Go语言内存管理详解 | 青训营笔记

用户6372872986752
57 阅读5分钟

这是我参与「第五届青训营 」笔记创作活动的第4天

本堂课的重点

  • 性能优化
  • 内存管理优化与编译器优化
  • 自动内存管理和Go内存管理机制
  • 编译器优化的基本问题和思路

性能优化

性能优化考虑的方向

  • 带来用户体验的提升
  • 降低成本，提高效率

性能优化的层面

  • 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
    • 首先优化最大瓶颈

内存管理优化与编译器优化

自动内存管理

概念

  • 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
    • 保证内存使用的正确性和安全性: double-free problem, use-after-free problem
  • 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

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

image.png

分代GC

目的:针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

  • 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

image.png

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
    • 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

image.png

GO内存管理和优化

GO内存分配

  • 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8KB，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

GO内存优化

  • 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

优化方案

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, 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

image.png 本质:将多个小对象的分配合并成一次大对象的分配 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

Go编译器和优化

函数内联

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
func BenchmarkInline(b *testing.B){
    X:= genInteger(o
    y:= genIntegerO
    for i := 0;i<b.N;i++ {
        addInline(x, y)
    }
}
func addInline(a, b int) int {
    return a + b
}

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
    • 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 例子：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s
  • Beast mode:函数内联拓展了函数边界，更多对象不逃逸
  • 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
    • 减少在heap 上的分配，降低GC负担

个人总结

经过这一天的学习，我学习到GO语言是怎么去存储内存的，同时学习到如何去将进行一个性能调优

avatar
文章
阅读
粉丝