go语言优化|青训营伴学笔记

小倪酱
105 阅读8分钟

这是我参与「第五届青训营 」伴学笔记创作活动的第5天

背景知识

image-20230127191235114.png

  1. 性能优化层面：

    • 业务层优化：
      • 针对特定场景、具体问题具体分析
      • 容易获得较大的性能收益
    • 语言运行时优化
      • 解决更通用的性能问题
      • 考虑更多场景
      • Tradeoffs

  2. 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

  3. 优化SDK原则、注意事项

    • 保证接口稳定的情况下改进具体实现
    • 测试样例尽可能覆盖多场景
    • 文档说明做了什么，没做什么，能达到什么效果
    • 隔离性：通过选项控制是否开启这项优化(不影响不开启优化的用户)
    • 可观测性：必要的日志输出

内存管理优化

自动内存管理

1.背景

自动内存管理管理的是动态内存(程序运行时根据需求动态分配的内存)。

好处主要有两点：

  • 避免手动内存管理，让程序员专注于实现业务逻辑
  • 保证内存使用的正确性和安全性（如C、C++语言多次释放同一块内存，访问释放后的内存）

自动内存管理的任务：

  • 为新对象分配内存
  • 找到存活的对象
  • 回收死亡对象的内存空间

相关概念：

  • 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

2.常见管理方式

a. Serial GC:

只有一个Collector

image-20230127193130792.png

b. Parallel GC

支持多个Collector同时回收的GC算法。

image-20230127193141705.png

c. Concurrent GC

Mutator和Collector可以同时执行。

image-20230127193203669.png 难度：因为Mutator和Collector同时执行,导致标记存活对象时Mutator可能会申请新的内存空间，这时候需要感知对象指向关系的改变。

image-20230127193559477.png

3. 评价GC算法

  • 安全性：不能回收存活的对象

  • 吞吐率：1−GC时间程序总执行时间1-\frac{GC时间}{程序总执行时间}

  • 暂停时间(Pause time)

  • 内存开销(Space overhead)

    image-20230127193811252.png

4. 常见管理内存方法

a. 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

步骤：

  • 标记根对象

    • 静态变量、全局变量、常量、线程栈等

    image-20230127194344185.png

  • 标记：找到可达对象

    • 求指针指向关系的传递闭包：从根对象出发找到所有可达对象

    image-20230127194356497.png

  • 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)

    image-20230127194423908.png

    • 将死亡对象的内存标记为可分配(Mark-sweep GC)

    image-20230127194451378.png

    • 移动并整理存活对象(Mark-compact GC)

    image-20230127194506378.png

  • 根据对象的声明周期使用不同的标记和清理策略

例子：分代GC(generational GC)

  • 分代假说：许多对象的生命周期都很短
  • 计算对象经过GC的次数作为每个对象的年龄
  • 对年轻代和老年代对象使用不同的GC策略
    • 年轻代
      • 常规的对象分配
      • 由于存活对象少，可以使用Copying GC
      • GC吞吐率很高
    • 老年代
      • 对象趋于一致活着，Copying GC开销很大
      • 使用Mark-sweep GC
b. 引用计数
  • 每个对象都有一个与之相关联的引用计数
  • 对象存活的条件：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：
    • 维护引用计数开销较大：通过原子操作保证对引用计数操作的原子性和可见性
    • 无法回收环形数据结构
    • 内存开销：每个对象都要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（回收大数据结构时可能会引发暂停）

Go内存管理与优化

1. Go内存分配方式

目标:为对象在heap上分配内存

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,eg:4MB
    • 将内存划分成大块，eg:8kb,称作mspan(分成两种)
      • noscan mspan:分配不包括指针的对象——GC不需要扫描
      • scan mspan：分配包括指针的对象——GC需要扫描
    • 再将大块继续划分成特定大小的小块，用于对象分配
  • 对象分配：根据对象大小，选取最合适的块分配

2. Go内存分配——缓存

借鉴TCMalloc(thread caching)的实现

Go 内存管理构成了多级缓存机制，从 OS 分配得的内存被内存管理回收后，也不会立刻归还给 OS，而是在 Go 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。

image-20230127200535130.png

3. Go内存管理优化

  • 对象分配时非常高频的操作
  • 大多数对象都是小对象
  • Go内存分配是非常消耗时间的
    • 分配路径长（参考上图）

优化方案（字节跳动的优化方案）：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：<128B
  • 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

image-20230127201547647.png 检查对象大小是否超出内存，不超出移动指针即可

image-20230127201613700.png

本质原理：每个GAB对于Go内存管理来说就是一个大对象，GAB通过将多个小对象分配变成一个大对象的分配。

问题：GAB的对象分配方式会导致内存被延迟释放

解决办法：

  • 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：使用copying GC来管理小对象

编译器和静态分析

编译器结构

image-20230127202258473.png

静态分析

  • 静态分析：不执行代码，推导程序的行为，分析程序的性质。

  • 控制流：程序的执行流程

  • 数据流：数据在控制流上的传递

    4ed11d5bf31043deb1276800178a14c1tplv-k3u1fbpfcp-zoom-in-crop-mark4536000.webp

上图的程序转换成控制流图 (control-flow graph)

abe10aadf22041fe91169eaa671d5fdbtplv-k3u1fbpfcp-zoom-in-crop-mark4536000.webp

  • 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) ，这些事实可以帮助我们做编译优化。
    • 例如上面的程序。我们通过分析数据流和控制流，知道这个程序始终返回 4。编译器可以根据这个结果做出优化。

7edffee4a9a8480d89a65ca829f310cbtplv-k3u1fbpfcp-zoom-in-crop-mark4536000.webp

过程内分析和过程间分析

  • 过程内分析(Intra-procedural analysis):

    • 函数内分析：在函数内进行控制流和数据流的分析

  • 过程间分析(Inter-procedural analysis):

    • 函数间分析
    • 除了函数内的分析，还需要考虑跨函数的数据流和控制流，例如参数传递，函数返回值等

image-20230127203133030.png eg:分析i.foo()是啥

Go编译器优化

背景

  • 为什么做编译优化
    • 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
  • 编译优化思路：
    • 场景：面向后端长期执行的任务
    • 权衡利弊，提高编译时间，优化编译后程序性能
  • 字节跳动优化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

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

  • 优点

    • 消除调用开销
    • 将过程间分析的问题转换为过程内分析，帮助其他分析

  • 缺点

    • 函数体变大
    • 编译生成的 Go 镜像文件变大

  • 函数内联在大多数情况下是正向优化，即多内联，会提升性能

  • 采取一定的策略决定是否内联

    • 调用和被调用函数的规模
    • ...

  • Go 内联的限制

    • 语言特性：interface, defer 等等，限制了内联优化
    • 内联策略非常保守

  • 字节跳动的优化方案

    • 修改了内联策略，让更多函数被内联
    • 增加了其他优化的机会：逃逸分析

  • 开销

    • Go 镜像大小增加：10%
    • 编译时间增加
    • 运行时栈扩展开销增加

逃逸分析

  • 定义：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 逃逸出 s，反之则没有逃逸出 s.

  • 字节跳动的优化方案：通过函数内联拓展了函数边界，使更多对象不逃逸

  • 优化：未逃逸出当前函数的指针指向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 即可完成内存的分配和回收；
    • 减少在堆上分配对象，降低 GC 负担。
avatar
文章
阅读
粉丝