prapin
2020-11-28 16:58:44
内存泄漏是我们开发人员绝对不希望发生的事情，应该在出现时予以修复。
但是，内存泄漏在实践中并不一定是问题。除非OS内核本身存在错误或内存泄漏，否则某些错误软件中发生的所有泄漏内存将在程序终止时自动释放。因此，内存泄漏的严重性实际上取决于实际数字：
- 平均内存泄漏率是多少（以字节/秒为单位）？
- 预期的程序寿命是多少秒（以秒为单位）？
- 系统上有多少可用内存？
例如，除非你对此文件进行配置，否则一个小实用程序每秒泄漏1 KB的内存仅在1秒内在32 GB的计算机上运行，则完全不会引起注意。但是，如果该实用程序是生产服务器上的永久守护程序，则将成为一个问题：分配的内存量每天将增加86 MB，并且在正常运行时间一年后，该守护程序将泄漏31.5 GB，与系统内存。
但是即使在后一种情况下，系统也可能会继续平稳运行，因为所有泄漏的内存很可能会永久地交换到磁盘上，因为当丢失指向它的指针时无法再访问泄漏的内存。
编写良好的软件而不会发生任何内存泄漏，可以很好地为其分配GB的内存。这比初学者编写的完全天真的程序要消耗的内存要多得多，后者会泄漏掉全部的几千字节。
所以我的结论是，这取决于。尽管通常应避免，但大多数时候用户程序中的内存泄漏都不是问题。在OS内核和守护程序软件中，它们通常很关键。
热门帖子
热门github
1
2
4
The Python Risk Identification Tool for generative AI (PyRIT) is an open access automation framework to empower security professionals and machine learning engineers to proactively find risks in their generative AI systems.
(翻译：用于生成式 AI 的 Python 风险识别工具 (PyRIT) 是一个开放式访问自动化框架，使安全专业人员和机器学习工程师能够主动发现其生成式 AI 系统中的风险。)
5
7
8
9
Mamba is a new state space model architecture showing promising performance on information-dense data such as language modeling, where previous subquadratic models fall short of Transformers. It is based on the line of progress on structured state space models, with an efficient hardware-aware design and implementation in the spirit of FlashAttention.
(翻译：Mamba 是一种新的状态空间模型架构，在信息密集型数据（例如语言建模）上显示出良好的性能，而之前的二次模型在 Transformers 方面存在不足。它基于结构化状态空间模型的进展，并本着FlashAttention的精神进行高效的硬件感知设计和实现。)
10
11
13
赞赏澄清。我正在寻找具有相关背景信息的类似内容。