Golang学习&高性能Go语言发行版优化 ｜ 青训营笔记03
高性能Go语言发行版优化
性能优化是什么?
- 提升软件系统处理能力，减少不必要的消耗，充分发掘计算机算力。
为什么要做性能优化?
- 用户体验:带来用户体验的提升——让刷抖音更丝滑，让双十一购物等大流量场景不再卡顿。
- 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。
1.自动内存管理(类似于JVM内存管理和垃圾回收)
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
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
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
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阿分配“(Mark-sweep GC)
- 移动并整理存活对象(Mark-compact GC)
根据对象的生命周期，使用不同的标记和清理策略（分代回收算法！）
1. Copying GC:将对象复制到另外的内存空间
2. Mark-sweep GC:使用free list管理空闲内存
3. Compact GC:原地整理对象
1.3、分代GC（Generational GC）
年轻代(Young generation)
- 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)
- 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(smart pointer)
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
2.Go内存管理记优化
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mma向OS申请一大块内存，例如4 MB；
- 先将内存划分成大块，例如8KB，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——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——缓存
g——>m——>p——>内存（Go gmp内存模型）
- 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ms pan分配完毕，向neentral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neentral中，而不是立刻释放并归还给Os
2.2.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对象
本质:将多个小对象的分配合并成一次达对象的分配
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
3.编译器和静态分析
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
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.foo()调用的是哪个foo（）
- 根据i的具体类型，产生了新的控制流，A.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
4.编译器优化
为什么做编译器优化
- 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
编译优化的思路
- 场景:面向后端长期执行任务
- Tradeoff:用编译时间换取更高效的机器码
优化方案
- 函数内联
- 逃逸分析
4.1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、保存寄存器等
- 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
- 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
- 从对象分配处出发,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，反之则没有逃逸出s
Beast mode:函数内联拓展了函数边界，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
课程总结
- 本节课程:高性能Go语言发行版优化与落地实践
- 性能优化
- 自动内存管理
- Go内存管理
- 编译器与静态分析
- 编译器优化
- 实践
- Balanced GC优化对象分配
- Beast mode提升代码性能
- 分析问题的方法与解决问题的思路，不仅适用于Go 语言，其他语言的优化也同样适用