这是我参加青训营的第 4 天

性能优化

自动内存管理

概念

自动内存管理管理的是动态内存

• 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
  • 可以保证内存使用的正确性和安全性

• 三个主要核心任务

  • 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

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

当需要执行GC操作的时候，会暂停执行的Mutator 转而去执行一个 Collector，结束之后继续执行Mutator

特点：执行 GC 操作的时候会暂停、只有一个 Collector

Parallel GC：支持多个 collectors 同时回收

当需要执行GC操作的时候，会暂停执行的Mutator 转而去执行多个 Collector，结束之后继续执行Mutator

特点：执行 GC 操作的时候会暂停、有多个 Collector。因而性能比Serial GC 高一点

Concurrent GC：mutator(s) 和 collector(s) 可以同时执行

执行 GC 操作的时候，不会暂停程序，一边做 GC 垃圾回收，一边执行线程操作

• Concurrent GC 必须感知对象指向关系的变化

当执行 GC 操作的时候，不会暂停线程，所以有可能产生新的未标记存货对象，如果没有感知对象指向关系的变化，极有可能会被当作死亡对象被垃圾回收

GC

算法介绍

• 安全性（Safety） ：不能回收存活对象，这是基本要求
• 吞吐率（Throughput） ：1 - （GC 时间 / 程序执行总时间） 结果代表花在GC上的时间。追求吞吐率高一点
• 暂停时间（Pause time） ：stop the world（STW），越短越好，这样业务可能感知不到暂停
• 内存开销（Space overhead） ：越少越好

GC 相关技术

• 追踪垃圾回收（Tracing garbage collection）

  • 对象被回收条件：指针指向关系不可达的对象

  • 标记根对象

    • 根对象包含静态变量、全局变量、常量、线程栈等

  • 找到所有可达对象

    • 求指针关系的传递闭包：从根对象出发，找到所有对象

  • 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）

  • 根据对象的生存周期，使用不同的标记和清理策略

• 分代 GC（Generational GC）

  • 定义：很多对象在分配出来之后很快就不再使用了，most objects die young

  • 每个对象都有年龄：经过 GC 的次数

  • 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（Young generation）

    • 承接日常对象的分配，当对象刚分配出来时都在年轻代
    • 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
    • 当发现有很多碎片的时候，可以使用压缩将对象都放到freelist开头

• 引用计数（Reference counting）

  • 每个对象都有一个与之关联的引用数目，当没有人引用的时候记为0

  • 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 —— weak reference可以解决环形数据回收问题

    • 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

内存分配 —— 分块

内存分配指的是：给对象在heap中分配一块内存

• Go的做法：提前将heap分块，当对象需要分配的时候， 寻找块大小最相近的一块进行分配

  • 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 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 mspan：分配包含指针的对象 —— GC 需要扫描

内存分配 —— 缓存

• 对象分配步骤

  • 每个 p 包含一个 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 分配完毕没有额外空间再分配新加入的对象时，会向 mcentral 申请带有未分配快的 mspan。当分配完之后返回 mcache 中
  • 当 mspan 中没有分配的对象，mspan 会被缓存在 mcentral 中，做到分配对象时可以快速分配，而不是立刻释放并归还给 OS

内存分配优化 —— Balanced GC

• 对象分配操作是非常高频的操作，每秒可以分配出 GB 级的内存

• 我们在实例中通过 pprof 可以发现小对象分配次数非常高

• Go 内存分配比较耗时

  • 分配路径：g -> m -> p -> mcache -> mspan -> memory block -> return pointer
  • pprof：对象分配函数是最频繁调用的函数之一

mallocgc函数是用来做对象分配

Balanced GC：

• 在每个 g 中都绑定一大块内存（例如：1KB），称作 goroutine allocation buffer（GAB）

• GAB 适用于 noscan 类型的小对象分配：对象大小 < 128B

• GAB 使用三个指针来维护：base、top、end

  • base：这一块地址的基地址
  • top：在 g 块中当前所在的位置
  • end：这一块地址的尾地址

• 当满足条件之后就可以使用 Bump pointer（指针碰撞）对对象进行分配

  • 因为在每个 g 中都有一个 GAB，所以无需和其他分配请求互斥
  • 分配动作简单高效，当对象进来需要分配的时候，确定对象大小，然后 top 向前移动对象大小的地址，即可分配成功

  if top + size < end {
      addr := top
      top += size
      return addr     // 此时addr就代表对象初始地址
  }
  

• GAB 对于 Go 内存管理来说，就是一个大的对象

• 本质：GAB 将许多个小对象的分配合并成一个大对象的分配

• 问题：当 GAB 中有一个小对象被标记为存活对象，那么，整个一块都会被标记为存活，所以会导致内存被延迟释放

• 解决：当 GAB 总大小超过一定阈值时，使用 copying GC 的方法将存活对象分离出去，释放GAB

编译器和静态分析

编译器结构

• 重要的系统软件

  • 识别符合语法的非法的程序
  • 生成正确且高效的代码

• 分析部分（前端 frount end）

  • 词法分析，生成词素（lexeme）
  • 词法分析，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）
  • IR 不会因为机器而产生变化，无论什么机器，都是同一组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

静态分析

• 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（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（intra-procedural analysis)

  • 仅在函数内部分析

• 过程间分析 （inter-procedural analysis）

  • 需要考虑过程调用时参数传递和返回值的数据流和控制流
  • 需要通过数据流分析得知 i 的具体类型，才知道 i.foo() 调用的是哪个 foo()
  • 根据 i 的，产生了新的控制流和数据流，继续分析。以此类推

Go 编译器优化

• 优化思路

  • 场景：面向后端长期执行任务
  • Tradeoff：用编译时间换取更高效的机器码

• Beast mode

  • 函数内敛
  • 逃逸分析

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
  • 内联政策非常保守

• Beast mode：调整函数内联的政策，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

Beast mode —— 函数内敛

• 内敛：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
  • 将过程见分析转换为过程内分析，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，不能够无休止的内联，会导致函数体和 Go 镜像非常大

Beast mode —— 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 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：函数内联拓宽了函数边界，可以避免更多的对象逃逸

• 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即可实现
  • 减少在 heap 上的分配，降低 GC 负担