字节青训营笔记 day4（2）

KEEP_HUMBLE
68 阅读4分钟

Go 内存管理及优化

  1. Go 内存分配
  2. Go 内存管理优化

Go 内存分配

Go 内存分配---分块

目标：为对象在 heap 上分配一块内存

方法：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（e.g. 8、16、24KB），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

image.png

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---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，向下一层缓存 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

image.png

  • Go 内存分配比较耗时

image.png

image.png

Balance GC

简介

  • 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：< 128B
  • 使用三个指针维护 GAB：base、end、top

image.png

  • 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

  • GAB 对于 Go 内存管理来说是一个大对象

image.png

  • 本质：将多个小对象的分配合并成一次大对象的分配

存在的问题

GAB 的对象分配方式会导致内存被延迟释放（只要 GAB 中有一个小对象，那么整个 GAB 就不能被释放）

image.png

解决方案

移动 GAB 中存活的对象（整理内存碎片）

  • 当存在的 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 可以被释放，避免内存的泄露
  • 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

性能收益

image.png

Go 内存管理与优化小结

  • Go 内存管理---分块
  • Go 内存管理---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

编译器和静态分析

  1. 编译器
  2. 数据流和控制流
  3. 过程内和过程间分析

编译器

  • 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

数据流和控制流

  • 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

image.png

  • 数据流（Data flow）：数据在控制流上的传递

image.png

  • 通过分析控制流和数据流，可以了解更多关于程序的性质，根据这些性质可以优化代码

过程内和过程间分析

  • 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？

  1. 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()
  2. 根据 i 的具体类型，产生了新的控制流，i.foo()，分析继续
  3. 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.png

编译器和静态分析小结

  • 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

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，例如传参和保存寄存器等开销
    • 将过程间分析转换了过程内分析，帮助其他优化（e.g. 逃逸分析）

为什么要使用函数内联，函数内联能多大程度上影响程序性能？

写两个简单的 benck 测试一下

func BenckmarkInline(b *testing.B) {
    x := genInteger()
    y := genInteger()
    
    for i := 0; i < b.N; i++ {
        addInline(x, y)
    }
}

func addInline(a, b int) int {
    return a + b
}

func BenchmarkInlineDisable(b *testing.B) {
    x := genInteger()
    y := genInteger()
    
    for i := 0; i < b.N; i++ {
        addNoInline(x, y)
    }
}

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

image.png

  • 缺点

    • 单个函数体变大（将其他包的函数直接复制了过来），对 instruction cache（icache）不友好
    • 编译生成的 Go 镜像也跟着变大

  • 函数内联在大多数情况下都是正向优化

Beast Mode

  • Go 函数内联受到的限制较多

    • 语言特性：interface、defer 等，限制了函数内联
    • 内联策略非常保守

  • Beast mode：调整了函数内联的策略，使更多的函数被内联

    • 降低了函数调用的开销
    • 增加了其他优化的机会（逃逸分析）

  • 开销（牺牲了空间和编译时间（前期），有利于长期执行的函数）

    • Go 镜像增加了约 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：
      • 作为参数传递给了其他函数
      • 传递给了全局变量
      • 传递给了其他 goroutine
      • 传递给已经逃逸的指针所指向的对象
    • 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进行分配

    • 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

性能收益

性能收益主要对于那些长期运行的服务程序

image.png

Go 编译器优化小结

  • Go 编译器优化的问题
  • Beast mode
  • 函数内联
  • 逃逸分析
  • 性能收益

总结

  • 本节课程：高性能 Go 语言发行版优化与落地实践

  • 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适用于各种语言

avatar
文章
阅读
粉丝