[ 后端与 Go | 青训营笔记 ]

Nya
79 阅读7分钟

[ 后端与 Go | 青训营笔记 ]

这是我参与「第五届青训营 」伴学笔记创作活动的第 4 天

课前：相关术语解读

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

课内：Go 内存管理详解

高性能 Go 语言发行版优化的内存管理优化，自动内存管理与 Go 内存管理知识，可行性的优化建议。

重点

  • 内存管理优化；
  • 编译器优化；
  • 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。

细节

为什么要优化

  • 提升软件系统处理能力；
  • 提供用户体验；
  • 资源高效利用。

image-20230119140929827

性能优化的层面

  • 业务代码 -> SDK -> 基础库 -> 语言运行时 -> OS；

  • 业务层优化；

    • 特定场景，具体问题，具体分析；
    • 性能收益大。

  • 语言运行时优化；

    • 解决更通用的性能问题；
    • 考虑更多场景。

  • 数据驱动；

    • 自动化性能分析工具；
    • 依靠数据而非猜测；
    • 实现优化最大瓶颈。

image-20230119141547149

自动内存管理

概念

动态内存

  • 程序运行时根据需求动态分配的内存：malloc()；

自动内存管理：垃圾回收，系统管理动态内存

  • 避免手动管理；
  • 保证内存使用的正确性和安全性；

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；

image-20230119143122284

image-20230119143235739

Grabage collction: 垃圾回收

追踪垃圾回收

  • 条件：指针指向关系不可达的对象；

  • 标记根对象；

    • 静态变量，全局变量，常量，线程栈；

  • 标记：找到可达对象；

    • 从根对象出发，找到所有可达对象；

  • 清理：所有不可达对象；

    • 存活对象复制到另外的内存空间（Copying GC）；
    • 死亡对象内存标记为可分配（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。

Generational GC: 分代 GC

分代假说

  • intuition：很多对象分配后就不再使用；
  • 对象的年龄：经历 GC 的次数；
  • 目的：对年轻和年老对象，制定不同的 GC 策略，降低整体内存开销；
  • 不同年龄对象处于 heap 的不同区域。

image-20230119145602869

Reference counting: 引用计数
  • 每个对象都有一个与之关联的引用数目；
  • 对象存活条件：当且仅当引用数大于 0；

image-20230119145905111

  • 优点

    • 内存管理的操作被平摊到程序执行过程中；
    • 不需要了解 runtime 的实现细节；

  • 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；
    • 内存开销大；
    • 内存回收时依然可能引发暂停；

image-20230119150324893

Go 内存管理及优化

Go 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；

image-20230119153427620

缓存

  • 每个 p 包含了一个 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 中没有分配对象，mspan 会被缓存在 mcentral 中，而不是立即释放并归还给 OS；

image-20230119154014090

Go 内存管理优化

  • 对象分配是非常高频的操作：每秒分配 GB 级别内存；

  • 小对象占比较高；

  • Go 内存分配比较耗时；

    • 分配路径长；
    • 对象分配函数是最频繁调用的函数之一；

优化方案：Balanced GC

image-20230119154434253

  • 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；

image-20230119154800541

  • 方案：移动 GAB 中存活的对象

    • 当 GAB 的总大小超过一定阈值的时候，将其中存活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；

image-20230119155043330

编译器和静态分析

基本介绍

编译器的结构

image-20230119155304248

数据流与控制流

静态分析

  • 不执行程序代码，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；
  • 通过分析控制流和数据流，可以知道更多关于程序的性质；
  • 根据性质优化代码；

image-20230119155925999

过程内和过程间分析
  • 过程内分析：仅在函数内部进行分析；
  • 过程间分析：考虑函数调用时参数的传递和返回值的数据流和控制流；

image-20230119160132390

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；

  • 优化思路

    • 场景：面向后端长期执行任务；
    • Tradeoff：用编译时间换取效率更高的机器码；

  • Beast mode

    • 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

  • 内联：将被调用的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

    • 消除函数调用开销；
    • 将过程间转为过程内分析，帮助其他优化；

image-20230119161347317

image-20230119161358347

  • 缺点

    • 函数体变大；
    • 编译生成的 Go 镜像变大；
  • 函数内联在大多数清况下是正向优化；
逃逸分析

image-20230119161554460

  • 分析代码中指针的动态作用域；指针在何处可以被访问；

  • 思路

    • 从对象分配处出发，沿着控制流，观察对象的数据流；

    • 若分析指针 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；

  • Beast mode：函数内联拓展了函数边界，更多对象不逃逸；

  • 优化：未逃逸对象可以在栈上分配

    • 对象在栈上分配和回收很快；
    • 减少在 heap 上的分配，降低 GC 的负担；

总结

对相关术语有所了解，对自动内存分配有了具体的了解，明白了内存优化的好处。

avatar
文章
阅读
粉丝