这是我参与「第五届青训营 」笔记创作活动的第4天
重点内容
-
优化
- 内存管理优化
- 编译器优化
-
背景
- 自动内存管理和Go内存管理机制
- 编译器优化的基本问题和思路
-
字节跳动遇到的性能问题以及优化方案
知识点介绍
-
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
- 带来用户体验的提升
- 降低成本，提高效率
-
优化的层面
-
业务层优化
- 针对具体场景、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
-
动态内存
程序在运行是根据需求动态分配的内存：malloc()
-
自动内存管理（垃圾回收）：有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collector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
-
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（Through）：花在GC上的时间
时间程序总执行时间
-
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
-
-
追踪垃圾回收（Tracing garbage collection）
-
引用计数（Reference counting）
-
Go内存管理及优化
Go内存分配
-
目标：为对象在heap上分配内存
-
提前将内存分块
- 系统调用mmap()向OS申请一大块内存吗，例如4MB
- 先将内存划分成大块，例如8KB，称作mspan
- 再将大块内存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
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macache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会被缓存再mcentral中，而不是立刻释放并归还给OS
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
字节跳动的优化方案：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
Balanced GC
-
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的对象分配会导致内存被延迟释放
-
方案：移动GAB中的存活对象
- 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
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）
- 词法分析，生成词素
- 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）
-
总和部分（后端）
- 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：不执行代码，推到程序的行为，分析程序的性质
- 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
过程内分析和过程间分析
-
过程内分析
- 仅在函数内部分析
-
过程间分析
- 考虑过程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？
-
type I interface{ foo() } type A struct{} type B struct{} func (a *A) foo(){...} func (b *B) foo(){...} func bar() { i := &A{} i.foo() } - 需要通过数据流分析得知i的具体类型，才能知道i.foo()调用的是那个foo()
- 根据i的具体类型，产生了新的控制流， A.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
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，同时重写代码以反应参数的绑定
-
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
-
大多数情况下是正向优化
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 mod：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
