这是我参与「第五届青训营」伴学笔记创作活动的第 4 天
性能优化
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
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
SDK是什么？
辅助开发某一类软件的相关文档、范例和工具的集合都可以叫做SDK(Software Development Kit)。
自动内存管理
所谓自动内存管理，其实就是指垃圾回收，在 Go 中，程序在运行时根据需求动态分配的内存（即动态内存）会被纳入自动内存管理的范畴。
通过自动内存管理，我们可以避免手动释放内存，将注意力专注在业务逻辑，同时还可以避免发生内存安全问题（诸如 内存重复释放问题 double-free problem 或是 内存释放后使用问题 use-after-free problem）。
一个垃圾回收周期大致有三个任务：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。
垃圾回收中的相关概念：
- 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
- 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
GC的评价指标：
- 安全性（Safety）：指垃圾回收器不应回收存活的对象；基本要求
- 吞吐率（Throughput）：指垃圾回收器花在 GC 上的时间占程序执行总时间的比率；花在GC上的时间
- 暂停时间（Pause time）：指垃圾回收导致业务线程挂起（暂停）的时间（GC 导致的暂停被称为 stop the world, STW）业务是否感知
- 内存开销（Space overhead）：指垃圾回收器元数据占用的内存开销；GC元数据开销
追踪垃圾回收
其实就是可到达性算法，GC root指针指向关系不可达的对象被视为垃圾可以被回收，也是Java目前在使用的算法。
- 首先，标记根对象，这些根对象可能包括静态变量，全局变量，常量，线程栈等；
- 然后，从根对象触发，找到所有引用根对象的可达对象；
- 最后，清理所有不可达对象，这分为三个步骤：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。
分代GC
Java语言与Go一样都支持分代回收，将正在使用的对象分为新生代和老年代，采用不同的机制判断是否需要回收。
大多数对象在很短的生命周期内就会死亡，分配出来后很快就不再使用了。通过为年轻和年老（经历过 GC 的次数越多则越老，反之越年轻）的对象指定不同的 GC 策略，降低整体内存管理的开销。
- 新生代
- 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
引用计数法
为每一个对象维护一个与之关联的引用数目，对象每被引用一次计数加一，释放一次计数减一，当且仅当引用数大于 0 时，该对象才会被标记为存活，否则，对象会被回收。
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
Go内存管理及分化
分块
可以通过系统调用（mmap()）提前向操作系统申请一大块内存，然后再不断将内存分配成特定大小的小块，用于对象分配；将内存分配为包含指针的大块（scan mspan）和不包含指针的大块（noscan mspan）来有针对性地进行 GC。
缓存
通过维护 mcache 管理一组 mspan 加快内存分配效率，避免重复向操作系统申请内存。
Go内存优化管理
- 对象分配是非常高频的操作：每秒分配GB级别的内存
- 空间较小的对象占比比较高
- 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
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：
< 128B - 使用三个指针维护GAB：
base基地址, end结束地址, top当前地址 - Bump pointer（指针碰撞）风格对象分配：
- 无需和其他分配请求互斥
- 分配动作简单高效（移动top指针）
编译器和静态分析
重点在于后端部分，包括：
- 代码优化：机器无关代码，生成优化后的IR
- 代码生成：生成目标代码
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。
常见的两种分析：
- 控制流：程序执行的流程
- 数据流：数据在控制流上的传递
从而对应了两种方式：
- 过程内分析：仅在函数内部进行分析
- 过程间分析：考虑过程调用时参数传递和返回值的数据流和控制流
对于Java而言，编译是把源文件编译为JVM可以识别的字节码，而不是机器码，这里是与Go不一样的。
编辑器优化
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，同时重写代码以反映参数的绑定。
优点：
- 清除函数调用开销，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不友好（大概就是会占用很多的意思）
- 编译生成的Go镜像变大（时间换空间的感觉）
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 指向的对象逃逸出 s，反之则没有逃逸出
- Beast mode: 函数内联拓展了函数边界，更多对象不逃逸
