Go 语言内存管理 | 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 5 天前言这是我将参加青训营期间

这是我参与「第五届青训营」伴学笔记创作活动的第 5 天

前言

这是我将参加青训营期间的收获进行整理和总结，同时便于日后复习和查阅。如果能给各位提供些帮助，也是我的荣幸，希望大家可以多多赐教，一起学习和交流。

相关专业术语可到文章底部查看。

本篇文章内容：

自动内存管理
Go 内存管理及优化
编译器和静态分析
Go 编译器优化

一、自动内存管理

01.自动内存管理

动态内存
- 程序在运行时根据需求动态分配内存：malloc()
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
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

02.追踪垃圾回收

对象被回收的条件：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
- 求指针指向关系的传递闭包：从根对象出发，找到所哟可达对象
清理：所有不可达对象
- 将存活对象复制到另外的内存空间（Copying GC）
- 将死亡对象的内存标记为“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

Copying GC：将对象复制到另外的内存空间
Mrak-sweep GC：使用 free list 管理空闲内
Compact GC：原地整理对象

03.分代 GC（Generational GC）

分代假说（Generational hypothesis）：most objects diwe 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

年轻代和老年代

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

04.引用计数

每个对象都有一个与之关联的引用数目
对象存活的条件：当且仅当引用数大于 0
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）
缺点
- 维护引用的计数开销较大，通过原子操作保证对引用计数的原子性和可见性
- 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

二、Go 内存管理及优化

01.Go 内存管理 - 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 4 MB
- 先将内存划分成大块，例如 8 KB 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 mapan：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

02.Go 内存管理- 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

内存分配 - 缓存.png

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
- 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

03.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：< 128 B
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

if top + size <= end {
    addr := top
    top += size
    return addr
}

Balanced GC.png

GAB 对于 Go 内存管理来说是一个对象
本质：将多个小对象的分配合并成一次达对象的分配
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
- 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

三、编译器和静态分析

01.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 front end）
- 词法分析，生成词素（lexeme）
- 词法分析，生产语法树
- 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）
综合部分（后端back end）
- 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

编译器结构.png

02.静态分析

静态分析：不执行程序代码，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
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（properties）

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
为什么过程间分析是个问题?
- 需要通过数据流分析得知 i 的具体类型，才能知道 i.foo () 调用的是哪个 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

type I interface {
    foo()
}

type A struct {}
type B struct {}

func (a *A) foo() {
    ···
}

func (b *B) foo() {
    ···
}

func bar() {
    i = &A{}
    i.foo()
}

四、Go 编译器优化

01.函数内联（Inlining）

内联：将被调用的函数体（callee）的副本替换到调用的位置（caller）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（icache）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
内联策略
- 调用和被调函数的规模
- ……

02.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 执行的对象逃逸出 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

引用

字节内部课《Go 高性能优化与落地实践》

希望学到知识的小伙伴可以给我点个赞~❤️❤️❤️

Go 语言内存管理 | 青训营笔记

前言