Go内存管理机制 | 青训营笔记

kkz
113 阅读7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3篇笔记

课程内容

  • 优化

    • 内存管理优化
    • 编译器优化

  • 背景

    • 自动内存管理和Go内存管理机制
    • 编译器优化的基本问题和思路
  • 实践：字节跳动遇到的性能问题以及优化方案

课程目录

  • 01.自动内存管理
  • 02.Go内存管理及优化
  • 03.编译器和静态分析
  • 04.Go编译器优化

1 自动内存管理

1.1 自动内存管理

  • 动态内存

    • 程序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

1.2 相関概念

  • 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：只有一个collector
  • Parallel GC：支持多个collectors同时回收的GC算法
  • Concurrent GC：mutator(s) 和 collector(s) 可以同时执行

image-20220514151256571

  • 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

1.3 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

  • 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

1.4 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

  • 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吞吐率很高

  • 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

1.5 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道程序执行过程中
    • 内存管理不需要了解到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

2.1 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 4MB
    • 现将内存划分成大块，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
  • 对象分配：根据对象的大小，选择最合适的块返回

image-20220514183616441

2.2 内存分配--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

image-20220514184222876

2.3 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

2.4 优化方案：Balanced GC

  • 每个g都绑定一大块内存（1 KB），称作 gorountine 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-20220514184845512

Balanced GC

  • GAB 对于 Go 内存来说是一个大对象
  • 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 的算法管理小对象

image-20220514185549674

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
    • 中间代码生成，生成intermediate represenetation(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-20220514190456355

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
  • 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）
  • 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

    • 考虑过程调用时参数传递和返回值的数据流和控制流

4 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

    • 采用的优化少
    • 编译时间较短，没有进行较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
    • ......

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，同时重写代码以反应参数的绑定

  • 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是正向优化

  • 内联策略

    • 调用和被调函数的规模
    • ......

4.2 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
avatar
文章
阅读
粉丝