这是我参与「第五届青训营」伴学笔记创作活动的第4天。
今天的内容主要关于go语言发行版的优化，主要包括内存管理优化（垃圾回收）和编译器优化。
前置知识——相关术语：bytedance.feishu.cn/docx/doxcn2…
1 概述
性能优化可以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。进而提高用户体验，提高资源利用率。
性能优化的层面可以划分为5个层面：业务代码、SDK、基础库、语言运行时和OS。其中业务代码可以更有针对性地提高性能，语言运行时的提升则更为泛用。对于性能的优化一定要注意基于数据用数据驱动优化。
2 自动内存管理
2.1 使用背景
动态内存管理的底层：c 语言的 malloc。
自动内存管理即在程序运行时由系统管理内存。这样可以让程序员专注于核心代码内容，保证内存使用的正确性和安全性。尤其针对 double-free problem（释放了2次内存）, use-after-free problem 可以避免很多问题。
因此，自动内存管理主要完成3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。
2.1.1 GC 背景知识
线程分类：
- 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
GC模式分类：
- Serial GC: 只有一个 collector （暂停所有 mutator 线程，执行GC，恢复线程）
- Parallel GC: 并行 GC，支持多个 collectors 同时回收的 GC 算法 （暂停，多个 GC 同时工作，恢复线程）
- Concurrent GC: 并发 GC，支持 mutator(s) 和 collector(s) 同时执行的 GC 算法 （无需显式暂停）
Concurrent GC 难点：必须要感知到对象关系的改变.
2.1.2 GC 的评价标准
- 安全性（Safety）：不能回收存活的对象
- 吞吐率（Throughput）：花在GC上的时间；计算公式 = 1 - GC 时间 / 程序执行总时间
- 暂停时间（Pause Time）：stop the world (STW)，影响到业务是否会感知到暂停
- 内存开销（Space Overhead）：GC 元数据开销
扩展阅读书目：《The Garbage Collection Handbook》
接下来是2种常用的垃圾回收技术。
2.2 Tracing Garbage Collection: 追踪垃圾回收
回收条件：指针指向不可达
操作逻辑：
- 标记根对象：静态变量、全局变量、常量、线程栈
- 找到可达对象：从根对象出发查找（求指针指向关系的传递闭包）
- 清除不可达对象：Copying GC（将存活对象复制到另一块内存空间）、Mark-sweep GC（将死亡对象所在内存块标记为可分配，使用 free list 管理）、Mark-compact GC（将存活对象复制到同一块内存区域的开头）
案例：Generational GC 分代 GC
- 基于分代假说：most objects die young
- 定义“年龄”概念：object 经历过的 GC 次数
- 基于年龄选择不同 GC 策略（本质上是基于不同的生命周期）：年轻代使用 Copying GC，老年代使用Mark-sweep GC
2.3 Reference Counting 引用计数
每个对象都有一个引用数目，引用数大于0时对象存活。（有点类似于计算机网络中的 Time to Live -- TTL）
优点：内存管理时间平摊到程序运行过程中；不需要了解runtime细节（类似 C++ 中 smart pointer） 缺点：维护引用计数的开销大；无法回收环形数据结构（swift 中用 weak reference 解决）；每个对象都要计数；回收大的数据结构仍可能引入暂停
3 Go 内存管理和优化
3.1 Go 内存分配
总体思想：分块、缓存
用 mmap 申请内存后，go会提前将内存分成大块 mspan，用于对象分配。其中 noscan mspan 用于分配不包含指针的对象，即 GC 不需要扫描；scan mspan 用于分配包含指针的对象，即 GC 需要扫描。
缓存方面借鉴了 TCMalloc (TC: thread caching) ，主要是分层使用内存，适时把内存还给OS。
3.2 Go 内存分配优化
背景：分配内存是高频操作、分配内存占用CPU、小对象占用消耗大
字节解决方案：Balanced GC
4 编译器和静态分析
4.1 编译器基本知识
编译器结构
4.2 静态分析
定义：不执行代码，推导程序的行为，分析程序的性质。
主要分为2种分析方法：
- 控制流分析：程序执行流程（用控制流图 control-flow graph）
- 数据流分析：数据在控制流上的传递（代入数据计算）
4.3 过程内和过程间分析
过程内分析（intra-procedural analysis）：针对函数内的控制流和数据流分析
过程间分析（inter-procedural analysis）：还要考虑跨函数的控制流数据流分析，如传参
5 Go 编译器优化
目的：用户无感知、优化泛用
字节解决方案：Beast mode
5.1 函数内联 inlining
函数内联：将被调用函数的函数体（callee）的副本替换到调用位置（caller）上，同时重写代码反映参数绑定。
优点：降低开销、把过程间分析转换为过程内分析
缺点：函数体变大、编译器生成的go的镜像变大
需要根据实际情况决定是否要进行内联。
5.2 逃逸分析
逃逸分析：分析指针的动态作用域（在哪里可以被访问）
逃逸的定义：指针是否可以在其作用域之外被访问（如作为传参、被赋值给全局变量、传递给其它goroutine、传递给已逃逸的指针指向的对象）
6 总结与思考
内存管理和优化其实是一个在工业界很重要，但在一个人的实践过程中很难用上到的东西。对于个人项目或小团队而言，优化的性能提升并不足以cover为之付出的成本，但对于大项目而言则必不可缺。
其实在本科的时候学操作系统的内存管理、文件管理，编译系统的工作流程，计算机组成原理之类的课程时，都感受到过很多优化听上去就很好用，但如果真的由自己实现，花费的时间成本过高不说，最终结果也未必有最新技术带来的优化效果好。我想这也是很多人对于优化只有表面了解的原因之一。除此之外，国内学校学习的知识和工业界实际使用的内容之间有很大的壁。无论是代码量、技术是否过时，还是困难的东西让学生感兴趣自行探索，都导致学生在一些看似一步之遥，实际风险很多的步骤上得不到足够的知识。而这些对于工业界来说又太过基础，被认为是经验性的知识。也由此增加了很多试错成本。
