这是我参与「第五届青训营 」伴学笔记创作活动的第 4 天
1.性能优化
由于自顶向下的是业务代码、SDK、基础库、语言运行时以及OS，所以性能优化有着针对不同层面的优化。
（1）业务层优化
针对特定场景，具体问题，具体分析
容易获得较大的性能收益
（2）语言运行时优化
解决更通用的性能问题
考虑更多场景
（3）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
2.自动内存管理
（1）概念
动态内存：程序在运行时根据需求动态分配的内存：类似于C语言的malloc（）
自动内存管理：由程序语言的运行时系统管理动态内存
（2）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
（3）分代GC
分代假说：most objects die young
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，指定不同的GC策略，降低整个提内存管理的开销
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
（4）引用计数
每个对象都有一个与之关联的引用数目
3.内存管理及优化
（1）分块
提前为对象在heap上分配内存
（2）缓存
TCMalloc：thread caching
缓存过程：每个p包含一个mcache用于快速分配，用于g分配对象，mcache管理一组mspan，当mcache中的mspan分配完毕，向mcentral的mspan，当mspan中没有分配的对象，mspan会被缓存在mcentral中
（3）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
空间较小的对象占比比较高
Go内存分配比较耗时
4.静态分析
（1）控制流和数据流
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*流程
数据流：数据在控制流上的传递
（2）过程内分析
仅在函数内部进行分析
（3）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
5.编译器优化
（1）思路
场景：面向后端长期执行任务
Tradeoff：用编译时间换取更高效的机器码
（2）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
（3）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
增加了其他优化机会：逃逸分析
