• 业务层优化

  • 针对特定场景，具体问题
  • 容易获得较大的性能收益

• 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
  • 首先优化最大瓶颈

自动内存管理

• 动态内存

  • 程序在运行时根据需求分配的内存：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
  • 保证内存使用的正确性和安全性

• 三个任务

  • 为新内存分配空间
  • 找到存活对象
  • 回收死亡对象内存空间

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（因为这些对象存储的变量还会用到，它们必然存活）

• 标记：找到可达对象

  • 求指针指向关系等传递闭包：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）

分代GC

• 分代假说：most objects die young

• Intuition：很多对象在分配出来后很快就不再使用

• 每个对象都有年龄：经历过GC的次数

• 目的：针对年轻和年老的对象，使用不同的GC策略，降低整体内存管理开销

• 不同年龄的对象处于heap不同区域

• 年轻代（Young generation）

  • 常规的对象分配
  • 由于存活对象少，可以采用Copying collection
  • GC吞吐率很高

• 老年代（Old generation）

  • 对象趋于一致活着，反复复制开销大
  • 可以采用Mark-sweep collection

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

  • 内存管理操作被平摊刀程序执行中
  • 内存管理不需要了解runtime的实现细节：C++智能指针

• 缺点：

  • 维护开销大，需要使用原子操作
  • 无法回收环形数据结构
  • 内存开销：引入数目的额外存储空间
  • 回收内存时依然可能引发暂停

Go内存管理及优化

内存分配

• 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申请一块内存，如4M
  • 先将内存划分为大块，例如8KB，称作mspan
  • 再将大块内存继续划分为特定大小的小块，用作对象分配
  • noscan mspan: 分配不包含指针的对象 -----------GC不需要扫描
  • scan msapn：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

编译器和静态分析

• 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

静态分析

• 不执行程序代码，推导程序行为，分析程序的性质
• 控制流：程序执行的流程
• 数据流：数据在控制流上的传递

Go编译器优化

函数内联

将被调用函数的函数体的副本直接替换到调用位置上，同时重写代码以反映参数的绑定

优点：

消除了调用开销，将过程间分析转化为过程内分析

缺点：

函数题变大，编译生成的Go镜像变大

Beast Mode

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