第四次课：高性能 Go 语言发行版优化与落地实践-课程笔记 | 青训营笔记

天亦哥哥
1,197 阅读9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2篇笔记。

性能优化

  • 业务代码：直接处理用户的请求

  • SDK代码、基础库：提供了一些抽象的逻辑，如数据结构、网络库、IO库等

  • 语言运行时：提供语言的一些实现，如gc,调度器等 os：提供一个隔离的运行时环境

优化方式：
  • 业务层优化：
    • 针对特定场景、具体问题
    • 容易获得较大的性能受益
  • 语言运行时优化
    • 解决更通用的性能(内存分配问题，编译器生成代码质量的问题)
    • 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
GoSDK:
  • 接口
    • Commands
    • APIs
    • New APIs：做性能优化提供的一些新API
  • 实现
    • Compiler
    • Schedule
    • GC
    • Runtime
    • Libs
    • Profiling
优化要求：
  • 在保证接口稳定的前提下改进具体实现
  • 测试用例：覆盖尽可能多的场景，方便回归，以测试驱动优化
  • 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
  • 可观测：必要的日志输出

01. 自动内存管理

1.1 基本概念

  • 动态内存：程序运行时根据需求分配的内存：malloc()
  • 自动内存管理（垃圾回收）：由程序语言运行时系统管理动态内存
    • 避免手动管理内存，专注于实现业务逻辑
    • 保证正确性和安全性
  • 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

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
  • Serial GC：暂停mutator执行GC，只有一个collector
  • Parallel GC：支持多个collectors同时回收的GC算法，依然支持暂停
  • Concurrent GC：mutators和collector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：不能回收存活对象 基本要求
  • 吞吐率：1−GC时间程序执行总时间1-\frac{GC时间}{程序执行总时间} 花在GC上的时间越少越好
  • 暂停时间：stop the world 业务是否感知，时间越短越好
  • 内存开销：越小越好 GC元数据开销

1.2 追踪垃圾回收

  • 对象被回收的条件：指针指向关系不可达

步骤：

  • 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
  • 清理所有不可达变量 三种方法
    • 将存活对象复制到另外的内存空间，剩下的内存空间进行对象分配（Copying GC）
    • 将死亡对象的内存标记为‘可分配’（Mark-sweep GC，标记清理GC)，用一个freelist将死亡对象内存空间管理起来，在freelist中进行内存分配
    • 移动并整理存货对象(Mark-compact GC)，原地整理对象，将存货的对象进行压缩，存放在内存最开始的地方，剩下的空间进行分配
      • Copying GC用了一个额外的空间整理对象，而Mark-compact GC则是在原地进行整理
    • 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：大多数对象很快就死掉了
  • Intution：很多对象在分配出来之后很快就不再使用了
  • 每个对象都有年龄：对象经历GC的次数
  • 目的：针对年轻和老年的对象，制定不同的GC策略，降低内存整体的开销
  • 不同年龄的对象处于heap的不同区域

image.png

  • 年轻代（young generation）
    • 常规对象的分配
    • 由于存活对象很少，可以采用copying collection
    • GC吞吐量很高
  • 老年代（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

这个方法操作系统有类似的方法，一个文件在内存中被多个指针指向，当指向文件的指针清零时，文件才被删除

  • 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
  • 缺点
    • 维护开销大：我们需要通过原子操作保证引用计数操作的原子性和可见性
    • 无法回收环形数据结构：可通过weak reference解决
    • 内存开销：每个对象都引入的额外内存空间存储引用数目
    • 回收内存依然可能引发暂停

02. Go内存管理及优化

2.1 Go内存分配

分块

目标：为对象在heap上分配内存 做法：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
  • 先将内存划分大块，如8KB，称作mspan
  • 再将大块继续划分为特定大小的小块，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：包含指针的对象——GC需要扫描

对象分配：根据对象的大小，选择合适的块返回

缓存

  • TCMalloc:thread caching
  • 每个p包含一个mcache用于快速分配，用于为绑定与p上的g分配对象
  • mcache管理一组mspan，大小不同，分配对象时返回一块合适大小的mspan
  • 当mcache中的mspan分配完毕，向mcentral中申请带有未分块的mspan
  • 当mspan中没有分配的对象，mspan会被缓存在mcentral中，而不是立即释放并归还给OS

2.2 Go内存管理优化

Goroutine的并发编程模型基于GMP模型，简要解释一下GMP的含义：

G:表示goroutine，每个goroutine都有自己的栈空间，定时器，初始化的栈空间在2k左右，空间会随着需求增长。

M:抽象化代表内核线程，记录内核线程栈信息，当goroutine调度到线程时，使用该goroutine自己的栈信息。

P:代表调度器，负责调度goroutine，维护一个本地goroutine队列，M从P上获得goroutine并执行，同时还负责部分内存的管理。

  • 对象分配高频
    • 小对象占比较高
    • Go内存分配路径长
      • g->m->p->mcache->mspan->memory block->return pointer

字节的优化方案：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）风格的对象分配:直接返回top所指向的内存
if top + size <= end{
	addr := top
	top += size
	return addr
}

无需和其他分配请求互斥，分配动作简单高效

  • GAB对go的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（小对象的分配次数大大减少）
  • 问题：GAB的对象分配方式回导致内存被延迟释放：GAB就是一个对象，其中只有一小块内存存活就会认为整个GAB是存活的
  • 方案：移动GAB中存活的对象
    • 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
    • 根据对象的生命周期，使用不同的标记和清理策略

03. 编译器和静态分析

3.1 编译器的结构

image.png

  • 分析部分（前端）
    • 词法分析：生成词素（lexeme）
    • 语法分析：生成语法树（AST）
    • 语义分析：收集类型信息，进行语义检查
    • 中间代码生成：生成imtermediate representation（IR），IR是机器无关的
  • 综合部份（后端）
    • 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

3.2 静态分析

  • 静态分析：不执行程序代码，推导程序行为，分析程序性质
  • 控制流：程序执行的流程
  • 数据流：数据在控制流上的传递
  • 通过分析控制流和数据流，了解更多关于程序的性质，根据这些性质优化代码

3.3 过程内分析和过程间分析

  • 过程内分析：仅在函数内部进行分析、
  • 过程间分析：考虑函数调用时的参数传递和返回值的数据流和控制流

04. Go编译器优化

4.1 函数内联

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

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时正向优化

内联策略：

  • 根据调用和被调用函数的规模决定是否做内联

4.2 Beast Mode

调整函数内联的策略，使更多函数被内联

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 思路：

  • 从对象分配出出发，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，使更多的对象不逃逸了
  • 优化：未逃逸的对象可以在栈上分配
    • 对象在站上分配回收很快：移动sp
    • 减少在heap上的分配，降低了GC的开销
avatar
文章
阅读
粉丝