Go语言内存管理 | 青训营笔记

37 阅读5分钟

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

2

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

3.jpg

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