05性能优化与自动内存管理 ｜ 青训营笔记

nCloser
104 阅读4分钟

这是我参与「第五届青训营 」伴学笔记创作活动的第 5 天

性能优化

  • 宗旨：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

  • 性能优化层面

    image.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

  • 语言运行时优化——涉及全公司，需要考虑通用与全面

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

  • 数据驱动（与文章04性能优化 ｜ 青训营笔记类似）

    性能调优原则

    1. 要依据数据而不是猜测
    2. 要定位最大瓶颈而不是细枝末节
    3. 不要过早优化
    4. 不要过度优化

  • 软件质量

    • 尽量保证接口稳定的前提下改进实现

  • 用更多更全面的测试用例来测试，用测试来驱动开发

  • 通过清晰的文档告诉用户这一项优化做了什么，没做什么，能达到怎样的效果，方便用户针对场景来开启优化

  • 隔离，优化代码用选项和原先的路径隔离，保证优化未启用时的行为同以前一致——保证产品的稳定性

  • 可观测、可灰度、可回滚——对必要的日志、统计数据等进行输出，保证可观测性。

自动内存管理

基本概念

  • 自动内存管理：由程序语言的运行时系统管理动态内存，例如malloc

  • 避免手动内存管理，专注于实现业务逻辑

  • 自动内存管理需要保证内存使用的正确性和安全性

  • 三个任务

    1. 为新对象分配空间
    2. 找到存活对象——之后还会使用到的对象
    3. 回收死亡对象的内存空间

  • 一些基础概念

    • 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，会有暂停

    • Parallel GC: 并行 GC，支持多个 collectors 同时回收的 GC 算法，同样有暂停，性能比serial GC高一些

    • Concurrent GC: 并发 GC，支持 mutator(s) 和 collector(s) 同时执行的 GC 算法

      Collectors 必须感知对象指向关系的改变！

追踪垃圾回收

  • Tracing garbage collection: 追踪垃圾回收

    • 被回收的条件：不可达对象

    • 过程

      • 标记根对象 (GC roots): 静态变量、全局变量、常量、线程栈等

      • 标记：找到所有可达对象

      • 清理：回收所有不可达对象占据的内存空间

        • Copying GC: 将存活对象从一块内存空间复制到另外一块内存空间，原先的空间可以直接进行对象分配
        • Mark-sweep GC: 将死亡对象所在内存块标记为可分配，使用 free list 管理可分配的空间
        • Mark-compact GC: 将存活对象复制到同一块内存区域的开头

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运行中：指针传递的过程中进行引用计数的增减
    • 不需要了解 runtime 的细节：因为不需要标记 GC roots，因此不需要知道哪里是全局变量、线程栈等

  • 缺点

    • 开销大，因为对象可能会被多线程访问，对引用计数的修改需要原子操作保证原子性和可见性
    • 无法回收环形数据结构
    • 每个对象都引入额外存储空间存储引用计数
    • 虽然引用计数的操作被平摊到程序运行过程中，但是回收大的数据结构依然可能引发暂停
avatar
文章
阅读
粉丝