这是我参与「第五届青训营 」伴学笔记创作活动的第 5 天

前言

性能优化层面

• 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
  • 依靠数据而不是猜测
  • 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改进具体实现
• 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：通过选项控制是否开启优化
• 可观测：必要的日志输出

1、自动内存管理

自动内存管理指的是动态内存

• 动态内存

• • 程序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回收动态内存

• • 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

1.1 相关概念

• Mutator：业务线程，分配新对象，修改对象指向关系
• Collector：GC（Garbage Collection）线程，找到存活的对象，回收死亡对象的内存
• Serial GC：只有一个 collector
• Parallel GC：支持多个 collectors 同时回收 GC 算法
• Concurrent GC：mutator(s) 和 collector(s) 可以 同时执行

• • Collectors 必须感知对象指向关系的改变

• 评价 GC 算法

• • 安全性（Safety）：不回收存货的对象
  • 吞吐率（Throughput）：花在 GC 上的时间更短
  • 暂停时间（Pause Time）：stop the world（STW）业务是否敏感
  • 内存开销（Space overhead）：GC 元数据开销

• 跟踪垃圾回收（Tracing garbage collection）
• 引用计数（Reference counting）

1.2 跟踪垃圾回收

• 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（这些变量一般都是存活的）

• 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

Copying GC：

Mark-sweep GC：

Compact GC：

1.3 分代 GC（Generational GC）

• 分代假说：很多对象在分配出来之后很快就不再使用了
• 每个对象都有年龄：经历过 GC 的次数
• 目的：针对年轻和老年的对象，制定不同的 GC 策略
• 不同年龄的对象处于 heap 的不同区域
• 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

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了程序执行过程中
  • 内存管理不需要了解 runtime 的实现细节（如：C++智能指针）

• 缺点

• • 维护引用计数的开销很大：需要使用原子操作来保证原子性和可见性
  • 无法回收环形的数据结构——weak reference（swift）
  • 内存开销：每个对象都需要引入额外内存空间存储引用的数目
  • 回收内存时仍然可能引发暂停

2、Go 内存管理及优化

2.1 Go内存分配——分块

• 目标：为对象在 heap 上分配内存
• 提前将内存分块

• • 系统调用 mmap() 向 OS 申请一大块内存，如 4MB
  • 现将内存划分为大块，例如 8KB，称为 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：根据对象大小，选择最合适的块返回

2.1 Go内存分配——缓存

2.2 Go 内存管理优化

• 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：对象分配的函数时最频繁调用的函数之一

2.3 字节的GC优化方案：Balanced GC

• 每个 g 都绑定一大块内存（1KB），称为 goroutine allocation buffer（GAB）
• GAB 用于 noscan 类型的小对象分配：< 128 B
• 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

2.3 Balanced GC

• GAB 对于内存管理来说是一个对象
• 本质：将多个小对象的分配合并成一次大对象的分配
• 问题：GAB 的对象分配方式会导致内存被延迟释放
• 方案：移动 GAB 中存活的对象

• • 当 GAB 总大小超过一定阈值的时候，将 GAB 中存货的对象复制到另外分配的 GAB 中
  • 原先的 GAB 可以释放，避免内存泄露
  • 本质：用 copying GC 的算法管理小对象

3、编译器和静态分析

3.1 编译器的结构

• 重要的系统软件

• • 识别符合语法和非法的程序
  • 生成正确且高效的代码

• 分析部分（前端 front end）

• • 词法分析，生成词素（lexeme）
  • 语法分析，生成语法树
  • 语义分析，收集类型信息，进行语义检查
  • 中间代码生成，生成 intermediate representation（IR）

• 综合部分（后端 back end）

• • 代码优化，机器无关优化，生成优化后的 IR
  • 代码生成，生成目标代码

3.2 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
• 控制流（control flow）：程序执行的流程
• 数据流（Data flow）：数据在控制留上的传递
• 通过分析控制流和数据流，我们可以知道更多关于程序的性质（properties）
• 根据这些性质优化代码

3.3 过程内分析 和 过程间分析

• 过程内分析（Intra-procedural analysis）

• • 仅在函数内部进行分析

• 过程间分析（Inter-procedural analysis）

• • 考虑过程调用时参数传递和返回值的数据流和控制流

• 为什么过程间分析是问题？

• • 需要使用数据流分析知道 i 的具体类型
  • 根据 i 的具体类型，产生新的控制流，才能继续分析
  • 过程间分析需要同时分析控制流和数据流——联合求解，比较复杂

4、Go 编译器优化

4.1 函数内联（inlining）

• 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，同时重写代码以反应参数的绑定
• 优点

• • 消除函数调用开销，如参数传递、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，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

• 函数内联在大多数情况下是正向优化
• 内联策略

• • 调用和被调用函数的规模
  • ...

4.2 Beast Mode

• Go函数内联受到的限制较多

• • 语言特性，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，使得更多函数被内联

• • 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 镜像增加了 ~10%
  • 编译时间增加

4.2 逃逸分析

• 逃逸分析：分析代码中指针的动态作用于：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

PS

本文主要作用是作为上课笔记，如有错误，欢迎大家评论指正，我会及时改正