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

性能优化

本文主要针对软件性能优化。

性能优化是什么?

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

性能优化的层面

包含的层次如下：

业务代码
SDK
基础库
语言运行时
os

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

语言运行时优化需要考虑的三个方面

解决更通用的性能问题
考虑更多场景
Tradeoffs

数据驱动

性能优化以数据驱动

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

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

自动内存管理的基本概念

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)︰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

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
Collectors必须感知对象指向关系的改变!

C4.2.png

评价GC算法

安全性(Safety):不能回收存活的对象基本要求
吞吐率(Throughput): 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

追踪垃圾回收(Tracing garbage collection)

根据对象的生命周期，使用不同的标记和清理策略

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)

分代 GC (Generational GC)

分代假说(Generational hypothesis): most objects die young

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

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），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

引用计数(Reference counting)

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—— 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

Go内存管理

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

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

Go内存管理优化

Balanced GC

每个g都绑定一大块内存（1KB)，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 C4.6.png

  if top + size <= end {
      addr := top
      top += size
      return addr
  }

3.编译器和静态分析

编译原理和机器无关优化

软件功能

·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 (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

C4.3.png

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

C4.4.png

数据流(Data flow):数据在控制流上的传递

过程内分析(Intra-procedural analysis)

·仅在函数内部进行分析

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
type I interface {
    foo()
}
type A struct {}
type B struct {}
func (a *A)foo() {
...
}
func (b *B)foo() {
...
}
func bar( ) {
i = &A{
i.foo();
}

4.Go编译器优化

Go编译器优化思路

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（函数内联拓展了函数边界，更多对象不逃逸优化:）

Beast mode: 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

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

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 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
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

if : 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
    return 则指针p指向的对象逃逸出s

else 反之则没有逃逸出s

默认栈大小调整
边界检查消除
循环展开

参考文献

[1] Go语言圣经（中文版） books.studygolang.com/gopl-zh/ch0…

[2] 青训营PPT

Go高性能优化 ｜ 青训营笔记