高性能 Go 语言发行版优化与落地实践｜ 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

简介

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

为什么要做性能优化？

• 用户体验：带来用户体验的提升——让刷抖音更丝滑，让双十一购物不再卡顿
• 资源高效利用：降低成本，提高效率——很小的优化乘以海量机器会是显著的性能提升和成本节约

性能优化的层面

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：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

性能优化与软件质量

• 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

自动内存管理

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） ：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

相关概念

• 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；有暂停

• Parrallel GC：支持多个 collectors 同时回收的 GC 算法；有暂停

• 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：三色标记、混合写屏障等

• 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：1-\frac{\text{GC 时间}}{\text{程序执行总时间}} 花在 GC 上的时间
  • 暂停时间 Pause Time：STW（Stop The World） 业务是否感知
  • 内存开销 Space Overhead GC 元数据开销

延申：The Garbage Collection Handbook by Richard Jones, Antony Hosking, Eliot Moss

追踪垃圾回收 Tracing Garbage Collection

• 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）

  • 根据对象的生命周期，使用不同的标记和清理策略

分代 GC Generational GC

• 分代假说 Generational hypothesis：most objects die young
• 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
• 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
• 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
  • 碎片较多时可进行压缩

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——弱引用 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（回收大数据结构时）

延申：学术界和工业界在一直在致力于解决自动内存管理技术的不足之处

• PLDI'22 Low-Latency, High-Throughput Garbage Collection

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

• 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

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 申请带有未分配块的 mspan（将装满的 mspan 交换进 mcentral）
• 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

Q ：Go 中何时 STW 何时并行？

A：GC 分三个阶段，在最开始和最后 STW；扫描 goroutine 的栈时需要 STW，中间做标记时 concurrent GC，启动 GO_MAXPROCS 个 GC 的 goroutine 进行并行回收

Go 内存管理优化

问题

• 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

优化方案：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

• 指针碰撞 Bump pointer 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

    

Q：对象的大小记录在哪里？

A：不同于 JAVA 对象头存储了对象类型可以推知大小，Go 没有对象头；使用额外的数据结构，额外开辟 8 字节的内存空间存储对象开头 bitmap（指针 8 字节对齐），1 即是对象开头

技术细节

• 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（一个存活对象导致整个 GAB 得不到释放）

• 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

  Q：修改指针的过程是否需要 STW？

  A：需要，在 GC 的最后一个阶段（Mark Termination）期间进行迁移；但也可以不 STW 进行 GAB 的清理

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 ％

延申：逃逸分析 → 不逃逸的对象可在栈上分配

编译器和静态分析

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

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

数据流分析和控制流分析

• 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

过程内和过程间分析

• 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：考虑函数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.foo() 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

Go 编译器优化

• 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
  • ……

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

  例：函数内联能多大程度上影响性能？

   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++ {
    addNoInline(x, y)
   }
   }
   ​
   //go:noinline
   func addNoInline(a, b int) int {
   return a + b
   }
  

  效果：使用 micro-benchmark 快速验证和对比性能优化结果——函数被内联后，性能数据提升 4.58X！

• 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

• 函数内联在大多数情况下是正向优化

• 内联策略

  • 调用和被调函数的规模
  • ……

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

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

  • 性能收益