day6 内存管理和编译器的优化 | 青训营笔记

yeyr2
107 阅读10分钟

这是我参与「第五届青训营 」伴学笔记创作活动的第 6 天.

一.前言

什么是性能优化?

  • 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
  • 资源高效利用: 降低成本,提高效率(很小的优化乘以海量的机器会是显著的性能提升和成本节约)

性能优化的层面

image.png

  • 业务层优化
    • 针对特定的场景,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

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,让使用者顺滑地使用修改后的程序
  • 测试用例: 覆盖尽可能多的场景,方便回归(测试驱动)
  • 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: 必须的日志输出(保证质量)

二.自动内存管理

1.相关概念

  • 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
  • MUtator: 业务线程,分配新对象,修改对象
  • Collector: GC线程,找到存活对象,回收死亡对象的内存空间

gc算法:

  • Serial GC: 只有一个collector

所有的mutator会暂停,然后只有一个collector执行,执行完毕后所有的mutator都会再次执行起来

  • Parallel GC: 支持多个collectors同时回收的GC算法

所有的mutator会暂停,然后多个collector执行,执行完毕后所有的mutator都会再次执行起来

  • Concurrent GC :mutator(s)和collector(s)可以同时执行

mutator不会暂停,collector会与mutator一起执行,gc完成collector就会休眠
collectors必须感知对象指向关系的改变
标记:标记为存活的对象
image.png

  • 评价GC算法
    • 安全性: 不能回收存活的对象 (基本要求)
    • 吞吐率: 1 - GC时间/程序执行总时间 (花在GC上的时间)
    • 暂停时间: stop the world(STW) (业务是否感知)
    • 内存开销 (GC元数据开销)
  • 追踪垃圾回收
  • 引用计数

2.追踪垃圾回收

  • 对象被回收的条件 : 指针指向关系不可达
  • 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

  • Copy GC : 将对象负责到另外的内存空间 image.png

  • Mark-sweep GC : 使用free list管理空闲内存

  • Compact GC : 原地整理对象 image.png

3.分代GC

  • 分代假说 : most objects die young(大多数函数很快就会死去)

  • Intuition:很多对象在分配出来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: 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

  • 不同年龄的对象处于heap的不同区域

  • 年轻代:

    • 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:

    • 对象趋于一直活着,反复复制开销较大
    • 可以采用mark-sweep collection(或者Compact GC)

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:当且仅当引用计数大于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
    • 无法收回环形数据结构 —— 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(回收大数据结构)

三. Go内存管理及优化

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
    • 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 : 分配不包括指针的对象 -- GC不需要扫描
    • scan mspan : 分配包括指针的对象 -- GC需要扫描
  • 对象分配 : 根据对象的大小,选择最适合的块返回

2.Go 内存分配-缓存

1.分配过程

image.png

  • TCMalooc : thread caching(go的内存分配借鉴了TCMalloc)
  • 每个p包含一个mcache用于快速分配,用于为绑定于p上的g分配对象
  • mcache管理一组mspan
  • 当mcache中的mspan分配完毕,向mcentral申请带有未分配块的mspan
  • 当mspan中没有分配的对象,mspan会被缓存在mcentral中,而不是立刻释放并归还给OS,如果需要就可以立即分配过去
细节:
  • 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

2.优化方案:Balanced GC

  • 每个g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 : < 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 image.png
if top + size <= end {
    addr := top
    top += size
    return addr
}

分配方式:先分配一个独有的大内存,然后如果要分配一个对象,直接分配大内存中的内存即可.比如分配一个大小为8b的对象,直接移动8b即可,不用与其他g上的分配请求互斥.

  • GAB对于Go内存管理来说是一个大对象
  • 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

比如分配的一个大内存,中间只有一个很小的对象存活,会导致整个大内存被标记为存活,导致不能释放.

  • 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的算法管理小内存
    • 根据对象的生命周期,使用不同的标记和清理策略
实例 -- 性能收益
  • 高峰期 CPU usage 降低4.6%,核心接口时延下降4.5%~7.7%

四.编译器和静态分析

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
    • 语法分析,生产语法树
    • 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 image.png

3.静态分析

  • 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 : 程序执行的流程

控制流 : 分析代码,推导出代码的控制流程 image.png

  • 数据流 : 数据在控制流上的传递

在控制流上分析数据流,将数据流信息通过控制流传播,得到数据 image.png

  • 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
  • 根据这些性质优化代码
  • 过程内分析
    • 仅在函数内部进行分析
  • 过程间分析
    • 考虑函数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个问题?(以下文代码为例)
    • 需要通过数据流分析得知i的具体类型,才能知道i.foo()调用的是哪个foo()
    • 根据i的具体类型,产生了新的控制流,i.foo(),分析继续
    • 过程间分析需要同时分析数据流和控制流 -- 联合求解,比较复杂
type I interface {
   foo()
}

type A struct{}
type B struct{}

func (a *A) foo() {
   //省略代码
}

func (b *B) foo() {
   //省略代码
}

func bar() {
   i := ...
   i.foo()
}

五.Go编译器优化

1.背景

  • 为什么做编译器优化
    • 用户无感知,重新编译即可获得性能收益
    • 通用性优化
  • 现状
    • 采用的优化少
    • 编译时间较短,没有进行较复杂的代码分析和优化
  • 编译优化的思路
    • 场景:面向后端长期执行的任务
    • Tradeoff : 用编译时间换取更高效的机器码
  • Beast mode
    • 函数内联
    • 逃逸分析
    • 默认栈大小调查
    • 边界检查消除
    • 循环展开
    • ......

2. 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,同时重写代码以反映参数的绑定,即编译时期展开函数
  • 优点
    • 消除函数调用开销,例如传递参数,保存寄存器
    • 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
  • 函数内联能多大程度影响性能? -- 使用micro-benchmark验证一下
func addInline(a, b int) int {
  return a + b
}

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

func BenchmarkNoInline(b *testing.B) {
  x := genInteger()
  y := genInteger()
  for i := 0; i < b.N; i++ {
     addNoInline(x, y)
  }
}

//取消inline
//go:noinline
func addNoInline(a, b int) int {
  return a + b
}

func genInteger() int {
  rand.Seed(time.Now().UnixNano())
  return rand.Int()
}

image.png
inline的执行时间远小于noinline的执行时间

  • 缺点
    • 函数体变大,instruction cache(icache)不友好
    • 编译生成的Go镜像变大
    • 对递归函数的内联扩展可能引起部分编译器的无穷编译
  • 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
    • ......

3. 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 : 调用函数内联的策略,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 ~ 10%
    • 编译时间增加

4.逃逸分析

  • 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
      • 传递给已逃逸的指针指向的对象
      • 传递给其他的goroutine
    • 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,不需要GC,修改 SP 寄存器即可完成,节约了清理时间
    • 减少在heap上的分配,降低GC负担
avatar
文章
阅读
粉丝