这是我参与「第五届青训营」伴学笔记创作活动的第 1 天
0.前言
- 性能优化层面：业务代码、sdk、基础库、语言运行时、os
业务层优化：针对特定场景，收益大；
语言运行时优化：解决更通用的性能问题
用数据驱动优化：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（软件工程手段）
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，达到什么效果
隔离：通过选项控制是否开启优化
可观测：必要的日志输出
1.自动内存管理（垃圾回收）
1.1 相关概念
动态内存：运行时根据需求动态分配内存 自动内存管理：避免手动，专注于业务实现；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
mutatoe：业务线程，分配新对象，修改新对象指向关系
collector：GC对象，找到存活对象，回收死亡对象的内存空间
serial GC：算法只有一个collector
parallel GC：支持多个collectors同时回收
concurrent GC：mutators和collectors可以同时执行，必须感知对象指向关系的改变
评价GC算法：不能回收存货对象（安全性）；吞吐率（花在GC以外时间的比例）；暂停时间（业务是否感知）；内存开销（GC元数据开销）
两种GC技术：追踪垃圾回收、引用计数；
1.2 追踪垃圾回收
对象回收条件：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、线程栈等
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：
将存活对象复制到另外内存空间（copy gc）；
将死亡对象内存标记为可分配（mark-sweep collection）；
移动并整理存活对象（原地整理 mark-compact GC）根据对象生命周期，选择不同标记和清理策略
1.3 分代GC
分代假说：很多对象分配出来后很快不再使用
对象年龄：经历过GC的次数
目的：对年轻和老年对象指定不同GC策略，降低整体内存管理开销，不同年龄对象处于HEAP不同区域
年轻代策略：copy gc；
老年代策略：mark-sweep collection；
1.4 引用计数
每个对象有一个关联的引用数目
存活条件：当且仅当引用数大于0
优点：内存管理操作平摊到程序执行中；不需要了解runtime实现细节：C++智能指针
缺点：引用计数维护开销大（原子操作）；无法回收环形数据结构；引入内存开销；回收时依然可能引入暂停（在复杂的数据结构中）
2 GO内存管理和优化
2.1 go内存分配
分块思想
为对象在heap上分配内存；
提前将内存分块：mmap()，mspan()，再分为特定大小的小块
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
根据对象大小，选择最合适的小块返回
缓存思想TCMalloc：thread caching
2.2 go内存管理优化
对象分配非常高频：每秒GB
小对象占比高
go内存分配比较耗时
2.3 字节SDK优化方案：Balanced GC
每个g绑定一大块内存（1kb）-GAB，用于noscan类型的小对象分配（小于128B），三个指针维护gab（base、top、end）
指针碰撞：无需和其他分配请求互斥 GAB对于GO内存管理为大对象，将多个小对象分配合并为一次大对象的分配
分配方式导致内存被延迟释放-方案
gab总大小超过一定阈值时，将存活对象复制到另外分配的 gab中，原gab可以释放，用copy gc的算法管理小对象（本质）
性能：cpu usage降低，核心接口时延降低
3 编译器和静态分析
3.1 编译器结构
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、语法分析、语义分析、中间代码生成
综合部分（后端）：代码优化、代码生成
3.2 静态分析（后端优化的工具）
不执行程序代码，推导程序行为，分析程序性质
控制流分析：程序执行流程
数据流分析：数据在控制流上的传递
分析控制流和数据流，知道程序性质，根据性质优化代码
3.3 过程内和过程见分析
过程内分析：尽在函数内部进行分析
过程间分析：过程调用时参数传递和返回值的数据流和控制流（需要同时分析数据和控制流）
4 go编译器优化
动机：用户无感知即可获得性能收益；通用性优化
现状：采用的优化少，编译时间较短
优化思路：面向后端长期执行的任务，用编译时间换取高效机器码
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
4.1 函数内敛
将被调用函数体的副本替换到调用位置，重写代码反应参数绑定
优点：消除调用开销；过程间分析转为过程内分析
缺点：函数体变大；编译生成的go镜像变大
内敛大多数情况下为正向优化
内敛策略决定是否内敛：调用和被调函数规模
beast mode
go函数内敛受到较多限制
beast mode：调整函数内敛的策略，使更多函数被内敛
开销：go镜像增加、编译时间增加
4.2 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，否则没逃逸出s
beast mode：函数内敛拓展函数边界，更多对象不逃逸
优化：未逃逸对象在栈上分配（移动sp快，降低GC负担）
beast mode收益：cpu usage降低，时延降低，内存使用降低
