入门GO语言-性能优化及自动内存管理(二) | 青训笔记

用户6214681127813
83 阅读5分钟

这是我参与「第五届青训营」伴学笔记创作活动的第 8 天

入门GO语言-性能优化及自动内存管理(二)

GO内存分配

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

Go内存分配一缓存

  • 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.png

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

我们的优化方案:Balanced GC

  • 每个g 都绑定一大块内存（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
}
  • GAB对于Go内存管理来说是一个对象
  • 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

image.png image.png

  • 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.png

Balanced GC一性能收益

  • 高峰期CPU usage降低4.6%，核心接口时延下降4.5%~7.7%

总结

  • Go内存管理二分块
  • Go内存管理一缓存
  • Go对象分配的性能问题
    • 分配路径过长
    • 小对象居多
  • Balanced GC
    • 指针碰撞风格的对象分配
    • 实现了copying GC
    • 性能收益

编译器优化的基本问题和思路

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.png

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
int a = 30
int b = 9 - (a / 5)
int c
c = b * 4

if (c > 10 ){
c = c - 10
}
return c* (60 / a)

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(properties)
  • 根据这些性质优化代码

image.png

过程内分析和过程间分析

  • 过程内分析 (lntra-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
type I interface {
foo( )
}
type A struct {}
type B struct {}
func (a *A) foo( ) {
    ...
}
func (b *B) foo( ) {
    ...
}
func bar( ) {
    i.foo( )
}

总结

  • 编译器的结构与编译的流程
  • 编译器后端优化
  • 静态分析
    • 数据流分析和控制流分析
    • 过程内分析和过程间分析

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

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
func AddInline(a, b int) int {
	return a + b
}
// go:noinline
func AddNoInline(a, b int) int {
	return a + b
}

func BenchmarkAddInline(b *testing.B) {
	x := genInteger()
	y := genInteger()
	for i := 0; i < b.N; i++ {
		AddInline(x, y)
	}
}
func BenchmarkAddNoInline(b *testing.B) {
	x := genInteger()
	y := genInteger()
	for i := 0; i < b.N; i++ {
		AddNoInline(x, y)
	}
}

image.png 使用micro-benchmark快速验证和对比性能优化结果

  • 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
    • ...

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

  • 逃逸分析:分析代码中指针的动态作用域:指针在何何处可以被访问
  • 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

Beast Mode - 性能收益

  • 高峰期CPU usage降低9%，时延降低10%
  • 内存使用降低3%

总结

  • Go编译器优化的问题
  • Beast mode
  • 函数内联
  • 逃逸分析
  • 通过micro-benchmark快速验证性能优化
  • 性能收益
avatar
文章
阅读
粉丝