高性能 Go 语言发行版优化与落地实践|青训营笔记

天影云光
1,034 阅读11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4篇笔记。

0. 前言

0.1 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，减少不必要消耗，充分发掘计算机算力

  • 为什么要做性能优化？

    • 提高用户体验
    • 资源高效利用：降低成本，提高效率——很小的优化乘上海量机器会显著提升性能提升和节约成本

0.2 性能优化的层面

image-20220514115024626

  • 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

0.3 性能优化与软件质量

image-20220514115445536

  • 软件质量
  • 保证接口稳定的前提下改进实现
  • 测试用例：覆盖尽可能多的场景，方便回归
  • 文档：告诉用户这一项优化做了什么，没做什么，能达到怎样的效果
  • 隔离：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

总结

  • 性能优化的基本问题
  • 性能优化的两个层面
  • 性能优化的可维护性

1. 自动内存管理

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

image-20220514132703985

  • Concurrently是什么意思?
  • Mutator threads指的是什么?接下来我们讲讲相关概念

1.1 自动内存管理-相关概念

  • 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，回收死亡对象的内存空间

img

  • Serial GC: 只有一个 collector

img

  • Parallel GC: 并行 GC，支持多个 collectors 同时回收的 GC 算法

img

  • Concurrent GC: 并发 GC，支持 mutator(s) 和 collector(s) 同时执行的 GC 算法

  • img

    • Collectors 必须感知对象指向关系的改变！

img

评价GC算法

  • 安全性(Safety):不能回收存活的对象 基本要求
  • 吞吐率(Throughput):1-{GC时间}/{程序执行总时间} （越大越好） 花在GC上的时间
  • 暂停时间(Pause time): stop the world (STW)（越短越好） 业务是否感知
  • 内存开销(Space overhead) （越小越好） GC元数据开销

1.2 追踪垃圾回收

被回收的条件：指针指向关系不可达的对象

过程

1️⃣标记根对象 (GC roots): 静态变量、全局变量、常量、线程栈等

2️⃣标记：找到所有可达对象

image-20220514134656691

3️⃣清理：回收所有不可达对象占据的内存空间

  • Copying GC: 将存活对象从一块内存空间复制到另外一块内存空间，原先的空间可以直接进行对象分配

img

  • Mark-sweep GC: 将死亡对象所在内存块标记为可分配，使用 free list 管理可分配的空间

img

  • Mark-compact GC: 将存活对象复制到同一块内存区域的开头，就地整理对象

img

根据对象的生命周期，使用不同的标记和清理策略

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
  • 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

image-20220514135529457

  • 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

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

  • image-20220514135841206（灰色的就能被清理掉了)

  • 优点

    • 内存管理的操作被平摊到程序运行中：指针传递的过程中进行引用计数的增减
    • 不需要了解 runtime 的细节：因为不需要标记 GC roots，因此不需要知道哪里是全局变量、线程栈等

  • 缺点

    • 维护引用计数开销大，因为对象可能会被多线程访问，对引用计数的修改需要原子操作保证原子性和可见性
    • 无法回收环形数据结构image-20220514140122163
    • 内存开销：每个对象都引入额外存储空间存储引用计数
    • 虽然引用计数的操作被平摊到程序运行过程中，但是回收大的数据结构依然可能引发暂停
    • image-20220514140232620

  • 说明

    • 以上我们所讲述的技术的缺点并非是无法解决的问题。学术界和工业界在一直在致力于解决自动内存管理技术的不足之处。例如，最新的 PLDI'22 的文章 Low-Latency, High-Throughput Garbage Collection 感兴趣的同学可以阅读。

总结：

  • 自动内存管理的背景和意义

  • 概念和评价方法

  • 追踪垃圾回收

  • 引用计数

  • 分代GC

  • 学术界和工业界在一直在致力于解决自动内存管理技术的不足之处

    • PLDI'22 Low-L _atency, High- Throughput Garbage Collection

2. Go 内存管理及优化

2.1 Go 内存分配-分块

  • TCMalloc: TC is short for thread caching

  • 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 8 KB，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
    • img

  • 对象分配：根据对象的大小，选择最合适的块返回

2.2 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。

  • 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

img

2.3 Go 内存管理优化

mspan, mcache 和 mcentral 构成了内存管理的多级缓存机制。

  • 对象分配是非常高频的操作：每秒分配 GB 级别的内存
  • 线上 profiling 发现，Go 的内存分配占用很多 CPU

img

可以看到，用于分配对象的函数 mallocgc() 占用 CPU 较高

  • 小对象分配占大多数

img

横轴是对象大小，纵轴是数目，可以看到绝大多数对象都小于 80 B。因此优化小对象分配是关键。

字节跳动的优化方案

  • Balanced GC
  • 核心：将 noscan 对象在 per-g allocation buffer (GAB) 上分配，并使用移动对象 GC 管理这部分内存，提高对象分配和回收效率

img

  • 每个 g 会附加一个较大的 allocation buffer (例如 1 KB) 用来分配小于 128 B 的 noscan 小对象
  • bump pointer 风格的对象分配。示意如下。
 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

2.4 Balanced GC

  • GAB对于Go内存管理来说是一个对象

  • 本质:将多个小对象的分配合并成一次达对象的分配

  • 问题: GAB的对象分配方式会导致内存被延迟释放

  • image-20220514172857198

  • 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的算法管理小对象

从 Go runtime 内存管理模块的角度看，一个 allocation buffer 其实是一个大对象。本质上 balanced GC 是将多次小对象的分配合并成一次大对象的分配。因此，当 GAB 中哪怕只有一个小对象存活时，Go runtime 也会认为整个大对象（即 GAB）存活。为此，balanced GC 会根据 GC 策略，将 GAB 中存活的对象移动到另外的 GAB 中，从而压缩并清理 GAB 的内存空间，原先的 GAB 空间由于不再有存活对象，可以全部释放，如下图所示。

img

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。

Balanced GC-性能收益

高峰期CPU usage降低4.6%，核心接口时延下降4.5%~7.7%

image-20220514173007136

总结：

  • Go内存管理一分块

  • Go内存管理一缓存

  • Go对象分配的性能问题

    • 分配路径过长
    • 小对象居多

  • Balanced GC

    • 指针碰撞风格的对象分配
    • 实现了copying GC
    • 性能收益

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

img

3.2 静态分析

  • 静态分析：不执行代码，推导程序的行为，分析程序的性质。
  • 控制流：程序的执行流程
  • 数据流：数据在控制流上的传递

img

上图的程序转换成控制流图 (control-flow graph)

img

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(properties) ，这些事实可以帮助我们做编译优化。

  • 例如上面的程序。我们通过分析数据流和控制流，知道这个程序始终返回 4。编译器可以根据这个结果做出优化。

img

3.3 过程内分析和过程间分析

  • Intra-procedural analysis: 过程内分析：仅在过程内部进行分析
  • Inter-procedural analysis: 过程间分析：考虑函数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i的具体类型，才能知道i.foo( )调用的是哪个foo( )
    • 根据i的具体类型，产生了新的控制流，i.foo( ) ,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
    • image-20220514175838344
    • 分析A.foo( ) ，还是B.foo( ) ?
    • image-20220514180052012

总结：

  • 编译器的结构与编译的流程

  • 编译器后端优化

  • 静态分析

    • 数据流分析和控制流分析
    • 过程内分析和过程间分析

4. Go 编译器优化

  • 目的

    • 用户无感知，重新编译即可获得性能收益
    • 通用的优化手段

  • 现状

    • 采用的优化较少
    • 追求编译时间短，因此没有进行复杂的代码分析和优化

  • 编译器优化的思路

    • 场景：面向后端长期执行的任务
    • Tradeoff：用适当增加编译时间换取更高性能的代码

  • 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

4.1 函数内联

  • 定义：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

    • 消除调用开销，例如传递参数、保存寄存器
    • 将过程间分析的问题转换为过程内分析，帮助其他分析，例如逃逸分析
    • image-20220514180851842
    • 小技巧：使用micro-benchmark 快速验证和对比性能优化结果

  • 缺点

    • 函数体变大
    • 编译生成的 Go 镜像文件变大
  • 函数内联在大多数情况下是正向优化，即多内联，会提升性能

  • 采取一定的策略决定是否内联

    • 调用和被调用函数的规模

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 镜像大小略有增加
    • 编译时间增加
    • 运行时栈扩展开销增加

逃逸分析

  • 定义：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 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：未逃逸出当前函数的指针指向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 即可完成内存的分配和回收；
    • 减少在堆上分配对象，降低 GC 负担。

Beast Mode-性能收益

image-20220514181929218

总结：

  • Go编译器优化的问题
  • Beast mode
  • 函数内联
  • 逃逸分析
  • 通过micro-benchmark快速验证性能优化
  • 性能收益

课程总结

  • 本节课程:高性能Go语言发行版优化与落地实践

  • 性能优化

    • 自动内存管理
    • Go内存管理
    • 编译器与静态分析
    • 编译器优化

  • 实践

    • Balanced GC优化对象分配
    • Beast mode提升代码性能

  • 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

\

avatar
文章
阅读
粉丝