性能优化及自动内存管理day4|青训营笔记

每天都要好好学习
60 阅读7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

00.性能优化的层面

  1. 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
  1. 语言运行时优化
  • 解决更通用的性能问题
  • 考虑更多场景
  • Tradeoffs
  1. 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

01.自动内存管理

  1. 动态内存
  • 程序在运行时根据需求动态分配的内存: malloc()
  1. 自动内存管理(垃圾回收): 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
  1. 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) 可以同时执行
  • Collectors 必须感知对象指向关系的改变!

图片.png

（引用自课件图片）

1.1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−(GC时间/程序执行总时间)1-(GC时间/程序执行总时间) 花在GC上的时间
  • 暂停时间(Pause time): stop the world (STW) 业务是否感知
  • 内存开销 (Space overhead) GC元数据开销

1.2追踪垃圾回收(Tracing garbage collection)

  1. 对象被回收的条件：指针指向关系不可达的对象
  2. 标记根对象
  • 静态变量、全局变量、常量、线程栈等
  1. 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
  1. 清理：所有不可达对象
  • 将存活对象复制到另外的内存空间
  • 将死亡对象的内存标记为“可分配”
  • 移动并整理存活对象
  1. 根据对象的生命周期，使用不同的标记和清理策略

图片.png 图片.png

（引用自课件图片）

1.3分代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: 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
  • 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

1.4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
  1. 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)
  1. 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

02. Go内存管理及优化

2.1 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
  1. 调用系统调用 mmap() 向 OS 申请一大块内存，例如 4 MB
  2. 先将内存划分成大块，例如 8 KB，称作 mspan
  3. 再将大块继续划分成特定大小的小块，用于对象分配
  4. noscan mspan: 分配不包含指针的对象——GC不需要扫描
  5. 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

2.1 Go 内存分配——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
  • 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

图片.png

（引用自课件图片）

## 2.2 Go内存管理优化 - 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 1. 分配路径长: g -> m -> p -> mcache -> mspan -> memory block -> return pointer 2. pprof: 对象分配的函数是最频繁调用的函数之一 ## 2.3 Balanced GC - 每个 g 都绑定一大块内存 (1 KB) ，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 1. 无须和其他分配请求互斥 2. 分配动作简单高效 - 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 - 方案: 移动 GAB 中存活的对象 1. 当 GAB 总大小超过一定闯值时，将 GAB 中存活的对象复制到另外分配的 GAB 中 2. 原先的 GAB 可以释放，避免内存泄漏 3. 本质: **用 copying GC 的算法管理小对象**

03 编译器和静态分析

3.1 编译器的结构

  • 重要的系统软件
  1. 识别符合语法和非法的程序
  2. 生成正确且高效的代码
  • 分析部分 (前端 front end)
  1. 词法分析，生成词素(lexeme)语法分析，生成语法树
  2. 语义分析，收集类型信息，进行语义检查
  3. 中间代码生成，生成 intermediate representation (IR)
  • 综合部分 (后端 back end)
  1. 代码优化，机器无关优化，生成优化后的IR
  2. 代码生成，生成目标代码

3.2 静态分析

  • 静态分析：不执行程序代码，推到程序行为，分析程序性质。
  • 控制流：程序执行的流程；
  • 数据流：数据在控制流上的传递
  • 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。
  • 根据这些性质优化代码

3.3 过程内分析和过程间分析

  • 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)考虑过程调用时参数传递和返回值的数据流和控制流.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。

04 编译器优化

  • 为什么做编译器优化
  1. 用户无感知，重新编译即可获得性能收益
  2. 通用性优化
  • 现状
  1. 采用的优化少
  2. 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
  1. 场景:面向后端长期执行任务
  2. Tradeoff: 用编译时间换取更高效的机器码
  • Beast mode
  1. 函数内联
  2. 逃逸分析
  3. 默认栈大小调整
  4. 边界检查消除循环展开
  5. ......

4.1 函数内联

  • 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
  • 优点
  1. 消除函数调用开销，例如传递参数、保存寄存器等
  2. 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
  1. 函数体变大，instruction cache (icache) 不友好
  2. 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
  1. 调用和被调函数的规模
  2. ......
avatar
文章
阅读
粉丝