RegEx，StringBuilder和大对象堆碎片

如何在不引起LOH碎片的情况下在大字符串中运行大量RegExes（以查找匹配项）？

它是.NET Framework 4.0所以我使用StringBuilder所以它不在LOH中，但是一旦我需要在它上面运行RegEx，我必须调用StringBuilder.ToString() ，这意味着它将在LOH中。

有没有解决这个问题的方法？ 拥有一个长期运行的应用程序几乎不可能处理大字符串和像这样的RegExes。

解决这个问题的想法：

在考虑这个问题时，我想我发现了一个肮脏的解决方案。

在给定的时间我只有5个字符串，这5个字符串（大于85KB）将传递给RegEx.Match 。

由于碎片发生是因为新对象不适合LOH中的空白空间，这应该可以解决问题：

1. PadRight所有字符串最多。 接受大小，比方说1024KB（我可能需要用StringBuider来做这个）
2. 通过这样做，所有新字符串将适合已经清空的内存，因为先前的字符串已经超出范围
3. 不会有任何碎片，因为对象大小总是相同的，因此我只会在给定时间分配1024 * 5，并且LOH中的这些空间将在这些字符串之间共享。

我想这个设计的最大问题是如果其他大对象在LOH中分配这个位置会导致应用程序分配大量1024 KB字符串，甚至更糟糕的碎片。 但是，如果没有实际创建一个不在固定内存地址中的新字符串，我怎样才能将固定字符串发送到RegEx？

关于这个理论的任何想法？ （不幸的是我无法轻易地重现问题，我通常会尝试使用内存分析器来观察更改，并且不确定我可以为此编写哪种隔离测试用例）

Answer 1

好的，这是我尝试以一种相当通用的方式解决这个问题，但有一些明显的局限性。 由于我没有在任何地方看到这个建议，每个人都抱怨LOH Fragmentation我想分享代码以确认我的设计和假设是正确的。

理论：

1. 创建一个共享的大量StringBuilder（这是为了存储从我们从流中读取的大字符串） – new StringBuilder(ChunkSize * 5);
2. 创建一个庞大的String（必须大于最大可接受的大小），应该用空的空间初始化。 – 新字符串（”，ChunkSize * 10）;
3. 将字符串对象固定到内存中，这样GC就不会乱用它。 GCHandle.Alloc(pinnedText, GCHandleType.Pinned) 。 即使LOH对象通常被固定，这似乎也改善了性能。 也许是因为代码unsafe
4. 将流读入共享的StringBuilder，然后通过使用索引器将其不安全地复制到pinnedText
5. 将pinnedText传递给RegEx

通过这种实现，下面的代码就像没有LOH分配一样工作。 如果我切换到new string(' ')分配而不是使用静态StringBuilder或使用StringBuilder.ToString()代码可以在崩溃与outofmemory exception之前分配300％的内存

我还使用内存分析器确认了结果，在此实现中没有LOH碎片。 我仍然不明白为什么RegEx不会引起任何意外问题。 我还测试了不同且昂贵的RegEx模式，结果相同，没有碎片。

码：

http://pastebin.com/ZuuBUXk3

 using System; using System.Collections.Generic; using System.Runtime.InteropServices; using System.Text; using System.Text.RegularExpressions; namespace LOH_RegEx { internal class Program { private static List storage = new List(); private const int ChunkSize = 100000; private static StringBuilder _sb = new StringBuilder(ChunkSize * 5); private static void Main(string[] args) { var pinnedText = new string(' ', ChunkSize * 10); var sourceCodePin = GCHandle.Alloc(pinnedText, GCHandleType.Pinned); var rgx = new Regex("A", RegexOptions.CultureInvariant | RegexOptions.Compiled); try { for (var i = 0; i < 30000; i++) { //Simulate that we read data from stream to SB UpdateSB(i); CopyInto(pinnedText); var rgxMatch = rgx.Match(pinnedText); if (!rgxMatch.Success) { Console.WriteLine("RegEx failed!"); Console.ReadLine(); } //Extra buffer to fragment LoH storage.Add(new string('z', 50000)); if ((i%100) == 0) { Console.Write(i + ","); } } } catch (Exception ex) { Console.WriteLine(ex.ToString()); Console.WriteLine("OOM Crash!"); Console.ReadLine(); } } private static unsafe void CopyInto(string text) { fixed (char* pChar = text) { int i; for (i = 0; i < _sb.Length; i++) { pChar[i] = _sb[i]; } pChar[i + 1] = '\0'; } } private static void UpdateSB(int extraSize) { _sb.Remove(0,_sb.Length); var rnd = new Random(); for (var i = 0; i < ChunkSize + extraSize; i++) { _sb.Append((char)rnd.Next(60, 80)); } } } } 

Answer 2

您可以在某个时间点卸载的AppDomain中完成工作吗？

Answer 3

一种替代方案是找到一种在非基于arrays的数据结构上执行reg-ex匹配的方法。 不幸的是，一个快速的谷歌在基于流的reg-ex库方面并没有带来太多。 我猜想reg-ex算法需要进行大量的后向跟踪，而流不支持。

你绝对需要正则表达式的全部function吗？ 您是否可以实现自己更简单的搜索function，这些function可以在85kb以下的字符串链接列表上工作？

此外，如果长时间保持大对象引用，LOH碎片只会导致问题。 如果你不断创造和摧毁它们，那么LOH就不应该成长。

FWIW，我认为RedGate ANTS内存分析器非常擅长跟踪LOH中的对象和碎片级别。