内存管理：TLSF算法

动态内存分配DSA

DSA：Dynamic Storage Allocation，用于动态管理程序运行时所需的内存。动态内存分配涉及在程序运行时根据需要分配和释放内存，以存储数据结构和数据。

1. 内存管理方式：动态内存分配与静态内存分配相对应，静态内存分配是在程序编译时为变量分配固定大小的空间，而动态内存分配是在程序运行时根据需要动态调整内存空间。
2. 内存分配函数：重新语言通常提供内置的内存分配函数，如C/C++中的malloc、calloc和C++中new，用于在堆中分配内存。这些函数返回一个指向分配内存首地址的指针。
3. 内存释放：动态分配的内存必须在使用完后进行释放，以防止内存泄漏。释放内存的函数是C/C++中的free和C++中的delete。不释放已分配的内存会导致程序内存占用增加，最终可能导致系统性能下降。
4. 内存泄漏：如果分配的内存在使用完后没有被释放，就会发生内存泄漏。这会导致内存逐渐耗尽，最终可能导致程序崩溃或系统不稳定。
5. 碎片问题：频繁的动态内存分配和释放可能导致外碎片增加。
6. 动态数据结构：DSA允许在运行时创建动态数据结构，如链表、树和图、这些数据结构的大小和形状可以根据程序的需求动态变化。
7. 性能开销：与静态内存分配相比，动态内存分配需要更多的系统开销，包括内存分配表的维护、碎片整理等。因此，在某些情况下，需要权衡是否使用动态内存分配。
8. 错误处理：动态内存分配可能因为内存不足或其它原因失败。程序应该对分配失败进行适当的错误处理，避免崩溃或不可预料的行为。

DSA的衡量指标

1. 快速响应时间：当申请分配size大小的内存时，算法耗费多少时间查找到合适内存块，越短越好。
2. 有界响应时间：内存分配最坏的响应时间，比如某空闲list算法，在一些情况下直到遍历到最后一个节点，才能发现合适的内存块，比正常找到慢很多。这种边界性超长响应对一些实时要求高的系统或软件并不友好。
3. 高效内存使用：设计内存碎片化的处理。比如内存池总共有1000个字节内存，运行到一段时间后，500字节占用，500字节空闲，但占用与空闲的内存刚好单字节一一交错。这时虽然内存里还有500字节，但一个连续的2字节的内存都无法分配。

常见的分配策略

1. sequential fit：最基础的算法，空闲链表法，所有内存块都放到一个单向/双向list中，查找时会有边界响应问题。
2. segregated fit：对sequentical fit进行改进，对所有内存块按其大小区间放到不同list中，这些list首地址组成array，查找速度更快，dlmalloc算法使用该策略。
3. Buddy system：对segregated fit算法的改进，更好的切割和合并，分配时效不错但内部碎片化问题比较严重。典型算法策略Binary Buddies，Fibonacci Buddies， Weighted Buddies，Double Buddies。
4. Indexed Fit：基于使用高级结构索引空闲内存块。典型算法策略：基于平衡树的“Best Fit”，基于笛卡尔树存储的Stephenson’s Fast-Fit等。在一些情况下，比Segregated系列效果更好。
5. Bitmap Fit：位图法，算是Indexed Fit算法的改进，使用小段内存表示的位图来确认内存块的占用或空闲，其通过降低缓存未命中的概率来提高响应时间。

TLSF算法

TLSF（Two-Level Segregated Fit），两级隔离Fit内存分配器，是一款通用的动态内存分配，专门用于实时要求。

其有以下特别：

• 算法复杂度为O(1)
• 每次分配的开销极低（4字节）
• 低碎片化
• 主要采用两级位图（Two-Level Bitmap）与分级空闲块链表（Segregated Free List）的数据结构管理动态内存池（memory pool）以及其中的空闲块（free blocks），用Good-Fit的策略进行分配。

分级空闲块链表（Segregated Free List）
分级空闲块链表（Segregated Free List）的设计思想是将空闲块按照大小分级，形成了不同块大小范围的分级，组成空闲块用链表链接起来。
每次分配时先按分级大小范围查找到相应链表，再从相应链表挨个检索合适的空闲块，如果找不到，就在大小范围更大的一级查找，直到找到合适的块分配出去。

两级位图（Two-Level Bitmap）
使用位图的优势：

• 节省存储空闲，用1-bt表示某个区间范围大小的内存块是否存在。
• 位操作速度快，部分体系结构有加速特殊位操作的指令（如clz,ffs,fls）

TLSF采用了两级位图（Two-Level Bitmap）来管理不同大小范围的空闲块链（free blocks lists）。上图中包含三个虚线矩形框分别是：

• 第一级位图（First-Level Bitmap），表示内存块的粗粒度范围，一般是2的幂次粒度（例如2ⁿ~2ⁿ⁺¹）。
• 第二季位图（Second-Level Bitmap）是一个数组，一级位图中的每一位，对应这个数组的一项，表示内存块的细粒度范围（例如（2ⁿ + 02 ^n-2~ 2ⁿ+12^n-2））。
• 第三个框是内存中真正的空闲内存块（free blocks）

Best-fit（内部碎片最优化）

常规思想是：找到能满足内存请求大小的最小空闲块，就会有下面的流程（以搜索大小为69字节的空闲块为例）

1. 基于位运算找到请求大小所在的第一级位图对应的粗粒度范围（64~128）。
2. 在粗粒度范围内，根据二级位图索引检索第二级位图得到细粒度范围（68~70）.
3. 如上图所示，沿着右下角空闲块链表可以检索到69字节的那一块是Best-fit。

Best-fit策略最主要的问题还在于第三步，仍然需要检索对应范围的那一条空闲块链表，存在潜在的时间复杂度。

Good-fit
Good-fit思路与Best-fit不同之处在于，Good-fit并不保证找到满足需求的最小空闲块，而是尽可能接近要分配的大小。

还以上述搜索大小为69字节的空闲块为例，Good-fit并不是找到[68_{70]这一范围，而是比这个范围稍微大一点儿的范围，例如[71}73]，这样设计的好处就是对应的空闲块链中每一块都能满足需求，不需要检索空闲块链表找到最小的，而是直接取空闲块链中第一块即可。整体上还不会造成太多碎片。