考虑一个基于两个步骤的MPI应用程序，我们将其称为load和globalReduce。为了简单起见，软件被描述为如此，但是还有很多事情正在进行，因此它并不是纯粹的Map/Reduce问题。
在加载步骤中，每个给定节点中的所有等级都排队，因此只有一个等级可以完全访问该节点的所有内存。这种设计的原因是由于在加载阶段读取了一组大型IO块，并且都需要将它们全部加载到内存中才能进行本地还原。我们将这种局部归约的结果称为命名变量myRankVector。获得myRankVector变量后，将释放IO块。变量myRankVector本身使用的内存很少，因此，在创建节点期间，节点可以使用所有内存，完成后，等级仅需要使用2-3 GB的空间即可保存myRankVector。
在节点的globalReduce阶段，预计节点中的所有等级均已加载了相应的globalReduce。
所以这是我的问题，尽管我确保绝对没有任何内存泄漏(我使用共享指针编程，我使用Valgrind进行了两次检查，等等)，但是我很肯定即使释放了所有析构函数，堆仍然保持扩展状态IO块。当队列中的下一个队列开始工作时，它就像上一个队列一样开始请求大量内存，并且该程序当然会杀死Linux，并产生“内存不足:杀死进程xxx(xxxxxxxx)得分xxxx或牺牲 child ”。很明显为什么是这种情况，队列中的第二个等级要使用所有内存，而第一个等级仍然保留着大堆。
因此，在设置此问题的上下文之后:是否有一种方法可以手动减小C++中的堆大小以真正释放未使用的内存？
谢谢。
最佳答案
堆是在Linux上使用mmap来实现的，您将需要使用自己的堆，可以完全对其进行处置和munmap。munmap将释放所需的空间。
查看boost : pool中的代码以获取实现，该实现将允许您独立管理基础堆。
以我的经验，使用自定义分配器管理std容器非常困难，因为它们是类派生的，而不是实例派生的。