这是我参与「第三届青训营 -后端场」笔记创作活动的第2篇笔记
1，优化定义
- 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。
- 带来用户体验的提升，降低成本，提高效率。
- 对象：业务层优化，针对特定场景，具体问题，具体分析；语言运行时优化，解决更通用的性能问题；数据驱动，利用自动化性能分析工具分析性能瓶颈，依靠数据而非猜测。
- 前提：保证接口稳定的前提下改进实现；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。
2，内存管理
2.1,基础
- 自动内存管理：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。
- 任务：为新对象分配空间；找到存货对象；回收死亡对象空间。
- 回收线程与业务线程：
-
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: 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
-
- GC评价标准：安全性：存活对象不能被回收；吞吐率：GC时间占比；暂停时间：业务是否感知到暂停；内存开销：GC成本。
2.2,GC算法
-
追踪垃圾回收：回收不可达对象。标记根对象 (GC roots): 静态变量、全局变量、常量、线程栈等--->标记：找到所有可达对象--->清理：回收所有不可达对象占据的内存空间。
-
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运行中：指针传递的过程中进行引用计数的增减不需要了解 runtime 的细节：因为不需要标记 GC roots，因此不需要知道哪里是全局变量、线程栈等
-
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。
-
-
分代GC：弱分代假说+强分代假说+跨代引用假说。争对不同年龄对象采取不同的GC策略。
- 年轻代：存活对象少，标记-复制清除算法，GC吞吐率高。
- 老年代：存活对象多，标记-清理算法，降低对象复制开销。
-
清理方式：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。
2.3 go内存管理
-
为对象在 heap 上分配内存，根据对象的大小，选择最合适的块返回。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。
-
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。
-
小对象分配优化：小对象分配占大多数。
-
Balanced GC：将 noscan 对象在 per-g allocation buffer (GAB) 上分配，并使用移动对象 GC 管理这部分内存，提高对象分配和回收效率。每个 g 会附加一个较大的 allocation buffer (例如 1 KB) 用来分配小于 128 B 的 noscan 小对象。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，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。
-
3 编译器和静态分析
3.1 编译器组成
3.2 静态分析
- 静态分析：不执行代码，推导程序的行为，分析程序的性质。数据流：数据在控制流上的传递。控制流：程序的执行流程。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) ，这些事实可以帮助我们做编译优化。
3.3 过程内和过程间分析
- 过程内分析：仅在过程内部分析；过程间分析：考虑过程传递时的参数传递和返回值数据流和控制流。
4， 编译器优化
通用的优化手段，用适当增加编译时间换取更高性能的代码，面向后端长期执行的任务，用户无感知，重新编译即可获得性能收益。
4.1 函数内联
- 将被调用函数的函数体的副本替换到调用位置上，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
- 缺点:函数体变大,编译生成的 Go 镜像文件变大
- 野兽模式：函数内联在大多数情况下是正向优化，即多内联，会提升性能。取一定的策略决定是否内联。由于interface, defer 等等，限制了内联优化，导致内联策略非常保守。 字节跳动的优化方案：修改了内联策略，让更多函数被内联
4.2, 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.
- 优化：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。
