性能优化及自动内存管理 | 青训营

夜雨声烦_
85 阅读4分钟

性能优化及自动内存管理

分析工具----pprof：采样原理、如何定位性能问题等

1、自动内存管理

  • 动态管理

    • 程序在运行时根据需求动态发分配的内存：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
1.1自动内存管理-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
  • 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

image-20230821140925337.png

Collectors必须感知对象指向关系的改变

image-20230821141410053.png

三色标记的方式：

白色表示未被标记，灰色表示对象已经被标记，但是引用对象尚未被标记，黑色表示对象和引用对象都被标记。通过不断的遍历和标记的过程，知道没有灰色对象剩下，即所有的对象都被标记为黑色，那么剩下的白色对象就可以被认为是无效的垃圾，可以进行回收。

问题：再标记过程中新创建的对象可能会被错误地视为垃圾。

混合写膨胀是指在并发垃圾收集（concurrent GC）过程中，由于写操作频繁导致堆内存的使用不断增加，而垃圾回收线程无法及时跟上，最终导致堆内存占用持续增长的现象。

  • 评价GC算法

    • 安全性：不能回收存活的对象 基本要求
    • 吞吐率：1 - GC实践/程序执行总时间 华仔GC上的实践
    • 暂停时间：stop the world（STW）业务是否感知，暂停时间越短越好
    • 内存开销 GC元数据开销，内存开销越小越好
1.2 追踪垃圾回收

image-20230821151813454.png

  • 对象被回收的条件：指针指向关系不可达的对象

  • 标记根对象

    • 静态变量、全局变量、常量、线程栈等

  • 标记：从根对象出发，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

  • 清理：所有不可达的对象（有以下几种方式）

  • 将存活对象复制到另外的内存空间（Copying GC）

image-20230821151536767.png

  • 将死亡对象的内存标记为“可分配”（Mark-sweep GC）

image-20230821151617172.png

  • 移动并整理存活对象（Mark-compart GC）

image-20230821151632281.png

  • 根据对象的生命周期，使用不同的标记和清理策略
1.3 GC（Genenrational GC）
  • 分代假说（Generational 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GC策略，降低整体内存管理的开销
  • 不同年龄的对象除于heap的不同区域

image-20230821155635282.png

1.4 引用计数

image-20230821161255616.png

  • 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

  • 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：

    • 维护引用计数的开销较大：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----可以通过weak reference回收
    • 内存开销：每个对象都引入的额外内存空间存储引用数目
    • 回收内存依然可能引发暂停

2、Go内存管理及优化

2.1 Go内存分配---分块

image-20230821161806389.png

2.1 Go内存分配---缓存

image-20230821162632698.png

2.2 Go内存管理优化

image-20230821162811952.png

2.3 Balanced GC

  • 每个g都绑定一大块内存（1KB），称作goroutine allocation buffer（GAB）（协程分配缓冲区）

  • 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

    • 无须和其他分配请求互斥
    • 分配动作简单高效

image-20230821164055532.png

  • GAB对于一个内存管理来说是一个对象

  • 本质：将多个小对象的分配配合并成一次达对象的分配

  • 问题：GAB的对象分配方式胡导致内存被延迟释放

  • 方案：移动GAB中存活的对象

    • 党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

image-20230821191003360.png

2.3 Balanced GC --- 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%

3、编译器和静态分析

3.1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）

    • 词语分析，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-20230821191721685.png

3.2 静态分析
  • 静态分析：不执行程序代码，推到程序的行为，分析程序的性质。
  • 控制流：程序执行的流程

image-20230821192716700.png

  • 数据流：数据在控制流上的传递

image-20230821192742835.png

  • 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
3.3 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

4、Go编译器优化

4.1 函数内敛

  • 内敛：将被调用的函数体（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
    • 将过程间分析转换为过程内分析，帮助其他优化，例如逃逸分析
  • 函数内敛能过大程度影响性能？----使用micro-benchmark验证一下

image-20230821193925640.png

  • 缺点

    • 函数体变大，instruction cache（icache）不友好
    • 编译生成的Go镜像变大
4.2 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

    • 从对象分配出出发，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的对象

    • 则指针p指向的对象逃逸出s，反之则没有逃逸处s

  • Beast mode：函数没脸扩展了函数边界，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
avatar
文章
阅读
粉丝