Tensorflow 源码分析- 从GPU OOM开始说Tensorflow的BFC内存管理

前言

在平台上跑GPU训练，结果CUDA OOM了，错误提示

E  Internal: failed initializing StreamExecutor for CUDA device ordinal 0: Internal: failed call to cuDevicePrimary
CtxRetain: CUDA_ERROR_OUT_OF_MEMORY; total memory reported: 11711807488

对会话没有进行任何GPU相关设置，tensorflow给出建议，可以用参数控制GPU的内存分配

# add gpu growth flags
tf_config.gpu_options.allow_growth = True
tf_config.gpu_options.per_process_gpu_memory_fraction = 0.1

per_process_gpu_memory_fraction 参数

• per_process_gpu_memory_fraction 参数，这是一个控制GPU单个process的内存因子，这是一个筏值，通过筏值来决定获取GPU的内存比，从而控制留给系统的GPU的内存，如果不设置，在有效内存足够的情况下，tensorflow只预留给系统225M当有效内存小于2G的时候，而当有效内存大于2G的时候预留筏值0.05的有效内存且至少300M的内存，这是一种贪婪式的占有内存。设置因子可以有效控制你需要的内存量。

  int64 allocated_memory;
  double config_memory_fraction =
      options.config.gpu_options().per_process_gpu_memory_fraction();
  if (config_memory_fraction == 0) {
    allocated_memory = available_memory;
    const int64 min_system_memory = MinSystemMemory(available_memory);
    if (min_system_memory < allocated_memory) {
      allocated_memory -= min_system_memory;
    }
  } else {
    allocated_memory = total_memory * config_memory_fraction;
  }

•  如果你跑在一个已经内存使用比较多的平台里，每个GPU的剩余内存并不一定一样，设置因子是基于所有process内存的，单个因子无法控制每个process的内存分配，会导致由于单个process的内存不够而导致失败。

allow_growth 参数

看到这参数也许会很奇怪，allow_growth字面意思是允许增长，也就是允许后期继续分配内存？实际上在tensorflow启动的时候，并不会真实的去申请内存，初始参数的生成只是为了管控后期真实允许使用，申请内存的大小。

在tensorflow上有一层虚拟的内存管理BFC

BFC内存分配

这是一个虚拟的内存分配器，实现类似Doug Lea简单版本malloc（dlmalloc），通过合并进行内存碎片整理，实现'best-fit with coalescing'的算法，要求所有的分配内存都必须调用该接口。

1 Chunk结构体

1.1 结构体

这是tensorflow的最小内存单位，由数倍256bytes（kMinAllocationSize）的连续内存块组成，tensorflow的内存管理是基于chunk的管理。

1.1.1 chunkhandle

chunkhandle是chunk数组向量的索引，在tensorflow保存着所有chunk的数组向量，而数组向量的下标就是chunkhandle 

    // If not kInvalidChunkHandle, the memory referred to by 'prev' is directly
    // preceding the memory used by this chunk.  E.g., It should start
    // at 'ptr - prev->size'
    ChunkHandle prev = kInvalidChunkHandle;

    // If not kInvalidChunkHandle, the memory referred to by 'next' is directly
    // following the memory used by this chunk.  E.g., It should be at
    // 'ptr + size'
    ChunkHandle next = kInvalidChunkHandle;

在Chunk结构体中有两个前后chunkhandle（所有chunk数组的索引），chunkhandle指向前后分别是相邻的连续内存块

1.1.2 ptr指针

ptr是一个内存指针，指向的是内存的启始位置，因为chunk指向的是连续内存，所以只记录它的大小

1.2 chunk的申请

Tensorflow 会保存一个所有chunk的数组向量，为了避免频繁的申请和释放chunk，被释放的chunk会被重用，为了快速的查找已经释放的chunk，tensorflow又构建了已经释放的chunk的链表结构，free_chunks_list_指向链表的头

1.3 chunk的删除

chunk是重用的，chunk的删除需要抹去chunk里的特性，比如ptr，当然不是释放ptr指向的内存，而是将Region里所对应该地址的chunkhandle的指向设置无效，同时将该chunk添加到已经释放的chunk的链表中的头部，free_chunks_list_指向刚释放的chunk

2 Region

Region是一块已经分配的连续的内存块，一个region可以被拆分为多个chunk，一个chunk指向的是多个连续的256byte的内存块

2.1 Region 的申请

在真正需要使用内存的时候才申请Region

  size_t bytes = std::min(curr_region_allocation_bytes_, available_bytes);
  void* mem_addr = suballocator_->Alloc(32, bytes);

在上面代码中我们可以看到每次申请Region的内存由下面几个参数控制：

curr_region_allocation_bytes参数

  if (allow_growth) {
    // 1MiB smallest initial allocation, unless total memory available
    // is less.
    curr_region_allocation_bytes_ =
        RoundedBytes(std::min(total_memory, size_t{1048576}));
  } else {
    curr_region_allocation_bytes_ = RoundedBytes(total_memory);
  }

这里的allow_growth参数就是在前面的

tf_config.gpu_options.allow_growth = True

当allow_growth关闭的时候，curr_region_allocation_bytes_就是默认的剩余内存大小，也就是只有一个Region

当allow_growth打开的时候，curr_region_allocation_bytes_的值是最小为1M的多个Region，curr_region_allocation_bytes_默认以2倍的速度增长，也就是每次申请Region的内存是连续最小以2倍速度增长的。

如果实际需要申请的内存大于curr_region_allocation_bytes_的时候，以2倍的curr_region_allocation_bytes_速度增长直到满足需要的内存。

  bool increased_allocation = false;
  while (rounded_bytes > curr_region_allocation_bytes_) {
    curr_region_allocation_bytes_ *= 2;
    increased_allocation = true;
  }

Available_bytes参数

available_bytes 指的是剩余的可被分配的内存，在初始化的时候Tensorflow会获取GPU的有效内存，每次申请的内存会从剩余内存中减去，也就是在整个运算过程中GPU的剩余内存只会在程序开始的时候获取一次，如果程序是在运行在GPU的平台上，剩余内存会不停的变化，有效的内存在程序开始运行的时候获取（并没有真的去申请），那么在计算过程中内存申请很有可能出现OOM。

2.2 Region的ChunkHandle 

每个Region会被以256bytes大小分割成多个chunkhandle的数组，chunkhandle指向的就是前面章节中讨论的chunk向量数组的位置。

2.3 Region数组

每一次的申请连续的内存都会生成一个Region，多个Region组成了Region向量数组

 private:
    std::vector regions_;

如何定位chunk是属于哪个Region呢？每个Region会记录起始地址和结束地址，而chunk中会保存chunk的起始地址，只要比较chunk的起始地址和region的地址范围，就能确定所属于的Region

3. Bin

在前面章节中讨论了Region, Chunk，但当申请新的内存的时候，如何更快高效的查找匹配的空闲chunk，这是非常重要的。查找每个Region里的空闲chunk，显然是非常低效率的，tensorflow基于chunk上构建了一个全局的bin，每个bin里管理的是一定范围的内存大小的chunk（内存大小范围 (2^bin_num)*256 到 (2^(bin_num+1))*256-1的，bin_num代表的是bin的序列号）每个chunk是以256bytes数倍大小的内存块，bin管理的是空闲的chunk块。

每个Bin里会保存着一个空闲的free的chunk的set

    typedef std::set FreeChunkSet;
    // List of free chunks within the bin, sorted by chunk size.
    // Chunk * not owned.
    FreeChunkSet free_chunks;

• 应用程序先申请内存
• 计算从而确定内存大小所属于的Bin
• 遍历Bin里面的空闲的Chunk Set，如果找不到继续查找更大的Bin，直到找到空闲的内存
• 如果依然找不到，那么就需要真实的向驱动申请内存，申请curr_region_allocation_bytes_大小的内存块为一个Region，同时也是一个大的chunk块，并将这个chunk块作为空闲块插入回所对应的bin中空闲chunk set，然后继续查找。
• 如果找到，那么需要判断一下空闲的chunk内存块是否2倍于所需要的内存
• 为了避免内存的浪费，大的空闲chunk块会倍拆分成2个chunk块，小的chunk块给程序使用，而剩余大的chunk块重新插入回所对应的Bin的空闲chunk set

4. Chunk 的合并和拆分

为了更有效的利用内存，对一个较大的chunk内存块进行chunk的拆分，该拆分策略前面章节里已经介绍过，而在chunk进行释放的时候，tensorflow会尝试对chunk进行合并，chunk合并的策略：地址相邻的内存块才可以合并

还记得chunk的Prev，Next么？

  BFCAllocator::ChunkHandle h_neighbor = c->next;
  new_chunk->prev = h;
  new_chunk->next = h_neighbor;
  c->next = h_new_chunk;

在chunk拆分的时候，就是相邻的chunk块，在split一个大的Chunk成两个chunk块的时候, 新的chunk块prev会指向另一个chunk块, next指向原来大的chunk块的邻居，同时大chunk块的邻居prev指向新的chunk块。

在释放chunk的时候，会检查prev和next，如果prev，next指向的chunk没有被使用，那么就会尝试合并。