Cocos2d-x 3.x：如何进行合理的内存分配(使用AutoreleasePool 来合理的管理内存)
本文转载至深入理解Cocos2d-x 3.x：如何进行合理的内存分配
设想如下场景，这是一个典型的内存合理分配的场景：在一帧内，有若干个函数，每个函数都会创建一系列的精灵，每个精灵都不同，都会占用一定的内存，精灵的总数可能会有1000个，而一个函数只会创建10个精灵这样，创建的精灵只会在这个函数中使用，大致代码如下：
|
1
2
3
4
5
|
for(int i = 0; i < 10; i++) { Sprite* s = Sprite::create(); //-- doSomething -- } |
这样做会造成内存泄露吗？
答案是当然不会，但是这样会造成一帧内的内存峰值过高，因为在引擎的自动内存管理中，所有的释放内存操作都是在每一帧的结束才会进行的，所以就算申请的内存在这一帧中不会有其他地方会使用，它的内存也不会随着作用域的结束而释放的。
那么我们应该如何优化这段代码呢？如下
|
1
2
3
4
5
6
|
AutoreleasePool pool; for (int i = 0; i < 10; i++) { Sprite* s = Sprite::create(); //-- doSomething -- } |
只需要在函数的第一句加上
|
1
|
AutoreleasePool pool; |
就可以实现在函数结束的时候自动将create的指针释放了，那么为什么会有那么神奇的效果呢？我们来分析一下这个函数的构造函数以及析构函数，首先分析一下构造函数：
|
1
2
3
4
5
6
|
AutoreleasePool::AutoreleasePool() : _name("") { _managedObjectArray.reserve(150); PoolManager::getInstance()->push(this); } |
他向PoolManager的单例中push了自己，我们进入push中看看它的具体实现
|
1
2
3
4
|
void PoolManager::push(AutoreleasePool *pool) { _releasePoolStack.push_back(pool); } |
直接向_releasePoolStack栈中压入了this，那这个将会起到什么效果呢？这就不得不说一下autorelease的实现了，众所周知，create函数的内存自动管理机制依赖于autorelease函数，那么autorelease函数是干嘛用的呢：
|
1
2
3
4
5
|
Ref* Ref::autorelease() { PoolManager::getInstance()->getCurrentPool()->addObject(this); return this; } |
向某个Pool池添加对象，那么getCurrentPool获取的是那个内存管理池呢？
|
1
2
3
4
|
AutoreleasePool* PoolManager::getCurrentPool() const { return _releasePoolStack.back(); } |
就是最后我们通过push添加进来的那个池子，所以每创建一个AutoreleasePool 对象，都会压入PoolManager中。然后后续的autorelease操作是将对象加入到最新创建的AutoreleasePool 对象中。
那么最终要通过什么途径让函数在函数结束的时候自动释放内存呢？我们知道，作用域结束的时候，会调用普通对象的析构函数，那么就来看看AutoreleasePool 的析构函数执行了什么吧
|
1
2
3
4
5
|
AutoreleasePool::~AutoreleasePool() { clear(); PoolManager::getInstance()->pop(); } |
第一个是clear函数，这是一个非常关键的函数，我们跟踪进去
|
1
2
3
4
5
6
7
8
|
void AutoreleasePool::clear() { for (const auto &obj : _managedObjectArray) { obj->release(); } _managedObjectArray.clear(); } |
它会将所有addObject的对象全部执行一次release操作。这样就可以实现在函数结束的时候自动释放内存了。
|
1
|
PoolManager::getInstance()->pop(); |
这一行代码主要是从PoolManager中将当前AutoreleasePool 对象弹出栈（因为当前对象已经析构了）
上述就是通过使用AutoreleasePool 来合理的管理内存了。