这是我参与「第五届青训营」伴学笔记创作活动的第 4 天
第四天
性能优化及自动内存管理
| 性能优化的层面 |
|---|
| 业务代码 |
| SDK |
| 基础库 |
| 语言运行时 |
| OS |
- 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
- 文档：做了什么，没做什么，能达到怎样的效果
- 可观测：必要的日志输出
自动内存管理
-
动态内存：程序在运行时根据需求动态分配的内存
-
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
-
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
- 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：该GC算法只有一个collector
- Parallel GC：并行GC，支持多个collectors同时回收的GC算法
- Concurrent GC：并发GC，mutators和collectors可以同时执行
这里的pause就是 stop the world
评价GC算法
- 暂停时间：(Stop the world)业务是否感知
- 内存开销
追踪垃圾回收
就是可达性分析：
三个步骤：
- 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
-
清理：所有不可达对象
- 标记 - 复制
- 标记 - 清除
- 标记 - 整理
分代GC
目的：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（新生代）
- 常规的对象分配
- 由于存活对象很少，可以采用 标记 - 复制算法
- GC吞吐率高（所用时间少）
-
老年代
- 对象趋向于一直活着，反复复制开销较大
- 可以采用 标记 - 清除（不如标记整理）
引用计数
-
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
-
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 ------ 可以使用弱引用来解决
- 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申请一大块内存，例如4MB - 先将内存划分成大块，例如8KB，称作
mspan - 再将大块继续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
缓存
TCMalloc： thread caching
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：对象分配到
编译器和静态分析
静态分析
- 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
- 过程内分析：仅在函数内部进行分析
- 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
Go编译器优化
字节内部自研编译器优化方法
-
Beast mode-
函数内联
-
内联：将被调用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，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 不友好
- 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
-
-
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 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
-
-
