.NET 程序在 Mono 环境之下的内存分配和在 Microsoft .NET Framework 环境是不太相同的，虽然它们的兼容性很高，但仍有区别。尤其是在 GC 方面，Mono 的 GC 实现似乎仍有不足（在 3.0.6 版本下），据我观察，有一些大对象（估计是二代对象，譬如很大的 byte[] 数组）的释放仍然有些问题。下面就以 TCP 服务器端程序为例。

场景

假设在服务器端有这样的语句，用来备份 SQLite 数据库文件：

private void BackupDB(string dest)
{
    byte[] content = getAllContent(this.DBFile);
    File.WriteAllBytes(dest, Zip.Compress(content));
    content = null;
}

private byte[] getAllContent(string path)
{
    try
    {
        byte[] b;
        using (FileStream fs = new FileStream(path, FileMode.Open, FileAccess.Read, FileShare.ReadWrite))
        {
            b = new byte[fs.Length];
            fs.Read(b, 0, b.Length);
        }
        return b;
    }
    catch
    {
        throw new Exception("数据库正在读写，请稍后再备份。");
    }
}

备份数据库需要读取整个数据库。这段代码直接将整个数据库的本地文件镜像读出，并放在了一个 Byte[] 数组之中，作为 getAllContent 函数的返回值。在读取之后， getAllContent 方法的 b 中存储了大量的字节。另外，在 BackupDB 函数中，使用 Zip.Compress 函数压缩数据库后，也会返回一个较大的 byte[] 数组。

经过测试，这段代码在 Windows 的 .NET Framework 平台下工作没有问题。因为这些大对象可以几乎在使用后即刻被销毁。但是，在 Mono 下，即使在代码的最后显式调用 GC.Collect() 方法进行全代垃圾回收，也无法减少内存。

使用 Profiler 跟踪内存分配和垃圾回收

虽然我们可能不知道原因出在哪里，但是我们可以通过 Mono 自带的工具来跟踪内存分配。这里用到的工具是 Profiler，这个工具只支持 Mono 2.9+，如果你使用的发行版过于稳定，可能需要安装测试版本的 Mono 或手工编译安装 Mono 才可以使用这个工具。

Profiler 特别像在 Visual Studio 中的「性能分析」工具。它们的原理也大同小异。它们都是通过运行时采样和日志，来跟踪程序运行的状态。

具体来说，Profiler 会在托管程序运行时记录这些内容：

方法进入和退出
对象分配
垃圾回收
JIT 编译
元数据加载
锁上下文
异常

另外，它还提供了堆快照的功能，可以在你的程序进行过一次垃圾回收之后，记录下目前托管堆的情况。

使用 Profile 日志

要使用 Profiler 进行分析，首先要以附加参数启动 Mono 代码：

mono –profile=log program.exe

在程序运行结束后，在当前目录下会生成一个 output.mlpd 文件。这个文件稍后可以被用来做性能分析。在程序运行结束之后，输入命令

mprof-report output.mlpd

会生成分析报告。

你也可以使用一些参数，常用参数有

mono –profile=log:report program.exe

这样可以不保留日志，而是直接产生分析报告，有时候这可能很有用，因为日志文件实在是太大了。

mono –profile=log:noalloc program.exe

noalloc 会导致日志中不记录分配情况。

mono –profile=log:nocalls program.exe

nocalls 不记录调用方法。如果不使用 nocalls，要预留足够大的硬盘空间。在我的实验中，几分钟产生了 500MB 甚至 2GB 的数据（即使取消一些日志，文件仍然很大）。

mono –gc=sgen –profile=log:heapshot program.exe

这可以记录托管堆的快照。

mono –profile=log:sample program.exe

CPU 采样，和 .NET 自带的特别像，通过一般不超过 10% 的性能损耗，在运行时动态采样，以便获取关于 CPU 时间消耗在什么运算中的第一手资料。

分析日志

现在我们开始分析日志，输入命令

mprof-report output.mlpd

即可看到结果。

详细的 Mono Profiler 使用方法请参考它的官方文档。

两处优化

使用 Stream 代替 byte[]

如果可能，在操作大量 byte[] 数据的地方，考虑使用 Stream 对象。比如，如果你使用 FileStream 操作大文件，你将不需要将文件性一次读入内存。进行此项优化成功节约了 20% 的内存。但是要注意：

确保 Stream 的回收，尽可能使用 using 关键字来管理 Stream 的释放
如果你使用的是 MemoryStream，其内部实现其实是一个动态变长的 byte[] 数组，当它增长到最大的时候，文件仍然是完全放在了内存之中。
最重要的是，你对数据的处理必须是流式的，如果你只是把 FileStream 分块读入到一个 byte[]，DataTable，MemoryStream 等中并作为参数进行某种操作（比如压缩，如上述代码中的 Zip.Compress(byte[] 对象)），那么你仍然无法节约内存。你必须确保你对流的操作是分块流式进行的。

压缩是典型的非流式操作，因为压缩算法几乎都是基于上下文的，而不只是当前位置。

使用外部命令代替大内存操作

编写另外一个可执行文件，这个文件不能是 dll，so 等模块，保证其内存空间的独立，然后将耗费内存的操作放在这个程序中，将数据的位置作为参数。好处是这个程序处完数据会退出，所有资源得到了充分的释放。

为什么不使用 GC.Collect()

GC.Collect() 进行全代垃圾回收，暂停所有线程的运行，而且资源消耗大，对于对速度要求高的程序（比如服务器端程序）不太合适
GC 未必可以正确的回收所有垃圾（如本文代码在 Mono 环境下就无法正常回收）
外置程序可以在多核计算机中和原服务器中并行执行，因为数据处理很多时候是高 IO 操作，不会卡住服务器程序，逻辑简单性能又高

通过弱引用（WeekReference）管理缓存

这并不是标准库推荐的做法，但是如果你想简单的防止程序缓存占用过多的资源，可以使用它。详细介绍可以移步 MSDN。

题外话：我帮你整理了包括 AI 写作、绘画、视频（自媒体制作）零门槛 AI 课程 + 国内可直接顺畅使用的软件。想让自己快速用上 AI 工具来降本增效，辅助工作和生活？限时报名。

场景