🔴 故障诊断报告 — Heap Malloc Leak (PID 1245)

报告编号：RCA-20260604-001
故障级别：P1（高）
报告时间：2026-06-04 02:09 UTC
报告生成 Agent：Baize (witty-diagnosis-agent)
当前状态：🟢 已恢复（进程已退出，OS 已回收泄漏内存）

一、故障概览

置信度说明

二、根因速览

根本原因：fault_heap_leak 进程在 60 秒内以 5 MB/s 的速率循环 malloc() 分配堆内存，且完全不调用 free()，导致 heap 段 VmData 持续线性增长，最终累计泄漏 300 MB。诊断窗口（8 s）内 VmData 从 118 MB 增长至 159 MB，增速与程序参数 5 MB/s 完全吻合。

事故时间线与故障传导链路

时间                          事件                                           性质          溯源路径
────────────────────────────────────────────────────────────────────────────────────────────────────────────────────
2026-06-04 02:08:00           fault_heap_leak 启动，PID=1245, 5 MB/s 开始分配    📈 触发      [/tmp/fault_heap_leak 5 60]
  │
  ▼
2026-06-04 02:08:02           VmRSS=119 MB, VmData=118 MB                      ⚠️ 初始状态   [rss_trend.csv]
  │
  ▼
2026-06-04 02:08:04           VmRSS=129 MB, VmData=128 MB                      🟡 增长中     [rss_trend.csv]
  │
  ▼
2026-06-04 02:08:06           VmRSS=139 MB, VmData=138 MB                      🟡 增长中     [rss_trend.csv]
  │
  ▼
2026-06-04 02:08:08           VmRSS=149 MB, VmData=148 MB                      🟡 增长中     [rss_trend.csv]
  │
  ▼
2026-06-04 02:08:10           VmRSS=160 MB, VmData=159 MB                      🔴 持续泄漏   [rss_trend.csv]
  │                             累计 5 MB/s × 10 s = 50 MB 新分配
  ▼
2026-06-04 02:09:00           进程退出前日志: "[60] Leaked 5 MB (total ~300 MB)"  🔴 峰值       [heap_leak.log]
  │                             累计泄漏 300 MB / 60 s
  ▼
2026-06-04 02:09:00+          进程退出 → OS 回收全部堆内存                       🟢 已恢复

故障因果链

fault_heap_leak 启动 (5 MB/s)
    └─► while(秒数 < 60) { malloc(5MB); /* 不free */ }
            └─► heap 段 VmData 以 5 MB/s 线性增长
                    └─► VmRSS 从 119 MB → 449 MB+（60s 累计）
                            └─► 进程退出前累计泄漏 300 MB
                                    └─► 进程退出 → OS 回收 ✅

三、排查过程

3.1 初始现象

• 观测指标：PID 1245 的 VmRSS 在 8 秒内从 119 MB 增长至 160 MB（+34.4%）
• 诊断脚本：bash diagnose_rss_growth.sh -p 1245 -i 2 -c 5（分支 A）
• 可疑特征：VmData 同步增长，[heap] 段为主增长区域

3.2 假设驱动排查

假设 A1：Heap 段内存泄漏 ✅ 确认根因

🧪 假设：malloc 分配内存后未调用 free，导致 heap 段持续膨胀

✅ 结论：Heap 段以 5 MB/s 线性增长，总计 300 MB，源代码确认无 free()。

假设 A2：匿名映射泄漏 ❌ 排除

假设 A3：线程栈泄漏 ❌ 排除

假设 A4：文件描述符泄漏 ❌ 排除

假设 A5：共享内存泄漏 ❌ 排除

3.3 排查结论与逻辑树

PID 1245 VmRSS 持续增长
├─► 假设 A2: 匿名映射泄漏       → ❌ 排除 (smaps: 匿名页集中于 [heap])
├─► 假设 A3: 线程栈泄漏         → ❌ 排除 (Threads=1 单线程)
├─► 假设 A4: 文件描述符泄漏     → ❌ 排除 (fd=3 稳定)
├─► 假设 A5: 共享内存泄漏       → ❌ 排除 (/dev/shm 无增长)
└─► 假设 A1: Heap 段泄漏        → ✅ 确认 (log: 末释放, pmap: [anon] 158MB, rss +5MB/s)
        └─► 🎯 根因: malloc 无配对 free

四、关键证据

五、反事实验证

三条全 ✅ → 根因确认 🟢

六、排除的替代假设

七、修复建议

应急处置

1. 无需操作：故障进程已退出，泄漏内存已由 OS 回收
2. 生产环境：若发现类似进程内存持续增长，可直接 kill -9 <pid> 终止异常进程，由 OS 回收

永久修复

1. 代码修复：在 fault_heap_leak.c 的循环体末尾添加 free(p)，确保每次 malloc 后配对 free
   c

   // Before (leak):
   char *p = (char *)malloc(MB * 1024 * 1024);
   // 处理 p... 但从不 free
   
   // After (fixed):
   char *p = (char *)malloc(MB * 1024 * 1024);
   // 处理 p...
   free(p);  // 关键修复

2. 最佳实践：所有 malloc/calloc/realloc 返回值必须配对 free，建议使用 RAII 封装
3. 集成检测工具：CI 中加入 valgrind 检测
   bash

   valgrind --tool=memcheck --leak-check=full --show-leak-kinds=all ./fault_heap_leak 1 5

预防措施

1. 添加进程级 RSS 监控告警：VmRSS 增速超过阈值（如 1 MB/s）时自动触发诊断
2. 使用 AddressSanitizer 编译：
   bash

   gcc -fsanitize=address -g -o fault_heap_leak fault_heap_leak.c

3. 代码审查规则：所有动态内存分配须有明确的释放策略

八、附件

• 诊断报告源：PID_1245_heap_leak/diagnosis_report.md
• 进程日志：PID_1245_heap_leak/heap_leak.log
• RSS 趋势数据：PID_1245_heap_leak/rss_trend_pid1245.csv
• 进程内存基线：PID_1245_heap_leak/proc_status_base.txt
• 内存映射 TOP：PID_1245_heap_leak/pmap_top.txt
• 匿名页分析：PID_1245_heap_leak/heap_anon.txt
• 诊断采集脚本：diagnose_rss_growth.sh -p 1245 -i 2 -c 5
• 技能参考：memory-leak-diagnosis → 分支 A1/C1