这是我参与「第五届青训营 」伴学笔记创作活动的第 4 天
性能优化
性能优化的层面
- 业务代码:具体问题,具体分析,容易获得较大的性能收益
- SDK
- 基础库
- 语言运行时:解决更通用的性能问题,考虑更多场景,Tradeoffs
- OS
自动内存管理
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
- Parallel GC:支持多个 collectors 同时回收的GC算法
- Concurrent GC:mutator(s) 和 collector(s) 可以同时进行,Collectors 必须感知对象指向关系的改变
追踪垃圾回收
-
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)
- 将死亡对象的内容标记为”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)
针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
-
年轻代
- 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
- 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
-
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
GO 内存管理及优化
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申请以大块内存,例如4MB
- 先将内存划分为大块,例如8KB,称作mspan
- 再将大块继续划分为特定大小的小块,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
缓存
- TCMalloc:thread caching
- 每个p包含一个mcache用于快速分配,用于为绑定与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
分配路径长:g -> m -> p -> mcache -> mspan -> memory block -> return pointer
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:<128B
-
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
-
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,避免内存泄露
- 本质:用copying GC的算法管理小对象
编译器和静态分析
编译器结构
静态分析
- 静态分析:不执行程度代码,推导程序的行为,分析程序的性质
- 控制流:程序执行的流程
- 数据流:数据在控制流上的传递
过程内分析和过程间分析
尽量减少过程间的分析
Go编译器优化
函数内联(lnlining)
-
内联:将被调用函数的函数体(callee)的副本替换到调用位置上(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
-
使用 micro-benchmark 快速验证和对比性能优化结果
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 镜像增加约10%
- 编译时间增加
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
-
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