C语言中只读内存与堆内存占用对比及大文件场景疑问

我们定义如下NODE结构体：

typedef struct tNODE {
    struct tNODE* parent;
    char* inner_text;
}NODE;

存在两种inner_text的初始化方式：

1. 只读内存初始化：

NODE* temp = new_node(parent);
temp->inner_text = "something";

2. 堆内存初始化：

NODE* temp = new_node(parent);
temp->inner_text = strdup("something");

我正在解析一个超过3GB的大型XML文件，通过Valgrind发现使用只读内存初始化时，堆总占用比堆内存初始化更低。请问：

• 该现象是否始终成立？
• 原因是什么？
• 处理大文件时是否需要考虑这一点？

问题解答 #

1. 该现象是否始终成立？ #

是，只要两种方式处理的是相同的文本内容，只读内存初始化的堆占用必然更低。

2. 原因分析 #

• 只读内存初始化里的"something"是字符串字面量，它存储在程序的只读数据段（.rodata），不属于堆内存范畴，堆里仅需存储NODE结构体本身的内存。
• 堆内存初始化使用strdup时，该函数会调用malloc在堆上分配一块内存，再将字符串字面量的内容复制进去。此时堆中不仅有NODE结构体，还要加上复制后的字符串内存，堆占用自然更高。
• 若XML中存在大量重复文本，只读内存方式还能自动复用同一个字符串字面量的内存（编译器会自动合并相同的字符串字面量），进一步降低内存开销；而堆内存方式每次调用strdup都会分配新的堆内存，重复内容会造成大量冗余。

3. 处理大文件时是否需要考虑这一点？ #

非常有必要，尤其是处理3GB这种超大型XML文件：

• 直接降低堆内存占用，减少内存溢出风险，避免程序因内存不足崩溃。
• 减少堆内存分配和释放的次数，降低内存碎片产生的概率，提升程序运行效率，减少内存管理的开销。
• 但要注意前提：如果解析过程中需要修改inner_text的内容，就不能用只读内存方式——字符串字面量是只读的，修改会触发未定义行为。只有当inner_text全程作为只读数据使用时，这种方式才安全可行。

内容的提问来源于stack exchange，提问作者Ali