这是我参与「第三届青训营 -后端场」笔记创作活动的第4篇笔记

课前预习

自动内存管理

• Auto memory management: 自动内存管理

• Grabage collction: 垃圾回收

• Mutator: 业务线程

• Collector: GC 线程

• Concurrent GC: 并发 GC

• Parallel GC: 并行 GC

• Tracing garbage collection: 追踪垃圾回收

  • Copying GC: 复制对象 GC
  • Mark-sweep GC: 标记-清理 GC
  • Mark-compact GC: 标记-压缩 GC

• Reference counting: 引用计数

• Generational GC: 分代 GC

  • Young generation: 年轻代
  • Old generation: 老年代

Go 内存管理及优化

• TCMalloc
• mmap() 系统调用
• scan object 和 noscan object
• mspan, mcache, mentral
• Bump-pointer object allocation: 指针碰撞风格的对象分配

编译器和静态分析

• 词法分析
• 语法分析
• 语义分析
• Intermediate representation (IR) 中间表示
• 代码优化
• 代码生成
• Control flow: 控制流
• Data flow: 数据流
• Intra-procedural analysis 过程内分析
• Inter-procedural analysis: 过程间分析

Go 编译器优化

• Function inlining: 函数内联
• Escape analysis: 逃逸分析

课中

0. 引言

• 什么是性能优化？

  • 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

  • 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

• 软件质量

  • 保证接口稳定的前提下改进实现

    

• 测试驱动，覆盖尽可能多的场景，方便回归

• 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

• 可观测、可灰度、可回滚

1. 自动内存管理

基本概念

• 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:

  • double-free problem, use-after-free problem很可能会造成内存漏洞和程序crush

• 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

• 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

    

  • 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

    

    • Collectors 必须感知对象指向关系的改变！

    

追踪垃圾回收

• Tracing garbage collection: 追踪垃圾回收

  • 被回收的条件：不可达对象

  • 过程

    • 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

      • 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

      

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（C++智能指针）：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，解决方法：weak reference

    

  • 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

• 说明

  • 以上我们所讲述的技术的缺点并非是无法解决的问题。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。例如，最新的 PLDI'22 的文章 Low-Latency, High-Throughput Garbage Collection 感兴趣的同学可以阅读。

2. Go 内存管理及优化

Go 内存管理

• TCMalloc: TC is short for thread caching

• 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

• 内存缓存

  • 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。内存分配的路线图如下。

    

Go 内存管理的问题

mspan, mcache 和 mcentral 构成了内存管理的多级缓存机制。

• 对象分配是非常高频的操作：每秒分配 GB 级别的内存

• 线上 profiling 发现，Go 的内存分配占用很多 CPU

  

可以看到，用于分配对象的函数 mallocgc() 占用 CPU 较高

• 小对象分配占大多数

  

横轴是对象大小，纵轴是数目，可以看到绝大多数对象都小于 80 B。因此优化小对象分配是关键。

字节跳动的优化方案

• Balanced GC

• 核心：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

• bump pointer（指针碰撞） 风格的对象分配。示意如下。

  if g.ab.end - g.ab.top < size {
    // Allocate a new allocation buffer
  }
  addr := g.ab.top
  g.ab.top += size
  return addr
  

• 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

• 同原先调用 mallocgc() 进行对象分配的方式相比，balanced GC 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

• 问题：GAB的对象分配方式会导致内存被延迟释放，对策：

  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，如下图所示。

  

  上图上方是两个 GAB，其中虚线表示 GAB 中对象的分界线。黑色表示 GAB 中存活的对象，白色表示死掉的对象。由于 GAB 中有存活对象，整个 GAB 无法被回收。

  Balanced GC 会将 GAB 中存活的对象移动到下面的 GAB 中，这样原先的两个 GABs 就可以被释放，压缩并清理 GAB 的内存空间。

  Balanced GC 只负责 noscan 对象的分配和移动，对象的标记和回收依然依赖 Go GC 本身，并和 Go GC 保持兼容。

3. 编译器和静态分析

• 编译器的结构

  

• 静态分析：不执行代码，推导程序的行为，分析程序的性质。

• 控制流：程序的执行流程

• 数据流：数据在控制流上的传递

  

  上图的程序转换成控制流图 (control-flow graph)

  

• 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。

  • 例如上面的程序。我们通过分析数据流和控制流，知道这个程序始终返回 4。编译器可以根据这个结果做出优化。

    

• Intra-procedural analysis: 函数内分析：在函数内进行控制流和数据流的分析

• Inter-procedural analysis: 函数间分析：除了函数内的分析，还需要考虑跨函数的数据流和控制流，例如参数传递，函数返回值等

4. Go 编译器优化

目的

• 用户无感知，重新编译即可获得性能收益
• 通用的优化手段

现状

• 采用的优化较少
• 追求编译时间短，因此没有进行复杂的代码分析和优化

思路

• 场景：面向后端长期执行的任务

• Tradeoff：用编译时间换取更高效的机器码

• Beast mod：

  • 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（InLine）

• 定义：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，例如逃逸分析

• 缺点

  • 函数体变大
  • 编译生成的 Go 镜像文件变大

• 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

• 采取一定的策略决定是否内联

  • 调用和被调用函数的规模

• Go 内联的限制

  • 语言特性：interface, defer 等等，限制了内联优化
  • 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
  • 增加了其他优化的机会：逃逸分析

• 开销

  • Go 镜像大小略有增加
  • 编译时间增加
  • 运行时栈扩展开销增加

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。

课后答疑

1. 从业务层和语言运行时层进行优化分别有什么特点？

   业务层的优化需要针对具体问题具体分析；而语言运行时层的优化针对的是更通用的问题，需要在多方面进行tradeoff。两者都需要自动化性能分析工具的支持

2. 从软件工程的角度出发，为了保证语言 SDK 的可维护性和可拓展性，在进行运行时优化时需要注意什么？

   因为语言SDK会被大量广泛使用，保证接口的稳定性和一致性至关重要。对已有接口的改动，需要保证兼容性；对新增的接口，需要提供明确的文档说明。对于功能的改动，最好通过选项进行隔离，保证新增改动在不打开的情况下不影响原本的功能。

3. 自动内存管理技术从大类上分为哪两种，每一种技术的特点以及优缺点有哪些？

   主要分为追踪垃圾和引用计数：

   • 追踪垃圾回收

     • 回收内存的条件：回收不可达的对象
     • 回收时，首先会扫描GC roots，例如栈上的对象、全局变量等
     • 从GC roots出发，沿着指针指向，追踪所有的可达对象
     • 追踪完成后，回收所有不可达对象的内存

   • 引用计数

     • 对象有一个与之关联的引用数目。当且仅当引用数大于0时对象存活
     • 当对象的引用数目为0时，内存可以被回收
     • 优点：内存管理的开销被平摊到程序运行中，且内存管理不需要了解runtime的细节
     • 缺点：维护引用计数的开销加到；额外的内存开销存储引用计数；无法回收带有环的数据结构；回收大数据结构时依然会造成程序暂停

4. 什么是分代假说？分代 GC 的初衷是为了解决什么样的问题？

   大量的对象会很快死去。分代GC的思想是：针对不同生命周期的对象采取不同策略的内存管理机制

5. Go 是如何管理和组织内存的？

   • TC是thread caching的简写。每个线程都绑定cache方便线程快速分配内存
   • 内存被划分为特定大小的块。根据对象是否包含指针，将内存块分为scan和noscan两种
   • 根据内存分配请求的大小，选择合适的内存块返回，完成一次内存分配操作
   • 回收的内存不会立刻还给操作系统，而是在Go内部缓存起来，方便下次分配

6. 为什么采用 bump-pointer 的方式分配内存会很快？

   • 每个线程都持有用于对象分配的buffer，因此指针碰撞方式的内存分配无需加锁或使用CAS操作；对象分配的操作非常简单

7. 为什么我们需要在编译器优化中进行静态代码分析？

   • 通过静态分析，我们可以获取更多关于程序的非平凡特性 (non-trivial properties)；这些关于程序的知识可以指导编译器优化。例如通过逃逸分析得知对象并未逃逸出当前函数，因此对象可以在栈上分配，避免频繁在堆上分配对象，降低 GC 的压力。

8. 函数内联是什么，这项优化的优缺点是什么？

   • 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

     • 消除了函数调用
     • 由于没有了函数调用，过程间分析转化为过程内分析

   • 缺点

     • 函数体变大
     • 编译生成的Go镜像变大

9. 什么是逃逸分析？逃逸分析是如何提升代码性能的？

   • 逃逸分析：分析代码中指针的动态作用域，即指针在何处可以被访问
   • 通过逃逸分析的值对象并未逃逸出当前函数，因此对象可以在栈上分配，避免频繁在堆上分配对象，降低GC的压力

同学疑问：

1. 循环引用用什么方法检测发现

   • weak reference

2. go语言的GC有STW的过程吗

   • 还是有的，第一个暂停，扫哪个goroutine就停哪个

3. 当一个mcache中的内存使用完会怎样

   • 找mcentral填到mcache，再无的话就找Heap

4. 一个mspan里的跨度类都是一样的吗

   • 一个mspan里面的所有对象都是一样的

5. scan 对象为什么不在GAB 上分配?

   • 可能把很多其他对象给标活，增多 延迟释放的内存

总结

本次课程也是干货满满啊，老师实在是太强了，本节课更多的都是一些概念的讲解，所以笔记也都是老师上课的内容，在本节课也是更加深入的了解到了go语言的GC，也是第一次听说分代GC、年轻代、老年代这些词。老师还给我们推荐了go语言的相关顶会： PLDI、POPL、OOPSLA、ECOOP