这是我参与「第三届青训营-后端场」笔记创作活动的的第五篇笔记

语言发行版优化与落地实践

优化:
内存管理优化
编译器优化
减少不必要的消耗
提高用户体验
提高资源利用率

业务层面优化
阵对特定场景
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-pprof
依靠数据而非猜测
首先优化最大瓶颈

Go SDK
分为接口和实现
保证接口稳定的前提下改进具体实现
测试用例：覆盖尽可能多的产经，方便回归
文档：做了什么，没做什么，效果如何
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（垃圾回收）

管理的是动态内存：malloc()运行时
避免手动内存管理，专注于实现业务逻辑
保证正确性和安全性：double-free use-after-free 为对象分配空间
找到存活对象
回收死亡对象
concurrently:
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
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和collector可以同时执行
必须感知对象指向关系的改变

评价GC算法
安全性：不能回收存活的对象
吞吐率、暂停时间：stop the world(stw)
内存开销

追踪垃圾回收(tracing garbage collection) 对象被回收的条件：
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（从根对象出发，找到所有可达对象）、清理：（所有不可达对象）
清理：copying gc 、mark-sweep gc（free list）、 mark-compact gc
根据对象的生命周期，使用不同的标记和清理
Generational GC（）分代GC 分代假说 每个对象都有年龄：经历过GC的次数 针对年轻和老年的对象，制定不同gC策略 年轻代：存活对象很少，用copying collection 老年代：maek-sweep collection

引用技术（reference counting）
给每个对象都有一个与之关联的引用数目 存活条件：当且仅当引用数大于0
优点：内存管理的操作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
缺点：
开销大，通过原子操作 无法回收环形数据结构-weak reference 内存开销 回收内存时依然可能引发暂停

2 go内存管理及优化

go内存分配-分块
目标：为对象在heap上分配内存
-mmap()申请一大块内存
-先将内存分块
-再将大块划分成特定大小的小块
noscan mspan
scan mspan:包含指针 gc需要扫描
对象分配\

缓存
TCMalloc:thread caching
mcache管理一组mspan
mcentral
每秒分配GB级别的内存
小对象占比较高

balanced gc
GAB(goroutine allocation buffer)
base top end
GAB用于noscan类型的小对象分配<128kb
BUmp pointer
本质：将多个小对象的分配合并成一次大对象的分配
内存延迟释放
GAB总大小超过一定阈值，将GAB中存活的对象复制到另外分配的GAB
本质：用copying gc的算法管理小对象

3 编译器和静态分析

主要学习编译器后端优化
数据流分析和控制流分析
过程内分析和过程间分析

4 go编译器优化

beast mode
函数内联，逃逸分析
使用micro-benchmark快速验证和对比性能
Beast mode调整函数内联的策略使更多函数被内联
逃逸分析：分析代码中的指针的动态作用域：指针在何处可以被访问
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