Go内存管理及优化 | 青训营笔记

用户2960481407162
161 阅读7分钟

Go内存管理及优化 | 青训营笔记

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

02.Go内存管理及优化

Go内存分配 | Go内存管理优化

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一GC 不需要扫描

    • scan mspan：分配包含指针的对象一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

2.1 GO内存分配一缓存

  • 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

2.2 Go内存管理优化

image-20220515085948402

  • 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

2.3我们的优化方索: Balanced GC

  • 每个g都绑定一大块内存(1 KB)，称作goroutine 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

2.3 Balanced GC

  • GAB对于Go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

  • 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 ** {根据对象的生命周期，使用不同的标记和清理策略}

2.3 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%

02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

03.编译器和静态分析

基本介绍 | 数据流和控制流 | 过程内和过程间分析

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
    • 语议分析，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

主要学习编译器后端优化

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(Intra-procedural analysis)

  • 仅在过程内部进行分析

过程间分析(Inter-procedural analysis)

  • 考虑过程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.fod)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

03.总结

  • 编译器的结构与编译的流程
  • 编译器后端优化
  • 数据流分析和控制流分析
  • 过程内分析和过程间分析

04. Go编译器优化

函数内联 | 逃逸分析

  • 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(Inlining)

  • 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

  • 内联策略

    • 调用和被调函数的规模
    • …

  • 函数内联能多大程度影响性能? ---使用micro-benchmark验证一下

    func BenchmarkInline(b *testing.B) {
	x := genInteger()
	y := genInteger()
	for i := 0; i < b.N; i++ {
		addInLine(x, y)
	}
}
func addInline(a, b int) int {
	return a + b
}

    func BenchmarkInlineDisabLed(b *testing.B) {
	x := genInteger()
	y := genInteger()
	for i := 0; i < b.N; i++ {
		addNoIntine(x, y)
	}
}

//go :noinline
func addNoInLine(a, b int) int {
	return a + b
}

使用micro-benchmark快速验证和对比性能优化结果

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镜像增加~ 10%
    • 编译时间增加

4.3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

4.2 Beast Mode-性能收益

04.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

参考文献

  1. The Garbage Collection Handbook -- the art of automatic memory management
  2. plumbr.io/handbook/wh…
  3. JEP 333: ZGC: A Scalable Low-Latency Garbage Collector openjdk.java.net/jeps/333
  4. 数据密集型应用系统设计Designing Data-Intensive Applications: The Big ldeas Behind Reliable, Scalable, and Maintainable Systems
  5. 编译原理The Dragon book, Compilers: Principles, Techniques, and Tool
  6. 编译器设计Engineering a Compiler
  7. 编译原理Principles and Techniques of Compilers silverbulltt.bitbucket.io/courses/com… 2022/index.html
  8. 静态程序分析Static Program Analysis pascal-group.bitbucket.io/teaching.ht…
  9. JVM Anatomy Quark #4: TLAB allocation shipilev.net/jvm/anatomy…
  10. Constant folding, en.wikipedia.org/wiki/Consta… folding
  11. Choi, Jong-Deok, et al. "Escape analysis for Java." Acm Sigplan Notices 34.10 (1999): 1-19.
avatar
文章
阅读
粉丝