Go 自动内存管理 | 青训营笔记

九牧
710 阅读8分钟

这是我参与「第五届青训营」伴学笔记创作活动的第 7 天

1. 自动内存管理

1.1 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
  • 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 / 程序执行时间）花在GC上的时间
    • 暂停时间（Pause time）：stop the world（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 collection）
  • 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
    • 将存活对象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
  • lntuition：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——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

1.5 总结

  • 自动内存管理的背景和意义
  • 概念和评价方法
  • 追踪垃圾回收304
  • 引用计数
  • 分代GC
  • 学术界和工业界在一直在致力于解决自动内存管理技术的不足之处
    • PLDI'22 Low-Latency,High-Throughput Garbage Collection

2. Go 内存管理及优化

2.1 Go 内存分配

2.1.1 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 4 MB

  • 先将内存划分成大块，例如 8 KB，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——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：根据对象的大小，选择最合适的块返回

image-20230128215739008

2.1.2 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

image-20230128223901828

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

  • 每个g 都绑定一大块内存(1 KB)，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-20230128224500480

image-20230128224629039

  • GAB对于Go内存管理来说是一个大对象

    image-20230128224812911

  • 本质：将多个小对象的分配合并成一次大对象的分配

    image-20230128224850597

  • 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
      • 根据对象的生命周期，使用不同的标记和清理策略

image-20230128224949529

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

image-20230128225644681

主要学习编译器后端优化

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

image-20230128230156385 image-20230128230244707

  • 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
image-20230128230358303

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?

  • 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控制流和数据流——联合求解，比较复杂

image-20230128230729995

分析A.foo()，还是B.foo()？A.foo()！

3.4 总结

  • 编译器的结构与编译的流程

  • 编译器后端优化

  • 数据流分析和控制流分析

  • 过程内分析和过程间分析

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

  • 函数内联能多大程度影响性能?——使用micro-benchmark验证一下

image-20230128231938652 image-20230128232002945

image-20230128232101637

函数被内联后，性能数据提升 4.58X！

  • 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

4.3 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

5. 总结

  • 性能优化
    • 自动内存管理
    • Go内存管理
    • 编译器与静态分析
    • 编译器优化
  • 实践
    • Balanced GC优化对象分配
    • Beast mode提升代码性能
  • 分析问题的方法与解决问题的思路，不仅适用于Go语言，其他语言的优化也同样适用

如有错误，欢迎指正！

avatar
文章
阅读
粉丝