游戏客户端架构 / 系统课时
内存持续上涨怎么定位
内存持续上涨怎么定位
客户端内存曲线不断上升,并不等于一定发生了泄漏。缓存扩容、场景资源未卸载、对象生命周期错误和正常峰值都可能得到相似曲线。定位时要建立多个时间点的快照,用“增长后是否还能回落”判断对象究竟只是暂时保留,还是已经失去释放路径。
学习目标
- 能区分泄漏、缓存增长、资源未释放和正常峰值
- 能规划基线、增长点和退出后的内存快照
- 能通过对象数量、保留大小和引用关系缩小根因范围
先观察曲线怎么涨
真正值得警惕的不是某个时刻内存很高,而是同一操作重复执行后,内存基线一轮比一轮高。比如连续进入并退出同一战斗场景,如果每次退出后都只能释放一部分资源,长期运行后就可能触发系统内存压力甚至崩溃。
缓存增长的形状通常不同:前几轮明显上涨,到达容量上限后趋于稳定。正常峰值则会在加载、战斗或切场景期间升高,操作结束并经过资源回收后回到接近原来的基线。

设计三个关键快照
至少保留三个具有明确业务含义的观察点:进入目标功能前记录基线,完成导致内存上涨的操作后记录增长快照,退出功能并执行正常清理后再记录退出快照。必要时把同一流程重复三到五轮,看退出快照的基线是否持续上移。
比较快照时不要只看总 MB。更有价值的证据包括对象类型的实例数量、总占用、单对象大小、创建位置以及谁仍然持有它。某一类纹理从 20 个增长到 200 个,而且退出场景后数量不降,就比“总内存多了 300 MB”更容易追到具体生命周期问题。
用快照差异筛候选对象
下面的示例模拟对基线和退出后快照做差异统计。真实项目的数据通常来自引擎 Profiler 或导出的快照,这段代码的目的,是展示应该如何先按“退出后仍保留的增长量”排序。
baseline = {
"Texture": (120, 240.0),
"Enemy": (0, 0.0),
"AudioClip": (18, 72.0),
"UIWidget": (35, 8.0),
}
after_exit = {
"Texture": (156, 318.0),
"Enemy": (0, 0.0),
"AudioClip": (18, 72.0),
"UIWidget": (47, 11.0),
}
rows = []
for name in baseline.keys() | after_exit.keys():
base_count, base_mb = baseline.get(name, (0, 0.0))
exit_count, exit_mb = after_exit.get(name, (0, 0.0))
rows.append((name, exit_count - base_count, exit_mb - base_mb))
for name, count_delta, mb_delta in sorted(rows, key=lambda row: row[2], reverse=True):
if mb_delta > 0:
print(f"{name}: count +{count_delta}, retained +{mb_delta:.1f} MB")预期输出如下。这里的 Texture 和 UIWidget 只是调查候选,不能仅凭增长量直接宣布“发生泄漏”。
Texture: count +36, retained +78.0 MB
UIWidget: count +12, retained +3.0 MB下一步应回到内存工具检查这 36 个额外纹理由谁引用:如果它们属于有容量上限的纹理缓存且之后保持稳定,可能是合理缓存;如果每次重复场景都会继续增加,并且旧场景管理器、静态集合或回调链仍持有引用,就更接近真正的泄漏证据。
区分四类常见根因
| 类型 | 退出功能后的表现 | 关键证据 |
|---|---|---|
| 泄漏 | 基线持续抬高且重复操作继续增长 | 对象本应死亡,却存在异常引用链或未释放原生分配 |
| 缓存增长 | 上涨后逐渐进入稳定平台 | 命中缓存容量或淘汰策略,旧内容能够被替换 |
| 资源未释放 | 某次场景结束后长期保留一批资源 | 场景资源、句柄、订阅或资源包生命周期未结束 |
| 峰值抖动 | 短时间升高后明显回落 | 加载、解码、临时缓冲或 GC 前对象集中创建 |
脚本托管堆稳定但进程内存仍上涨时,要特别检查原生堆、图形资源和驱动侧分配;反过来,如果某类脚本对象数量不断增加,则优先查看静态集合、事件订阅、闭包、定时任务和对象池回收路径。
用可重复实验确认修复
定位到候选后,不要只修改代码再观察一次总内存。应固定场景、固定操作次数和等待时间,分别记录修复前后的基线、峰值与退出后快照。若对象数量和保留内存不再逐轮增加,才说明修复改变了生命周期行为。
还要避免把“主动清空所有缓存”当成万能证明。强制清理可能暂时让曲线下降,却掩盖真正的持有关系。更可靠的结果是:对象在正常业务生命周期结束后自行失去引用,资源按设计释放,允许保留的缓存则稳定在明确上限内。
内存排查最终需要形成一条证据链:什么对象在增长、从什么时候开始增长、退出后为什么还活着、是谁继续持有它,以及修复后同样的重复实验是否停止抬高基线。只盯一条总内存曲线,很难区分泄漏与正常增长。