2014 年，Go 的垃圾回收器还在用最原始的 STW 标记清除。每次回收，整个程序停 300 毫秒。对于一个 Web 服务来说，300 毫秒的停顿意味着什么？意味着用户的请求超时，监控告警亮红，SRE 值班电话响起。
Go 团队决定动手。他们花十年时间，把 STW 停顿从 300 毫秒压到亚毫秒——这场仗打了五步：并发标记、混合写屏障、GOGC 调优、GOMEMLIMIT 兜底、Green Tea 探路。但数字背后，是一连串的取舍——每一步"选了什么"都不如"没选什么"更值得理解。
一、Go 1.5：并发三色标记——从 300ms 到亚毫秒
Go 1.5 之前的标记清除算法，工作方式很粗暴：暂停程序，扫描所有存活对象，清除死对象，恢复程序。暂停期间，你的代码一行都不执行。
三色标记打破了这个僵局。它把标记过程拆成三个颜色：白色=未访问，灰色=已发现但子对象未处理，黑色=已处理完毕。算法从根对象出发，把可达对象标灰；然后逐个处理灰色对象——把它的子对象标灰，自己标黑。处理完所有灰色对象后，剩下的白色对象就是垃圾。
关键变化是：标记过程可以和用户代码并发执行。GC 不再需要独占 CPU，STW 只剩初始和收尾两个极短的阶段。
Go 1.5 之后，STW 降到 100-300 微秒。从 300 毫秒到亚毫秒，三个数量级的跨越。
但并发标记引入了新问题：用户代码在 GC 运行期间可能修改指针，导致漏标。解决方案是写屏障——每次指针写入都被 GC 记录。Go 1.5 采用的是 Dijkstra 式插入写屏障：只要新指针被写入，GC 就把它记录下来。写屏障是并发标记的代价，也是后续所有演进的起点。
写屏障解决了并发标记的漏标问题，但它自己也有副作用——而且还不小。下一场仗，就是冲着这个副作用来的。
二、Go 1.8：混合写屏障——消灭栈重扫描
三色标记的写屏障最初用的是 Dijkstra 插入屏障。它有一个讨厌的副作用：GC 结束时必须重新扫描所有 goroutine 的栈，因为栈上的指针修改没有被写屏障捕获。栈重扫描需要 STW，goroutine 越多，STW 越长。
Go 1.8 引入了混合写屏障：Dijkstra 插入屏障 + Yuasa 删除屏障。组合使用后，栈上的指针修改不再需要重新扫描——因为删除屏障确保被覆盖的旧指针指向的对象不会被错误回收。
效果：STW 从数百微秒进一步压缩，且不再与 goroutine 数量正相关。
这里的取舍很清晰：混合写屏障比纯 Dijkstra 屏障开销略高（每次写操作多做一点工作），但换来了 STW 的确定性。Go 的逻辑是：写屏障的开销分摊到每次写操作，感知不到；但 STW 的停顿集中在一次，感知强烈。
STW 的问题基本解决了。但延迟战争不只是 STW——还有一个更隐蔽的敌人：GC 触发时机。
三、GOGC：内存换 CPU 的旋钮
理解 Go GC 的调优，先理解 GOGC。
GOGC 控制的是 GC 触发的时机。公式很简单：
NextGC = LiveHeap × (1 + GOGC/100)
GOGC=100（默认值）意味着：当堆增长到存活对象的 2 倍时触发 GC。GOGC=200 意味着 3 倍，GOGC=50 意味着 1.5 倍。
GOGC 本质是一个"内存换 CPU"的旋钮。GOGC 越大，GC 频率越低，CPU 省了，但堆更大。GOGC 越小，GC 更积极，堆小了，但 CPU 开销上升。
我跑了一组实测：10MB 存活堆，1000 万次 64B 短生命周期分配，GODEBUG=gctrace=1 采集数据。
| GOGC | GC 次数 | GC CPU 占比 | 总耗时 |
|---|---|---|---|
| 50 | 4 次 | 5.3% | 4.8ms |
| 100 | 2 次 | 4.8% | 3.4ms |
| 200 | 1 次 | 4.4% | 2.6ms |
| off | 0 次 | 0% | 2.4ms，但内存不受控 |
GOGC=50 比 GOGC=200 多跑了 3 次 GC，耗时多了 85%。数字摆在这里：GOGC 小→GC 频繁→CPU 贵但堆小；GOGC 大→GC 懒惰→CPU 省但堆大。
但 GOGC 有一个关键盲区：没有上限意识。假设存活堆 10GB、GOGC=200，GC 要等堆到 30GB 才触发。如果你的容器只有 16GB 内存，进程会被 OOM Kill。
GOMEMLIMIT：给旋钮加安全网
Go 1.19 引入 GOMEMLIMIT，给 GOGC 加了硬上限：当堆接近 GOMEMLIMIT 时，GC 会自动更积极地运行，等效于动态降低 GOGC。
我实测了 GOGC=off + GOMEMLIMIT=32MB 的组合——堆分配到 18MB 时 GC 仍然按预期触发，而 GOGC=off 单独使用时 GC 完全不工作。GOMEMLIMIT 确实补上了 GOGC 的盲区。
对 P99 延迟的意义也很大。Ilya Brin 在生产环境发现：P50 延迟 5ms，但 P99 飙到 520ms。根因是 GC 在大堆时不够积极，偶发性全堆标记造成尾部延迟暴涨。GOMEMLIMIT 让 GC 提前介入，减少这种毛刺。
GOGC 和 GOMEMLIMIT 解决了"GC 什么时候该出手"的问题。但延迟战争还没打完——STW 压到亚毫秒后，新的瓶颈浮出水面了。
四、Green Tea GC：新战场——CPU Cache Miss
前面的所有改进都在打同一场仗：缩短 STW。当 STW 压到亚毫秒以后，Go 团队发现延迟战争的下一个敌人不在 STW，而在 GC 的 CPU 开销本身。
Go 1.5 之后的并发标记，每次 GC 都要遍历整个对象图。堆小的时候没问题，堆大了就是灾难：CPU Cache Miss 暴增，标记阶段扫描一个大堆，GC CPU 开销可能超过 20%。
打个比方：逐对象扫描就像在一栋大楼里挨个敲门——每扇门都是一次内存访问，可能触发 Cache Miss。Green Tea GC 的思路是换一种敲门方式。
Green Tea GC（Go 1.25 实验性引入，Go 1.26 将默认启用）改变了扫描的基本单位：从逐对象扫描改为按页扫描。它用位图标记每页中的对象存活状态，甚至利用 SIMD 指令一次处理多个对象——就像从"挨个敲门"变成"看楼层平面图"，整层楼的对象状态一目了然。
从"对象图洪水"到"页级扫描"，这不是换个算法，是换了个战场。之前的延迟战争打的是 STW 时长，Green Tea 打的是 Cache 友好性。战场变了，战争性质没变：还在追求更低的延迟代价。
Green Tea 是延迟战争的新战线，但 Go GC 还有两个老问题没有解——它们不是 bug，是刻意的设计选择。
五、不完美的真相：碎片化与无分代的代价
碎片化。Go 不做内存整理（compaction）。内存分配器把对象按 67 个大小类别管理，释放后的空间只能被同大小类别的新对象复用。大量小对象释放后，内存里满是碎片。
我跑了一个实验：分配 100 万个 64B 小对象，隔一个释放一个，然后用 runtime.ReadMemStats 看 Go runtime 持有的内存。
| 阶段 | HeapAlloc | HeapSys | 碎片率 |
|---|---|---|---|
| 分配 100 万个 64B 对象后 | 91.9MB | 99.4MB | 7.6% |
| 隔一释放后 | 293KB | 99.4MB | 99.7% |
| 再分配 4KB 大对象后 | 293KB | 99.4MB | 99.7% |
释放了约 50 万个 64B 对象后，HeapAlloc 只有 293KB，但 HeapSys 仍然是 99.4MB——Go runtime 从系统申请了 99.4MB，你的程序只用了 293KB。再分配 4KB 大对象？不行，4KB 属于不同的 size class，放不进 64B span 的空洞。
大堆缓存服务的碎片率更夸张：碎片化可能让你多花 30-50% 的内存。
不分代。分代 GC 的核心假说是"大多数对象朝生夕死"，只频繁回收新生代能大幅减少工作量。但分代需要写屏障跟踪跨代引用，这意味着每次指针写入都有额外开销——即使 GC 没在运行。Go 的设计目标是最大化应用代码的 CPU 时间，写屏障的"全员税"不可接受。所以 Go 选择每次 GC 都扫描全堆。
这两个"不"——不整理、不分代——是 Go 用效率换确定性的结果。碎片化是"低延迟 > 内存效率"的代价，不分代是"mutator 吞吐 > GC 效率"的代价。
Go 团队知道这些问题。他们的判断是：对于大多数 Go 服务（堆 <4GB），这些代价可接受。如果你的场景是大堆缓存服务，碎片化可能让你多花约 30% 的内存，这时需要评估是否值得。
尾声：战争仍在继续
从 300ms 到 0.5ms，Go GC 用十年时间打赢了 STW 这场仗。但战争远未结束。
Green Tea GC 正在跟 CPU Cache Miss 较劲。碎片化问题没有银弹，Go 的态度是"用空间换确定性"。分代？短期内不会来，因为写屏障的"全员税"与 Go 的设计目标冲突。
如果你在用 Go，记住这个调优思路：先用默认 GOGC=100 跑起来；遇到 P99 毛刺，设 GOMEMLIMIT 让 GC 提前出手；大堆场景关注 GC CPU 开销，必要时调整 GOGC。具体参数不重要，理解"为什么这样调"才重要。
Go GC 的故事不是一个完美演进的故事，是一个"每一步都在取舍"的故事。理解它没选什么，比理解它选了什么，更能帮你做出正确的工程决策。
