这是我参与「第五届青训营 」伴学笔记创作活动的第 5 天
之前我们学到了利用pprof进行检测整个工程的性能瓶颈，定位最耗时的任务。针对这些瓶颈进行性能优化从而提高处理能力减少不必要的消耗。
性能优化可以从三个方面进行优化
-
业务层优化
- 针对特定场景，具体问题，具体分析。 针对具体业务很容易得到较大的收益
-
语言运行时优化
- 解决更通用的性能问题，需要考虑更多场景。通用的优化性能并不会提高太多但是在整个项目，性能提升还是十分可观的
-
数据驱动
- 自动化性能分析工具 —— pprof，依靠数据而非猜测
自动内存管理
自动内存管理：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
-
内存管理工作
- 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
常用的gc机制
- Serial GC: 只有一个 collector 串行回收
- Parallel GC: 并行 GC，支持多个 collectors 同时回收的 GC 算法
- Concurrent GC: 并发 GC，支持 mutator(s) 和 collector(s) 同时执行的 GC 算法
Collectors 必须感知对象指向关系的改变！
Tracing garbage collection: 追踪垃圾回收
回收不可达对象
从根对象出发标记找到所有可达对象，清理回收所有不可达的对象
清理机制
- Copying GC: 将存活对象从一块内存空间复制到另外一块内存空间，原先的空间可以直接进行对象分配
这种方法不适合频繁操作的对象，增加读写时间
- Mark-sweep GC: 将死亡对象所在内存块标记为可分配，使用 free list 管理可分配的空间
- Mark-compact GC: 将存活对象复制到同一块内存区域的开头
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
可以参考c++的智能指针
内存管理的操作被平摊到程序运行中：指针传递的过程中进行引用计数的增减。不需要了解 runtime 的细节。
但是引用数操作一定是原子操作否则这个操作就没有意义了，环形数据结构相互引用会出现问题。这些可以参考c++ 的weakptr 的解决方式，利用软链接
Go 内存管理及优化
Go 内存管理
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。分配的空间有两种模式：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
内存缓存
提高访问速度，往往会采用多级缓存方式。从 OS 分配得的内存被内存管理回收后，go也不会立刻归还给 OS，而是在runtime 内部先缓存起来，从而避免频繁向 OS 申请内存。内存分配的路线图如下。
mspan, mcache 和 mcentral 构成了内存管理的多级缓存机制。在实际应用中小对象分配占大多数，字节提出了balanced gc策略解决这个问题
Balanced GC
每个go runtime都会绑定一块allocation buffer用来分配小于128b的noscan 小对象，并使用移动对象 GC 管理这部分内存，提高对象分配和回收效率。分配对象时，根据对象大小移动 top 指针并返回，快速完成一次对象分配
balanced GC 缩短了对象分配的路径，减少了对象分配执行的指令数目，降低 CPU 使用
allocation buffer 可以认为是一个大对象，本质上 balanced GC 是将多次小对象的分配合并成一次大对象的分配。但是当每个GAB都有少量小对象存活，将会占用大量的GAB无法释放。为此，balanced GC 会根据 GC 策略，将 GAB 中存活的对象移动到另外的 GAB 中，从而压缩并清理 GAB 的内存空间，原先的 GAB 空间由于不再有存活对象，可以全部释放，如下图所示。
Balanced GC 只负责 noscan 对象的分配和移动，很好的提高了运行速度和小对象分配的问题。对于对象的标记和回收依然依赖 Go GC 本身，并和 Go GC 保持兼容。
