这是我参与「第三届青训营 -后端场」笔记创作活动的的第1篇笔记
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
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
- 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
- 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
- 可观测：必要的日志输出
1. 自动内存管理
- 动态内存管理
- 程序在运行时根据需求动态分配内存:比如C语言中的malloc()函数。
- 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比如：double-free二次释放已经释放过的内存；或者use-after-free使用已经释放的内存，这样都可能会导致程序的崩溃。
- 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
1.1 相关概念
- 相关线程的几种分类
- 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，在使用这种垃圾回收机制的时候也会存在一些问题。所以：
- Collectors必须感知对象指向关系的改变
- GC算法评价：
- 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(花在GC上的时间)吞吐率越高越好。
- 暂停时间(Pause time少stop the world(STW)：业务是否感知（业务在执行过程中是否能够感知到这个暂停的过程）
- 内存开销(Space overhead)：GC元数据开销（用于GC的额外开销）
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的对象。大致有三个步骤：
- 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，找到所有的可达对象
- 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)
- 原地移动并整理存活对象(Mark-compact GC)比如可以规定存活的对象都在某块区域的前面部分
- 根据对象的生命周期，使用不同的标记和清理策略
1.2.1 分代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（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
1.3 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一weak reference（可以解决环形数据结构回收问题）
- 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中的内存管理及优化
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
- 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一GC不需要扫描
- scan mspan:分配包含指针的对象一GC需要扫描（有的对象会指向其他的对象，所以要进行扫描。以找到它指向的所有存活的对象）
- 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
- 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
2.3 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（goroutine)->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. 编译器和静态分析
3.1 编译器的基本结构
- 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(lR)
- 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
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？（如下图所示）
- 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
4. Go编译器优化
做好编译器优化优点在于用户无感知，重新编译即可获得性能收益，是一种通用性优化。目前的编译器采用的优化少，编译时间较短，没有进行复杂的代码分析和优化。编译优化一般面向后端长期执行任务，用编译时间换取更加高效的机器码。
4.1 函数内联
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，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(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
4.2 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像
- 则指针p指向的对象逃逸出S,反之则没有逃逸出
- 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的负担
