news 2026/6/15 13:06:07

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 2026/6/15 7:53:22

Ubuntu双系统WiFi频繁断网问题解决方案

Ubuntu双系统WiFi频繁断网问题解决方案&#xff08;MAC地址不一致导致&#xff09; 本文记录了在Windows/Ubuntu双系统环境下&#xff0c;Ubuntu连接校园网或特定WiFi时频繁断网的问题排查与解决过程。 一、问题描述 1.1 现象 系统环境&#xff1a;Windows 10 / Ubuntu 双系统…

作者头像 李华
网站建设 2026/6/6 3:06:33

基于电感封装的PCB布线策略:实战案例分析

电感不是“随便放”的&#xff1a;一次电源布线优化的实战复盘最近帮团队调试一款工业级通信主控板&#xff0c;系统在EMC测试中频频告警——30MHz附近辐射超标&#xff0c;轻载时输出纹波还特别大。排查了一圈芯片配置、滤波电容、接地结构&#xff0c;最后问题竟然出在一个看…

作者头像 李华
网站建设 2026/6/15 13:03:59

如何在Windows上安装PyTorch并启用GPU加速?详细图文指南

如何在Windows上安装PyTorch并启用GPU加速&#xff1f;详细图文指南 引言 你有没有遇到过这样的情况&#xff1a;兴冲冲地准备开始训练一个深度学习模型&#xff0c;结果 torch.cuda.is_available() 返回了 False&#xff1f;或者刚装完 PyTorch&#xff0c;运行几行代码就报错…

作者头像 李华
网站建设 2026/6/15 13:04:23

GitHub Licenses为PyTorch项目选择开源协议

GitHub Licenses 为 PyTorch 项目选择开源协议 在人工智能技术高速迭代的当下&#xff0c;深度学习项目的开发效率与合规性正面临双重挑战。一方面&#xff0c;研究者和工程师希望快速搭建可复现、高性能的 GPU 计算环境&#xff1b;另一方面&#xff0c;企业在将开源模型集成…

作者头像 李华
网站建设 2026/6/11 21:57:52

GitHub Ignore忽略PyTorch训练缓存文件

GitHub Ignore忽略PyTorch训练缓存文件 在深度学习项目的日常开发中&#xff0c;你是否曾遇到过这样的尴尬&#xff1a;一次 git push 后&#xff0c;同事突然在群里你——“谁把 2GB 的 checkpoints/ 提上来了&#xff1f;” 或者 CI 流水线因为克隆超时而失败&#xff1f;这类…

作者头像 李华
网站建设 2026/6/13 22:55:31

SSH TCPKeepAlive维持PyTorch长期任务连接

SSH TCPKeepAlive维持PyTorch长期任务连接 在深度学习项目中&#xff0c;训练一个大型模型动辄需要数小时甚至数天。开发者通常会通过 SSH 连接到远程 GPU 服务器&#xff0c;在容器化的 PyTorch 环境中启动训练脚本。然而&#xff0c;当你第二天早上满怀期待地打开终端&#…

作者头像 李华