面试题：C++中复杂场景下全局变量与局部变量的内存优化策略

内存优化策略

减少全局变量
- 全局变量的生命周期贯穿整个程序，会一直占用内存。应尽量将其替换为局部变量或类的成员变量，这样可以在其作用域结束时及时释放内存。例如，将原本在全局作用域定义的int globalCount;改为在函数内部定义void someFunction() { int localCount; }。
选择合适的内存分配算法
- 栈内存分配：局部变量在栈上分配内存，栈的分配和释放速度极快。例如void func() { int localVar = 5; }，localVar在栈上分配，函数结束时自动释放。对于一些临时且占用空间不大的变量，应优先使用栈分配。
- 堆内存分配：对于需要动态分配内存且生命周期较长的对象，使用堆分配。在C++中通常使用new和delete（或std::unique_ptr等智能指针）。但堆内存分配相对较慢，并且容易产生内存碎片。例如int* heapVar = new int(10);，使用完后需要delete heapVar;。为减少内存碎片，可以使用内存池技术。内存池预先分配一块较大的内存，当需要分配小块内存时，从内存池中获取，释放时再归还到内存池中。比如实现一个简单的内存池用于分配固定大小的对象：

class MemoryPool {
private:
    char* pool;
    size_t blockSize;
    size_t poolSize;
    size_t usedBlocks;
    MemoryPool* next;
public:
    MemoryPool(size_t blockSize, size_t poolSize) : blockSize(blockSize), poolSize(poolSize), usedBlocks(0), next(nullptr) {
        pool = new char[poolSize];
    }
    ~MemoryPool() {
        delete[] pool;
    }
    void* allocate() {
        if (usedBlocks * blockSize >= poolSize) {
            if (!next) {
                next = new MemoryPool(blockSize, poolSize);
            }
            return next->allocate();
        }
        void* result = pool + usedBlocks * blockSize;
        usedBlocks++;
        return result;
    }
    void deallocate(void* ptr) {
        // 简单处理，这里假设内存块来自当前内存池
        if (ptr >= pool && ptr < pool + poolSize) {
            // 不进行实际释放，仅标记可重用
        } else if (next) {
            next->deallocate(ptr);
        }
    }
};

缓存机制利用
- 硬件缓存：编写代码时要注意数据的访问模式，使数据的访问尽量符合缓存的特点。例如，尽量按顺序访问数组元素，避免跳跃式访问。因为缓存是以缓存行（通常64字节左右）为单位进行数据预取的。如果一个结构体的成员变量顺序不合理，可能导致缓存命中率降低。例如：

// 不合理的结构体布局
struct BadLayout {
    char a;
    int b;
    short c;
};
// 合理的结构体布局，按数据类型大小对齐
struct GoodLayout {
    int b;
    short c;
    char a;
};

软件缓存：对于一些频繁计算的结果，可以使用软件缓存进行存储。例如，在一个计算几何的项目中，对于一些经常计算的点到直线的距离，可以缓存结果，下次使用时直接获取，避免重复计算。

不同应用场景下的优化策略

高并发场景
- 全局变量处理：在高并发场景下，全局变量容易引发竞争条件。可以使用线程本地存储（TLS）来替代部分全局变量，每个线程有自己独立的变量副本，减少锁的竞争。例如，在GCC中可以使用__thread关键字声明线程本地存储变量：__thread int threadLocalVar;。
- 内存分配：传统的堆内存分配函数（如new）在高并发下可能成为性能瓶颈，因为它们通常需要加锁。可以使用无锁的内存分配算法或者线程专属的内存池。例如，每个线程维护自己的内存池，在需要分配内存时，先从自己的内存池中获取，避免多线程竞争。
- 缓存机制：硬件缓存的命中率在高并发下更加关键。因为多个线程同时访问内存，可能导致缓存冲突。除了合理安排数据布局外，可以使用缓存友好的数据结构，如无锁队列等，这些数据结构在设计上考虑了缓存的特性，能够提高缓存命中率。
大数据处理场景
- 全局变量处理：大数据处理通常需要处理海量数据，全局变量如果设计不当会占用大量内存。应尽量避免使用全局变量存储大数据，而是采用流式处理的方式，逐块读取和处理数据。例如，在处理大文件时，每次读取固定大小的块进行处理，而不是一次性将整个文件读入内存并使用全局变量存储。
- 内存分配：大数据处理中可能需要频繁分配和释放大量内存，内存碎片问题会更加严重。除了使用内存池外，还可以采用分块处理的方式，对于不同的数据块使用不同的内存池。例如，在处理图像数据时，可以将图像按区域分块，每个区域使用独立的内存池进行内存分配，这样可以减少不同区域之间内存分配的干扰。
- 缓存机制：由于数据量巨大，缓存机制需要更加精细的设计。可以使用多级缓存，例如一级缓存用于存储最常用的数据块索引，二级缓存用于存储实际的数据块。同时，要根据数据的访问频率和局部性原理，动态调整缓存的内容，以提高缓存的命中率。例如，对于频繁访问的图像区域，可以将其数据块常驻缓存。

面试题：C++中复杂场景下全局变量与局部变量的内存优化策略

知识考点

面试题答案

内存优化策略

不同应用场景下的优化策略