news 2026/4/22 20:15:45

9.C++入门:内存管理|new|delete|operator new|operator delete|定位new|与malloc/free区别

作者头像

张小明

前端开发工程师

1.2k 24
文章封面图
9.C++入门:内存管理|new|delete|operator new|operator delete|定位new|与malloc/free区别

C/C++内存分布

int globalVar = 1; static int staticGlobalVar = 1; void Test() { static int staticVar = 1; int localVar = 1; int num1[10] = { 1, 2, 3, 4 }; char char2[] = "abcd"; const char* pChar3 = "abcd"; int* ptr1 = (int*)malloc(sizeof(int) * 4); int* ptr2 = (int*)calloc(4, sizeof(int)); int* ptr3 = (int*)realloc(ptr2, sizeof(int) * 4); free(ptr1); free(ptr3); } 1. 选择题: 选项: A.栈 B.堆 C.数据段(静态区) D.代码段(常量区) globalVar在哪里?__C__ staticGlobalVar在哪里?__C__ staticVar在哪里?_C___ localVar在哪里?_A___ num1 在哪里?_A___ char2在哪里?_A___ *char2在哪里?_A__ pChar3在哪里?__A__ *pChar3在哪里?__D__ ptr1在哪里?__A__ *ptr1在哪里?_B___ sizeof(num1) = 40 sizeof(char2) = 5 strlen(char2) = 4 sizeof(pchar3) = 4/8 strlen(pchar3) = 4 sizeof(ptr1) = 4/8

  1. 栈又叫堆栈–非静态局部变量/函数参数/返回值等等,栈是向下增长的。
  2. 内存映射段是高效的I/O映射方式,用于装载一个共享的动态内存库。用户可使用系统接口创建共享共享内存,做进程间通信。
  3. 堆用于程序运行时动态内存分配,堆是可以上增长的。
  4. 数据段–存储全局数据和静态数据。
  5. 代码段–可执行的代码/只读常量。

C语言中动态内存管理方式:malloc/calloc/realloc/free

void Test () { // 1.malloc/calloc/realloc的区别是什么? int* p2 = (int*)calloc(4, sizeof (int)); int* p3 = (int*)realloc(p2, sizeof(int)*10); // 这里需要free(p2)吗? free(p3 ); }
  1. malloc/calloc/realloc的区别?
    calloc=malloc+memset

C++内存管理方式

C语言内存管理方式在C++中可以继续使用,但有些地方就无能为力,而且使用起来比较麻烦,因此C++又提出了自己的内存管理方式:通过new和delete操作符进行动态内存管理。

new/delete操作内置类型
void Test() { // 动态申请一个int类型的空间 int* ptr4 = new int; // 动态申请一个int类型的空间并初始化为10 int* ptr5 = new int(1); // 动态申请10个int类型的空间 int* ptr6 = new int[3]{1,2,3}; int* ptr7 = new int[10]{1,2,3}; delete ptr4; delete ptr5; delete[] ptr6; }

注意:申请和释放单个元素的空间,使用new和delete操作符,申请和释放连续的空间,使用new[]delete[],注意:匹配起来使用。

new和delete操作自定义类型
class A { public: A(int a = 0) : _a(a) { cout << "A():" << this << endl; } ~A() { cout << "~A():" << this << endl; } private: int _a; }; int main() { // new/delete 和 malloc/free最大区别是 new/delete对于【自定义类型】除了开空间还会调用构造函数和析构函数 A* p1 = (A*)malloc(sizeof(A)); A* p2 = new A(1); free(p1); delete p2; // 内置类型是几乎是一样的 int* p3 = (int*)malloc(sizeof(int)); // C int* p4 = new int; free(p3); delete p4; A* p5 = (A*)malloc(sizeof(A)*10); A* p6 = new A[10]; free(p5); delete[] p6; return 0; }

注意:在申请自定义类型的空间时,new会调用构造函数,delete会调用析构函数,而malloc与free不会。

operator new与operator delete函数

operator new与operator delete函数

new和delete是用户进行动态内存申请和释放的操作符,operator new 和operator delete是系统提供的全局函数,new在底层调用operator new全局函数来申请空间,delete在底层通过operator delete全局函数来释放空间。

/* operator new:该函数实际通过malloc来申请空间,当malloc申请空间成功时直接返回;申请空间失败,尝试执行空间不足应对措施,如果改应对措施用户设置了,则继续申请,否则抛异常。 */ void *__CRTDECL operator new(size_t size) _THROW1(_STD bad_alloc) { // try to allocate size bytes void *p; while ((p = malloc(size)) == 0) if (_callnewh(size) == 0) { // report no memory // 如果申请内存失败了,这里会抛出bad_alloc 类型异常 static const std::bad_alloc nomem; _RAISE(nomem); } return (p); } /* operator delete: 该函数最终是通过free来释放空间的 */ void operator delete(void *pUserData) { _CrtMemBlockHeader * pHead; RTCCALLBACK(_RTC_Free_hook, (pUserData, 0)); if (pUserData == NULL) return; _mlock(_HEAP_LOCK); /* block other threads */ __TRY /* get a pointer to memory block header */ pHead = pHdr(pUserData); /* verify block type */ _ASSERTE(_BLOCK_TYPE_IS_VALID(pHead->nBlockUse)); _free_dbg( pUserData, pHead->nBlockUse ); __FINALLY _munlock(_HEAP_LOCK); /* release other threads */ __END_TRY_FINALLY return; } /* free的实现 */ #define free(p) _free_dbg(p, _NORMAL_BLOCK)

通过上述两个全局函数的实现知道,operator new 实际也是通过malloc来申请空间,如果malloc申请空间成功就直接返回,否则执行用户提供的空间不足应对措施,如果用户提供该措施就继续申请,否则就抛异常。operator delete 最终是通过free来释放空间的。

new和delete的实现原理

内置类型

如果申请的是内置类型的空间,new和malloc,delete和free基本类似,不同的地方是:
new/delete申请和释放的是单个元素的空间,new[]delete[]申请的是连续空间,而且new在申请空间失败时会抛异常,malloc会返回NULL。

自定义类型
  • new的原理
    1. 调用operator new函数申请空间
    2. 在申请的空间上执行构造函数,完成对象的构造
  • delete的原理
    1. 在空间上执行析构函数,完成对象中资源的清理工作
    2. 调用operator delete函数释放对象的空间
  • new T[N]的原理
    1. 调用operator new[]函数,在operator new[]中实际调用operator new函数完成N个对象空间的申请
    2. 在申请的空间上执行N次构造函数
  • delete[]的原理
    1. 在释放的对象空间上执行N次析构函数,完成N个对象中资源的清理
    2. 调用operator delete[]释放空间,实际在operator delete[]中调用operator delete来释放空间

定位new表达式(placement-new)

定位new表达式是在已分配的原始内存空间中调用构造函数初始化一个对象。

使用格式:
new (place_address) type或者new (place_address) type(initializer-list)
place_address必须是一个指针,initializer-list是类型的初始化列表

使用场景:
定位new表达式在实际中一般是配合内存池使用。因为内存池分配出的内存没有初始化,所以如果是自定义类型的对象,需要使用new的定义表达式进行显示调构造函数进行初始化。

class A { public: A(int a = 0) : _a(a) { cout << "A():" << this << endl; } ~A() { cout << "~A():" << this << endl; } private: int _a; }; // 定位new/replacement new int main() { // p1现在指向的只不过是与A对象相同大小的一段空间,还不能算是一个对象,因为构造函数没有执行 A* p1 = (A*)malloc(sizeof(A)); new(p1)A; // 注意:如果A类的构造函数有参数时,此处需要传参 p1->~A(); free(p1); A* p2 = (A*)operator new(sizeof(A)); new(p2)A(10); p2->~A(); operator delete(p2); return 0; }

malloc/free和new/delete的区别

malloc/free和new/delete的共同点是:都是从堆上申请空间,并且需要用户手动释放。不同的地方是:

  1. malloc和free是函数,new和delete是操作符
  2. malloc申请的空间不会初始化,new可以初始化
  3. malloc申请空间时,需要手动计算空间大小并传递,new只需在其后跟上空间的类型即可,如果是多个对象,[]中指定对象个数即可
  4. malloc的返回值为void*, 在使用时必须强转,new不需要,因为new后跟的是空间的类型
  5. malloc申请空间失败时,返回的是NULL,因此使用时必须判空,new不需要,但是new需要捕获异常
  6. 申请自定义类型对象时,malloc/free只会开辟空间,不会调用构造函数与析构函数,而new在申请空间后会调用构造函数完成对象的初始化,delete在释放空间前会调用析构函数完成空间中资源的清理释放
版权声明: 本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若内容造成侵权/违法违规/事实不符,请联系邮箱:809451989@qq.com进行投诉反馈,一经查实,立即删除!
网站建设 2026/4/18 1:20:01

Git filter-branch修改PyTorch历史提交信息

Git 历史重构与容器化环境&#xff1a;PyTorch 项目治理实践 在企业级 AI 工程实践中&#xff0c;一个常被忽视却极具风险的环节是——开发者的提交历史。你有没有遇到过这样的情况&#xff1f;某位同事在一次紧急修复中顺手推了代码&#xff0c;结果审计时发现他的私人邮箱地址…

作者头像 李华
网站建设 2026/4/19 13:26:33

批量处理请求减少大模型API调用Token开销

批量处理请求减少大模型API调用Token开销 在当前AI应用大规模落地的背景下&#xff0c;一个看似微小的技术决策——是否批量调用大模型API——往往直接决定了产品的成本结构与商业可行性。许多团队在初期采用“来一条、发一条”的直连模式&#xff0c;结果很快发现&#xff1a;…

作者头像 李华
网站建设 2026/4/21 20:20:10

PyTorch DataLoader num_workers调优建议

PyTorch DataLoader num_workers 调优实战指南 在深度学习训练中&#xff0c;你是否曾遇到这样的场景&#xff1a;明明用的是 A100 或 V100 这类顶级 GPU&#xff0c;但 nvidia-smi 显示利用率长期徘徊在 20%~40%&#xff0c;甚至频繁归零&#xff1f;模型前向传播只需几十毫秒…

作者头像 李华
网站建设 2026/4/18 5:07:22

Git ls-files列出所有PyTorch被跟踪文件

Git 与 PyTorch 开发中的文件追踪实践 在深度学习项目日益复杂的今天&#xff0c;一个典型的 AI 工程往往包含数百个脚本、配置文件、数据预处理模块和训练日志。更不用说那些动辄几百 MB 的模型权重文件了。当多个团队成员同时迭代实验时&#xff0c;如何确保关键代码不被遗漏…

作者头像 李华
网站建设 2026/4/19 23:35:28

PyTorch-CUDA镜像默认Python版本说明

PyTorch-CUDA 镜像默认 Python 版本说明 在深度学习工程实践中&#xff0c;一个看似微不足道的决策——容器镜像中预装哪个 Python 版本——往往会在项目迭代、团队协作甚至生产部署时引发连锁反应。尤其当使用如 pytorch/pytorch:2.8.0-cuda11.8-cudnn8-runtime 这类官方维护的…

作者头像 李华
网站建设 2026/4/22 15:15:46

CAPL编程优化测试脚本执行效率:深度剖析

CAPL编程优化实战&#xff1a;如何让测试脚本跑得更快、更稳&#xff1f;在汽车电子开发的日常中&#xff0c;你是否遇到过这样的场景&#xff1f;CANoe仿真刚运行几分钟&#xff0c;CPU占用就飙到80%以上&#xff1b;回归测试原本预计2小时完成&#xff0c;结果跑了4个多小时还…

作者头像 李华