Go 语言内存管理详解 ｜ 青训营笔记

峰不二子的小迷弟
94 阅读7分钟

这是我参与「第五届青训营 」笔记创作活动的第4天

一、本堂课重点内容

  1. 自动内存管理
  2. Go 内存管理及优化
  3. 编译器和静态分析
  4. Go 编译器优化

二、详细知识点介绍

追求极致性能

性能优化是什么？

提升软件系统处理能力，减少不必要的消耗，充分发掘计算机算力

为什么要做性能优化？

  • 用户体验：带来用户体验的提升 - 让刷抖音更丝滑，让双十一购物不再卡顿
  • 资源高效利用：降低成本，提高效率 - 很小的优化乘以海量机器会是显著的性能提升和成本节约

性能优化的层面

J~2FRWW{3{I%SB{Y.png

业务层优化

  • 针对特定场景、具体问题，具体分析
  • 容易获得较大性能收益

语音运行时优化

  • 解决更通用的性能问题
  • 考虑更多场景
  • Tradeoffs

数据驱动

  • 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

  • 软件质量至关重要
  • 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，方便回归
  • 文档：做了什么，没做什么，能达到怎样的效果
  • 隔离：通过选项控制是否开启优化
  • 可观测：必要的日志输出

Q4MXNC70TZL0E4(Q%F8.png

总结

  • 性能优化的基本问题
  • 性能优化的两个层面
  • 性能优化的可维护性

1.0 自动内存管理

1.1 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：malloc()

自动内存管理(垃圾回收)：由程序语音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 proble

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

相关概念

  • Mutator：业务线程，分配新对象，修改对象指向空间
  • 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
  • Parallel GC：支持多个 collectors 同时回收的 GC 算法
  • Concurrent GC：mutator(s) 和 collector(s) 可以同时执行
  • Collectors 必须感知对象指向关系的改变

J7WFJWUD9FAO9~WFPJZN7.png

  • 安全性（Safety）：不能回收存活的对象 基本要求
  • 吞吐率（Throughput）：1 - GC时间/程序执行总时间 花在 GC 上的时间
  • 暂停时间（Pause time）：stop the world（STW）业务是否感知
  • 内存开销（Space overhead）GC 元数据开销
  • 追踪垃圾回收（Tracing garbage collection）
  • 引用计数（Reference counting）

1.2 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，找到所有可达对象
  • 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

1.3 分代 GC（Generational GC）

  • 分代假说（Generational hypothesis）：most objects die young
  • Intuition：很多对象在分配出来以后很快就不再使用了
  • 每个对象都有年龄：经历过 GC 的次数，降低整体内存管理的开销
  • 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）

  • 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

1.4 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推到程序执行过程中
  • 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
  • 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

2.0 Go 内存管理及优化

2.1 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
  • 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 mspan：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

2.1 Go 内存分配 —— 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

3}D%$CSFH9DPXP33R1MJ7Z8.png

2.2 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

2.3 我们（Bytedance）的优化方案：Balanced GC

  • 每个 g 都绑定一大块内存（1 KB），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

Balanced GC

  • 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
  • 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

3.0 编译器和静态分析

3.1 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）
  • 语法分析，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）

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

IYW175(XPZLL$IL~JV%AXAB.png

3.2 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
  • 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）
  • 根据这些性质优化代码

3.3 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）考虑函数调用时参数传递和返回值的数据流和控制流

4.0 Go 编译器优化

4.1 函数内联（Inlining）

  • 内联：将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

4.2 Beast Mode

  • Go 函数内联受到的限制较多，内联策略非常保守
  • Beast Mode：调整函数内联的策略，使更多函数被内联
  • Go 镜像增加 ~10%，编译时间增加

4.2 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

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

否则指针 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

未逃逸的对象可以在栈上分配

三、实践练习例子

无

四、课后个人总结

讲的很好，通过具体遇到的问题来讲理论知识，但由于我个人的实力有限，不能完全掌握，只能理解大概。

五、引用参考

无

avatar
文章
阅读
粉丝