Go语言内存管理详解 | 青训营笔记

这是我参与「第五届青训营 」伴学笔记创作活动的第 7 天

Go语言内存管理详解 | 青训营笔记

1. 性能优化

1.1 性能优化是什么

• 提升软件系统处理能力，减少不必要的消耗，充分发掘计算机算力

1.2 为什么要做性能优化

• 用户体验：带来用户体验的提升
• 资源高效利用：降低成本，提高效率

1.3 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

1.4 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

2. 自动内存管理

2.1 基本概念

• 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管理动态内存
  • 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
    • 找到存活的对象
    • 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
  • 吞吐率(Throughput)：1 - GC时间/程序执行总时间
  • 暂停时间(Pause time)：stop the world（STW）
  • 内存开销(Space overhead)：GC元数据开销

2.2 追踪垃圾回收(Tracing garbage collection)

• 对象被回收的条件：指针指向关系不可达的对象
• 步骤：
  • 标记根对象：静态变量、全局变量、常量、线性栈等
  • 标记：找到可达对象
    • 求指针只想关系的传递闭包：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

2.3 分代GC（Generational GC）

• 分代假说（Gernerational 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
  • 常规的对象分配
  • 由于存活的对象很少，可以采用copying collection
  • 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 collection

2.4 引用计数(Reference counting)

• 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
• 缺点：
  • 维护引用记数的开销较大：通过原子操作保证对引用记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：每个对象都引入额外的内存空间存储引用数目
  • 回收内存时依然可能引发暂停

3. Go内存管理及优化

3.1 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
  • 将内存划分成大块
  • 将大块内存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

3.2 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

3.3 内存分配优化方案——Balanced GC

• 每个g都绑定一大块内存，称作goroutine allocation buffer(GAB)
• GAB用于noscan类型的小对象分配
• 使用三个指针维护GAB：base、end、top
• Bump pointer（指针碰撞）风格对象分配
  • 无需和其他分配请求互斥
  • 分配动作简单高效
• 缺点：GAB的对象分配方式会导致内存被延迟释放
• 缺点的解决方案：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

4. 编译器和静态分析

4.1 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：程序执行的流程
• 数据流：数据在控制流上的传递

4.2 过程内分析和过程间分析

• 过程内分析
  • 仅在函数内部进行分析
• 过程间分析
  • 考虑函数调用时参数传递和返回值的数据流和控制流

5. Go编译器优化

5.1 函数内联

• 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
  • 将过程见分析转化为过程内分析，帮助其他优化，类如逃逸分析
• 缺点：
  • 函数体变大，instruction cache（icache）不友好
  • 编译生成的Go镜像变大

5.2 Beast Mode

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

5.3 逃逸分析

• 逃逸分析：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