高性能 Go 语言发行版优化与落地实践04 | 青训营笔记

Lwh
90 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4篇笔记

前言 性能优化

性能优化的两个基本问题

1 什么是性能优化？

  • 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

2 为什么要做性能优化？

  • 用户体验：带来用户体验的提升
  • 资源高效利用：降低成本，提高效率

性能优化的两个层面

1 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

2 语言运行时优化

  • 解决更通用的性能问题
  • 考虑更多场景
  • Tradeoffs

性能优化依靠数据驱动

  • 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

性能优化与软件质量

  • 软件质量至关重要
  • 保证接口稳定的前提下改进实现
  • 测试驱动
  • 通过清晰的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

一、自动内存管理

1 自动内存管理基本概念

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-gc/ garbage collection）

  • 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(两次释放内存), use-after-free problem(释放后再次使用)

gc的三个任务

  • 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

gc的相关概念

  • Mutator: 业务线程，分配新对象，修改对象指向关系（用户启动的，goroutine）
  • Collector: GC 线程，找到存活对象，回收死亡对象的内存空间

GC算法

  • Serial GC: 只有一个 collector，会有暂停
  • Parallel GC: 并行 GC，支持多个 collectors 同时回收的 GC 算法
  • Concurrent GC: 并发 GC，支持 mutator(s) 和 collector(s) 同时执行的 GC 算法

concurrent GC的挑战

  • 必须要感知对象指向关系的改变（比如GC标记后，对象指向变化了，要继续标记）

gc算法的评价

  • 安全性：不能回收存活的对象【基本要求】
  • 吞吐率（throughput）：1-(GC时间/程序总时间)【花在gc上的时间】
  • 暂停时间（Pause time）：stop the world（STW） 【业务是否感知】
  • 内存开销（space overhead）【gc元数据开销】 《The Garbage Collection Handbook》--Richard Jones

2 追踪垃圾回收（gc的常见技术之一）

  • 对象被回收的条件：不可达对象（指针指向关系不可达）
  • 根据对象的生命周期，使用不同的标记和清理策略

三个步骤：

  1. 标记根对象
    • 静态变量、全局变量、常量、线程栈等
  2. 找到可达对象（标记）
    • 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. 回收所有不可达对象（清理）
    • 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；
    • 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；
    • Mark-compact GC: 将存活对象复制到同一块内存区域的开头（原地整理对象）

3 分代GC（generational GC）

  • 分代假说（generational hypothesis）：most Objects die young（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：针对年轻和年老的对象，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
  1. 年轻代（young generation）
    • 常规的对象分配（刚被创建的对象都是年轻代）
    • 由于存活对象很少，采用copying collection
    • GC吞吐率很高
  2. 老年代（old generation）
    • 对象趋向于一直活着，反复复制开销很大
    • 可以采用mark-sweep collection

4 引用计数（第2种常用gc技术）

  • 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，比如c++的智能指针（smart pointer）
  • 缺点：
    • 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来保证原子性和可见性
    • 无法回收环形数据结构
    • 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

二、Go内存管理及优化

1 Go内存分配

1.1 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 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
  • 对象分配：根据对象的大小，选择最合适的块返回

1.2 Go内存分配--缓存

  • TCMalloc: TC is short for thread caching
  • 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。

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（数据反映的）
  • Go内存分配比较耗时（分配路径长）

3 Balanced GC （字节的解决方案）

  • 每个g（goroutine）都绑定一大块内存（1 KB），goroutine allocation buffer (GAB)
  • GAB用于noscan类型的小对象分配：< 128 B
  • 使用3个指针维护GAB：base，end，top(当前位置)
  • bump pointer（指针碰撞）风格分配对象，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

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。 【用copying GC】

三、编译器和静态分析

1 编译器的结构

  • 重要的系统软件
  • 分析部分（前端front end）
    • 词法分析，语法分析，语义分析，中间代码生成（生成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，生成目标代码）

2 静态分析

静态分析的概念：不执行程序代码，推导程序的行为，分析程序的性质。 两种常见的分析：

  • 控制流（control flow）：程序执行的流程，用控制流图（control-flow graph）
  • 数据流（data flow）：数据在控制流上的传递

3 过程内分析和过程间分析

  • Intra-procedural analysis: 函数内分析：在函数内进行控制流和数据流的分析
  • Inter-procedural analysis: 函数间分析：除了函数内的分析，还需要考虑跨函数的数据流和控制流，例如参数传递，函数返回值等

四、Go编译器优化

0 背景

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

思路

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

Beast mode（编译器优化，字节的）

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：
    • 消除调用开销
    • 将过程间分析的问题转换为过程内分析，帮助其他分析（比如逃逸分析）
  • 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
  • 内联策略（根据调用和被调函数的规模）

beast mode

  • Go 内联的限制
    • 语言特性：interface, defer 等等，限制了内联优化
    • 内联策略非常保守
  • Beast Mode字节跳动的优化方案
    • 修改了内联策略，让更多函数被内联
    • 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

2 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优化：

    • 函数内联拓展了函数边界，更多对象不逃逸
    • 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。
avatar
文章
阅读
粉丝