01.自动内存管理

“概念 | Tracing garbage collection | Generational GC | Reference counting

Tracing garbage collection：跟踪垃圾回收

Generational GC ：分代GC

Reference counting：引用技术

1.1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：nalIoc()
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

Collectors 必须感知对象指向关系的改变!

评价GC算法（四个方面）

安全性(Safety)：不能回收存活的对象 基本要求
吞吐率(Throughput): 1 - （GC时间/程序执行总时间） 花在GC上的时间
暂停时间(Pause time)：stop the world (STW) 业务是否感知
内存开销(Space overhead) GC元数据开销

追踪垃圾回收(Tracing garbage collection)

引用计数(Reference counting)

1.2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

主要分3步

标记根对象
- 静态变量、全局变量、常量、线程栈等
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
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)
- 将死亡对象的内存标记为可分配(Mark-sweep GC)
- 移动并整理存活对象(Mark compact GC)

如何选择：根据对象的生命周期，使用不同的标记和清理策略

1.3 分代GC (Generational 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，制定不同的GC策略，降低整体内存管理的开销
不同年龄的对象处于heap的不同区域

年轻代(Young generation) ：适合Copying GC

常规的对象分配
由于存活对象很少，可以采用copying collection
GC吞吐率很高

老年代(Old generation)：适合Mark-sweep GC

对象趋向于一直活着，反复复制开销较大
可以采用mark-sweep collection

1.4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

优点

内存管理不需要了解runtime的实现细节: C++智能指针(smart pointer)
内存管理的操作被平摊到程序执行过程中

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----weak reference
- 内存开销：每个对象都引入的额外内存空间存储引用数目
- 回收内存时依然可能引发暂停

01总结

自动内存管理的背景和意义
概念和评价方法
追踪垃圾回收
引用计数
分代GC
学术界和工业界在一直在致力于解决自动内存管理技术的不足之处 PL .DI22 Low-L .atency, High-Throughput Garbage Collection

02.Go内存管理及优化

“Go内存分配 | Go内存管理优化

2.1 GO内存分配-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
- noscan mspan：分配不包含指针的对象一GC 不需要扫描
- scan mspan：分配包含指针的对象一GC 需要扫描
对象分配：根据对象的大小，选择最合适的块返回

2.1 GO内存分配一缓存

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mcentral申请带有末分配块的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

2.2 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

2.3我们的优化方索: 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

2.3 Balanced GC

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 {根据对象的生命周期，使用不同的标记和清理策略}

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%

02总结

Go内存管理一分块
Go内存管理一缓存
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

03.编译器和静态分析

基本介绍 | 数据流和控制流 | 过程内和过程间分析

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)
- 词法分析，生成词素(lexeme)
- 语法分析，生成语法树
- 语议分析，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

主要学习编译器后端优化

3.2 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。
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

3.3过程内分析和过程间分析

过程内分析(Intra-procedural analysis)

仅在过程内部进行分析

过程间分析(Inter-procedural analysis)

考虑过程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.fod)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控制流和数据流-----联合求解，比较复杂

03.总结

编译器的结构与编译的流程
编译器后端优化
数据流分析和控制流分析
过程内分析和过程间分析

day04高性能 Go 语言发行版优化与落地实践 ｜ 青训营