这是我参与「第五届青训营」笔记创作活动的第5天。

一、本堂课重点知识

今天的课程主要内容是介绍关于高性能Go语言发行版的内存管理优化，分享自动内存管理与Go内存管理知识。

二、详细知识点介绍

0.1 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

0.2 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

1.1 自动内存管理

• 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

  • 避免手动管理内存，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

• Concurrently是什么意思？

• Mutator threads指的是什么？

• 相关概念

  • 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
  • Parallel GC：支持多个collectors同时回收的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)：不能回收存活的对象-基本要求
    • 吞吐率(Throughput)：1-GC时间/程序执行总时间-花在GC上的时间
    • 暂停时间(pause time)：stoptheworld(STW)-业务是否感知
    • 内存开销(Space overhead)-GC元数据开销
  • 追踪垃圾回收(Tracing garbage collction)
  • 引用计数(reference counting)

1.2 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
• 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
  • 将存活对像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

1.3 分代GC(Generational GC)

• 分代假说(Generational hypothesis)：most objects die young
• 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(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一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

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
  • 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:分配不包含指针的对象一GC不需要扫描
  • scan mspan:分配包含指针的对象一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

2.1 Go内存分配-缓存

• TCMalloc：thread caching
• 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

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：对象分配的函数是最频繁调用的函数之一

2.3 Balanced GC

• 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
• 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

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

• 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)：数据在控制流上的传递
• 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个问题？
  • 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，A.foo(),分析继续
  • 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

• 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
  • 默认栈大小调整
  • 边界检查消除
  • 循环展开

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
• 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，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

• 逃逸分析

• 定义

  • 分析代码中指针的动态作用域，即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 逃逸出 s，反之则没有逃逸出 s.

• 优化：未逃逸出当前函数的指针指向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 即可完成内存的分配和回收；
  • 减少在堆上分配对象，降低 GC 负担。

三、实践练习例子

无

四、课后个人总结

这节课主要学习更多内存管理与优化的知识。

五、引用参考

Low-Latency, High-Throughput Garbage Collection (anu.edu.au)