4.3 常识点补缺

4.3.1 lwip的socket句柄

4.3.2 TCP网络编程中的close和shutdown

4.4 深入剖析

5 问题修正

6 问题验证

7 经历总结

8 参阅链接

9 更多共享

作者信息

推广

【网络编程开发系列】一种网络编程中的另类内存泄漏

1 写在前面

2 问题描绘

3 场景复现

3.1 建立压测环境

3.2 压测问题说明

4 问题剖析

4.1 简略剖析

4.2 寻找突破口

4.3 常识点补缺

4.3.1 lwip的socket句柄

4.3.2 TCP网络编程中的close和shutdown

4.4 深入剖析

5 问题修正

6 问题验证

7 经历总结

8 参阅链接

9 更多共享

相关文章

使用 WorkManager 处理需要立刻执行的后台任务

使用GPT-3训练一个垃圾短信分类器

直播回顾|关联网络如何反团伙欺诈——标准答案版

“AI 程序员入职系列”第二弹：如何利用通义灵码光速改写项目编程语言？

作者信息

推广