高质量Go语言发行版优化与落地实践 | 青训营笔记

用户545356065323
118 阅读10分钟

这是我参与「第三届青训营 -后端场」笔记创作活动的的第5篇笔记

1 追求极致性能

1.1 性能优化的基本问题

  • 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？
    • 用户体验：带来用户体验的提升 - 让刷抖音更丝滑，让双十一购物不再卡顿
    • 资源高效利用：降低成本，提高效率 - 很小的优化乘以海量机器会是显著的性能提升和成本节约

1.2 性能优化的两个层面

  • 性能优化的层面
    • 软件结构（从上层到下层）：业务代码、SDK、基础库、语言运行时、OS
    • 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
      • 比如使用性能分析工具pprof去发现业务代码冗余数据的产生，针对特定问题进行特定优化
    • 语言运行时优化：
      • 解决更通用的性能问题
      • 考虑更多场景
      • Tradeoffs
      • 比如对Go SDK进行优化，一些编译器的问题，还有一些生成代码的质量的问题
    • 使用数据驱动进行优化
      • 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

1.3 性能优化的可维护性

  • 性能优化与软件指令
    • 软件质量至关重要
    • 保证接口稳定的前提下改进实现，因为用户已经依赖之前存在接口的一些行为，做优化时应该考虑保持这些行为基本功能，加入新的接口时也应该考虑具体实现的功能和稳定性
    • 测试用例：覆盖尽可能多的场景，方便回归，确定优化没有什么问题，可以将之前的测试用例都跑一遍，基本通过了则优化基本没有什么问题
    • 文档：做了什么，没做什么，能达到怎样的效果，方便用户根据业务场景决定是否开启优化
    • 隔离，通过选项控制是否开启优化，没有开启优化时，和之前的代码行为保持一致
    • 可观测：必要的日志输出，告诉用户功能已经开启，给出一些数据给用户，观察优化收益

2 自动内存管理

2.1 背景

  • 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管理动态内存
    • 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

2.2 相关概念

  • Mutator: 业务线程，分配新对象，修改对象指向关系，比如启动的goroutine
  • Collector: GC 线程，找到存活对象，回收死亡对象的内存空间
  • 三种GC算法
    • Serial GC: 只有一个collector，多个Mutator运行，当需要进行GC操作时，暂停全部Mutator，用一个collector做GC操作，完成后恢复多个Mutator的执行
    • Parallel GC: 并行GC，支持多个collectors同时回收的GC算法，多个Mutator运行，当需要进行GC操作时，暂停全部Mutator，用多个collector做同步GC操作，完成后恢复多个Mutator的执行
    • Concurrent GC: 并发GC，支持mutator(s)和collector(s)同时执行的GC算法，多个Mutator运行，当需要进行GC操作时，不用显式地暂停全部Mutator，一边做GC操作一边Mutator继续执行，完成后将collector休眠
      • Collectors必须感知对象指向关系的改变 在这里插入图片描述 在这里插入图片描述
  • 评价GC算法
    • 安全性：不能回收存活的对象 基本要求
    • 吞吐率：1 - GC时间/程序执行总时间 花在GC上的时间
    • 暂停时间：stop the world(STW) 业务是否感知
    • 内存开销：GC元数据开销
  • 两种GC技术
    • 追踪垃圾回收
    • 引用计数

2.3 追踪垃圾回收

  • 对象被回收的条件：指针指向关系不可达的对象
  • 过程 在这里插入图片描述
    • 1.标记根对象
      • 静态变量、全局变量、常量、线程栈等
    • 2.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
    • 3.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） 在这里插入图片描述
      • 将死亡对象所在内存块标记为“可分配”（Mark-sweep GC），使用free list管理空闲内存 在这里插入图片描述
      • 移动并整理存活对象（Mark-compact GC），原地整理对象 在这里插入图片描述
    • 根据对象的生命周期，使用不同的标记和清理策略

2.4 分代GC（Generatioal GC）

  • 分代假说：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
    • 目的：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
    • 常规的对象分配
    • 由于存活对象很少，可以采用copying collection
    • GC吞吐量很高
  • 老年代
    • 对象趋向于一直活着，反复复制开销较大
    • 可以采用mark-sweep collection

2.5 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运行中
    • 内存管理不需要了解runtime的实现细节：C++ 智能指针
  • 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：每个对象都引入额外内存空间存储引用计数
    • 回收内存时依然可能引发暂停

3 Go内存管理及优化

3.1 Go内存分配

3.1.1 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4MB
    • 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
  • 对象分配：根据对象的大小，选择最合适的块返回 在这里插入图片描述

3.1.2 缓存

  • 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申请带有未分配块的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 在这里插入图片描述

3.2 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

3.3 字节跳动的优化方案：Balanced GC

  • 每个g都绑定一大块内存（1KB），称为goroutine allocation buffer（GAB）

  • GAB用于noscan类型的小对象分配：< 128B

  • 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 在这里插入图片描述

  • 分配对象时，根据对象大小移动top指针并返回，就可以完成一次对象分配

  • GAB对于Go内存管理来说是一个对象

  • 本质：将多次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，避免内存泄露
    • 本质：用copying GC的算法管理小对象

4 编译器和静态分析

4.1 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
    • 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 在这里插入图片描述

4.2 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：程序的执行流程
  • 据流：数据在控制流上的传递
  • 程序转换成控制流图： 在这里插入图片描述
  • 通过分析控制流和数据流，我们可以知道更多关于程序的性质
  • 根据这些性质优化代码

4.3 过程内分析和过程间分析

  • 过程内分析（Intra-procedural analysis）
    • 仅在函数内部进行分析
  • 过程间分析（Inter-procedural analysis）
    • 考虑函数调用时参数传递和返回值的数据流和控制流

5 Go 编译器优化

  • 为什么做编译器优化
    • 用户无感知，重新编译即可获得性能收益
    • 通用性优化
  • 现状
    • 采用的优化较少
    • 编译时间较短，没有进行复杂的代码分析和优化
  • 编译优化的思路
    • 场景：面向后端长期执行的任务
    • 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
    • 默认栈大小调整
    • 边界检查消除
    • 循环展开

5.1 函数内联（Inlining）

  • 内联：将被调用函数的函数体的副本替换到调用位置上，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
    • 将过程间分析转换为过程内分析，帮助其他优化，例如逃逸分析
  • 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
    • 调用和被调用函数的规模

5.2 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：分析代码中指针的动态作用域，即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上分配对象，降低GC负担。

6 个人思考

Go语言程序运行时优化可以从业务层优化和语言运行时优化两个方面入手，Go语言中存在自动内存管理的优化机制，通过追踪垃圾回收、引用计数这两种垃圾回收技术进行实现。内存管理的优化方面，分配时可以采用分块和缓存，优化时可以使用Balanced GC方案，使用GAB进行内存管理的优化。编译器优化方面了，可以使用静态分析、函数内联、Beast Mode方案等方式进行优化。

avatar
文章
阅读
粉丝