高质量Go语言发行版优化与落地实践|青训营笔记

思路归
342 阅读10分钟

这是我参与「第三届青训营 -后端场」笔记创作活动的第4篇笔记

课前预习：【Go 语言原理与实践学习资料（下）】第三届字节跳动青训营-后端专场 - 掘金 (juejin.cn)

性能优化是什么

提升软件系统处理能力，减少不必要的消耗，充分发掘计算机算力

为什么要做性能优化?

提升用户体验 资源高效利用，降低成本，提高效率

性能优化的层面

  • 业务层优化
    • 针对特定场景，具体问题，具体分析
    • 容易获得较大性能收益
  • 语言运行时优化
    • 解决更通用的性能问题
    • 考虑更多场景
    • Tradeoffs
  • 数据驱动
    • 自动化性能分析工具-pprof
    • 依靠数据而非猜测
    • 首先优化最大瓶颈

性能优化与软件质量

  • 软件质量至关重要
  • 在保证接口稳定的前提下改进具体实现 image.png
  • 测试用例：覆盖尽可能多的场景，方便回归
  • 文档：做了什么，没做什么，能达到怎样的效果
  • 隔离：通过选项控制是否开启优化，优化代码用选项和原先的路径隔离，保证优化未启用时的行为同以前一致
  • 可观测、可灰度、可回滚：必要的日志输出

1 自动内存管理

相关概念：

  • 动态内存
    • 程序在运行时根据需求动态分配的内存：malloc()
  • 自动内存管理(垃圾回收) ：由程序语言的运行时系统回收动态内存
    • 避免手动内存管理，专注于实现业务逻辑
    • 保证内存使用的正确性和安全性: double-free problem, use -after free problem
  • 三个任务
    • 为新对象分配空间
    • 找到存活对象
    • 回收死亡:对象的内存空间 术语概念：
  • Auto memory management：自动内存管理
  • Grabage collction：垃圾回收 （GC）
  • Mutator：业务线程，分配新对象，修改对象指向关系
  • Collector：GC线程，找到存活对象，回收死亡对象空间
  • Serial GC：只有一个collector
  • Parallel GC：并行GC，支持多个collectors同时回收的GC算法
  • Concurrent GC：并发GC，mutator(s)和collector(s)可以同时执行 Collectors必须感知对象指向关系的改变
  • 评价GC算法
    • 安全性(Safety)：不能回收存活的对象
    • GC时间
    • 吞吐率(Throughput)：1−GC时间/程序执行总时间1-GC时间/程序执行总时间
    • 暂停时间(Pause time)：stop the world (STW)-业务是否感知
    • 内存开销(Space overhead) - GC元数据开销
  • 追踪垃圾回收(Tracing garbage collection)
  • 引用计数(Reference counting)
  • 对象被回收的条件：指针指向关系不可达的对象
  • 标记根对象
    • 静态变量、全局变量、常量、线程栈等
  • 标记:找到可达对象
    • 求指针指向关系的传递闭包：从根对象出发，找到所有可达对象
  • 清理:所有不可达对象
    • 将存活对象复制到另外的内存空间(Copying GC)
    • 将死亡对象的内存标记为“可分配”(Mark sweep GC)
    • 移动并整理存活对象(Mark-compact GC)
  • 根据对象的生命周期，使用不同的标记和清理策略
  • Copying GC：将对象复制到另外的内存空间

image.png

  • Mark-sweep GC：使用free list管理空闲内存

image.png

  • Compact GC：原地整理对象

image.png

1.3分代GC (Generational GC)

  • 分代假说(Generational hypothesis)：most objects die young
  • Intuition：很多对象在分配出来后很快就不再使用了
  • 每个对象都有年龄：经历过GC的次数
  • Young Generation
  • 目的：针对年轻和老年的对象，制定不同的GC策略，降低整体内存管理的开销
  • 不同年龄的对象处于heap的不同区域
  • 年轻代(Young generation)
    • 常规的对象分配
    • 由于存活对象很少，可以采用copying collection
    • GC吞吐率很高
  • 老年代(Old generation)
    • 对象趋向于一直活着，反复复制开销较大
    • 可以采用mark-sweep collection （生存周期长的就不要动他，生存周期短的就可以移动）

1.4引用计数

  • 每个对象都有一个与之关联的引用数目
  • 对象存活的条件：当且仅当引用数大于0
  • 优点
    • 内存管理的操作被平摊到程序执行过程中
    • 内存管理不需要了解runtime的实现细节：C++智能指针(smart pointer)
  • 缺点
    • 维护引用计数的开销较大：通过原子操作保证对引用计数操作的原子性和可见性
    • 无法回收环形数据结构-weak reference
    • 内存开销：每个对象都引入的额外内存空间存储引用数目
    • 回收内存时依然可能引发暂停

2 Go内存管理及优化

Go内存分配-分块

  • 目标：为对象在heap上分配内存
  • 提前将内存分块
    • 调用系统调用mmap()向OS申请一大块内存，例如4 MB
    • 先将内存划分成大块，例如8KB，称作mspan
    • 再将大块继续划分成特定大小的小块，用于对象分配
    • noscan mspan：分配不包含指针的对象-GC 不需要扫描
    • scan mspan：分配包含指针的对象-GC 需要扫描 image.png
  • 对象分配：根据对象的大小，选择最合适的块返回

Go内存分配-缓存

  • Go内存管理构成了多级缓存机制，从OS分配得的内存被内存管理回收后，也不会立刻归还给OS，而是在Go runtime内部先缓存起来，从而避免频繁向OS申请内存。内存分配的路线图如下： image.png
  • TCMalloc：thread caching
  • 每个p包含一个mcache用于快速分配，用于为绑定于p上的g分配对象
  • mcache管理一组mspan
  • 当mcache中的mspan分配完毕，向mcentral申请带有末分配块的mspan
  • 当mspan中没有分配的对象，mspan 会被缓存在mcentral中，而不是立刻释放并归还给OS。

2.2 Go内存管理优化

  • 对象分配是非常高频的操作：每秒分配GB级别的内存
  • 小对象占比较高
  • Go内存分配比较耗时
    • 分配路径长： g -> m -> p -> mcache -> mspan -> memory block -> return pointer
    • pprof：对象分配的函数是最频繁调用的函数之一

2.3字节的优化方案: Balanced GC

  • 每个g都绑定一大块内存(1KB)，称作goroutine allocation buffer (GAB)
  • GAB用于noscan类型的小对象分配：< 128 B
  • 使用三个指针维护GAB：base, end, top
  • Bump pointer (指针碰撞)风格对象分配
    • 无须和其他分配请求互斥
    • 分配动作简单高效 image.png
if g.ab.end - g.ab.top < size { 
// Allocate a new allocation buffer 
} 
addr := g.ab.top 
g.ab.top += size 
return addr
  • 分配对象时，根据对象大小移动 top 指针并返回，快速完成一次对象分配。
  • 同原先调用 mallocgc() 进行对象分配的方式相比，balanced GC 缩短了对象分配的路径，减少了对象分配执行的指令数目，降低 CPU 使用。
  • GAB对于Go内存管理来说是一个大对象
  • 本质：将多个小对象的分配合并成一次大对象的分配
  • 问题：GAB的对象分配方式会导致内存被延迟释放
  • 方案：移动GAB中存活的对象
    • 当GAB总大小超过一定阈值时，将GAB中存活的对象复制到另外分配的GAB中
    • 原先的GAB可以释放，避免内存泄漏
    • 本质：用copying GC的算法理小对象 --》根据对象的生命周期，使用不同的标记和清理策略

image.png

  • 上图上方是两个GAB，其中虚线表示GAB中对象的分界线。黑色表示GAB中存活的对象，白色表示死掉的对象。由于GAB中有存活对象，整个GAB无法被回收。
  • Balanced GC会将GAB中存活的对象移动到下面的 GAB 中，这样原先的两个GABs就可以被释放，压缩并清理 GAB 的内存空间。
  • Balanced GC 只负责 noscan 对象的分配和移动，对象的标记和回收依然依赖Go GC本身，并和Go GC保持兼容。

3编译器和静态分析

3.1编译器的结构

  • 重要的系统软件
    • 识别符合语法和非法的程序
    • 生成正确且高效的代码
  • 分析部分(前端front end)
    • 词法分析，生成词素(lexeme)
    • 语法分析，生成语法树
    • 语义分析，收集类型信息，进行语义检查
    • 中间代码生成，生成intermediate representation (IR)
  • 综合部分(后端 back end)
    • 代码优化，机器无关优化，生成优化后的IR
    • 代码生成，生成目标代码 image.png

3.2静态分析

  • 静态分析：不执行程序代码，推导程序的行为，分析程序的性质。
  • 控制流(Control flow)：程序执行的流程
  • 数据流(Data flow)：数据在控制流上的传递

3.3过程内分析和过程间分析

  • 过程内分析(Intra-procedural analysis)
    • 仅在过程内部进行分析
  • 过程间分析(Inter- procedural analysis)
    • 考虑过程调用时参数传递和返回值的数据流和控制流
  • 为什么过程间分析是个问题?
    • 需要通过数据流分析得知对象的具体类型，才能知道对象调用的是哪个foo()
    • 根据对象的具体类型，产生了新的控制流，分析继续
    • 过程间分析需要同时分析控制流和数据流-联合求解，比较复杂

4 Go编译器优化

  • 编译优化的思路
    • 场景：面向后端长期执行任务
    • Tradeoff：用编译时间换取更高效的机器码
  • Beast mode
    • 函数内联
    • 逃逸分析

4.1函数内联（Inlining）

  • 内联：将被调用函数的函数体(callee) 的副本替换到调用位置(caller)上，同时重写代码以反映参数的绑定
  • 优点
    • 消除函数调用开销，例如传递参数、保存寄存器等
    • 将过程间分析转化为过程内分析，帮助其他优化，例如逃逸分析 （可以使用micro-benchmark验证函数内联能多大程度影响性能）
  • 缺点
    • 函数体变大，instruction cache (icache)不友好
    • 编译生成的Go镜像变大
  • 函数内联在大多数情况下是正向优化
  • 内联策略
    • 调用和被调函数的规模 4.2 Beast Mode
  • Go函数内联受到的限制较多
    • 语言特性，例如interface，defer等，限制了函数内联
    • 内联策略非常保守
  • Beast mode：调整函数内联的策略，使更多函数被内联
    • 降低函数调用的开销
    • 增加了其他优化的机会:逃逸分析
  • 开销
    • Go镜像增加~10%
    • 编译时间增加 逃逸分析
  • 逃逸分析：分析代码中指针的动态作用域：指针在何处可以被访问
  • 大致思路
    • 从对象分配处出发，沿着控制流，观察对象的数据流
    • 若发现指针p在当前作用域s：
      • 作为参数传递给其他函数
      • 传递给全局变量
      • 传递给其他的goroutine
      • 传递给已逃逸的指针指向的对象
    • 则指针p指向的对象逃逸出s，反之则没有逃逸出s
  • Beast mode：函数内联拓展了函数边界，更多对象不逃逸
  • 优化：未逃逸的对象可以在栈上分配
    • 对象在栈上分配和回收很快：移动sp
    • 减少在heap上的分配，降低GC负担 （分析问题的方法与解决问题的思路，不仅适用于Go语言，其他语言的优化也同样适用）

——THE END——

avatar
文章
阅读
粉丝