这是我参与「第五届青训营」伴学笔记创作活动的第 4 天

一、性能优化的层面

由于自顶向下的是业务代码、SDK、基础库、语言运行时以及OS，所以性能优化有着针对不同层面的优化：

业务层优化
- 针对特定场景，具体问题，具体分析
- 比较容易获得较大的性能收益
语言运行时优化
- 解决更通用的性能问题
- 考虑更多场景
- Tradeoffs

无论是哪种层面的性能优化，都需要数据作为驱动

数据驱动
- 自动化性能分析工具——pprof
- 依靠数据而非猜测，实事求是
- 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进行具体实现
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：通过选项控制是非开启优化
可观测：必要的日志输出

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()

GC算法补充：

安全性：不能收回存活的对象
吞吐率：1 - GC时间 / 总时间
暂停时间：stop the word(STW)
内存开销：GC元数据开发

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

将存活对象赋值到另外一个内存空间

将死亡对象的内存标记为“可分配”

移动并整理存活对象

2023-01-19 (2).png

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

1.3分代GC(Generatioal GC)

分代假说：most objects die young
Intuition：很多对象在分配出来后很快就不再使用了（英年早逝）
每个对象都有年龄：经历过GC的次数
目的：对年轻和老年的对象，指定不同的GC策略，降低整个提内存管理的开销
不同年龄的对象处于heap的不同区域
年轻代
- 常规的内存分配
- 由于存活对象很少，可以采用copying GC
- GC吞吐率很高
老年代
- 对象趋向于一直活着，反复复制开销较大
- 可以采用mark-sweep GC

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 > 0

缺点：

维护开销较大：通过原子操作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

2.1分块

对象在heap上分配内训
提前内存分块
- 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
- 再继续将大块划分成特定大小的小块，用于按需对象的分配
- 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

2.1缓存

2023-01-19 (3).png

2.2管理优化

g -> m -> p -> mcache -> mspan -> memory block -> return pointer

pprof：最常用

2.3案例

每个g都绑定一大块内存(GAB)
GAB用于noscan类型的小对象分配： < 128b
使用三个指针维护GAB: base end top
Bump pointer(指针碰撞)风格对象分配
- 无序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
}

自动内存管理及优化思路 l 青训营笔记