Go性能优化及实践

性能优化：提升软件系统处理能力，减少不必要的消耗，充分发挥计算机算力。

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——很小的优化乘以海量机器会是显著的性能提升和成本节约

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。 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: 瘦盖尽可能多的场景，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

自动内存管理

**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
找到存活对象
回收死亡对象的内存空间

Go 内存管理及优化

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需要扫描

对象分配：根据对象的大小，选择最合适的块返回

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 mcentra1 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mcentra1 中，而不是立刻释放并旧还给 OS

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

优化方案: Balanced GC

每个g 都绑定一大块内存 (1 KB)，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
GAB 对于 Go 内存管理来说是一个大对象

**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

**方案：**移动 GAB 中存活的对象

当 GAB 总大小超过一定闻值时，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。

**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%

编译器和静态分析

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

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A。 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。

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。

过程内分析和过程间分析

**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?

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制流和数据流——联合求解，比较复杂

Go 编译器优化

为什么做编译器优化：

用户无感知，王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

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、保存青存器等
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。

使用 micro-benchmark 快速验证和对比性能优化结果：函数被内联后，性能数据提升 4.58X ！

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：调整调用和被调函数的规模。

优化一个已有的 Go 程序 | 青训营