Go语言优化与落地实践
内存管理优化
编译器优化
自动内存管理和Go内存管理机制
编译器优化的基本问题和思路
性能问题和优化方案
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,充分发掘计算机的算力
为什么要做性能优化
用户体验: 带来体验的提升
资源高效利用 :降低 成本,提高效率
性能优化的层面
-
业务代码 针对特定场景,具体问题,具体分析,容易获得较大性能收益
-
SDK
-
基础库
-
语言运行时 (GC 调度器) 解决更通用的性能问题 考虑更多场景
-
OS 数据驱动优化 自动化功能分析工具 pprof
依靠数据而非猜测 首选优化是最大瓶颈
软件质量至关重要
测试用例:覆盖尽可能多的场景,方便回归 文档 隔离 可观测:必要的日志输出
自动内存管理
什么是自动内存管理
-
动态内存
-
程序在运行是根据需求动态分配的内存 malloc()
-
自动内存回收:由程序语言的运行时系统管理动态内存
-
避免手动管理内存,专注实现业务逻辑
-
保证内存使用的正确性和安全性 double-free problem user-after-free problem 有很多问题
-
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
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)可以同时进行
评价GC算法指标
-
安全性 不能回收存活的对象
-
吞吐率 花在GC上的时间
-
暂停时间 stop the world (STW) 业务是否感知
-
内存开销 GC元数据开销
追踪垃圾回收
-
-
对象被回收的条件::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
-
求指针指向的传递闭包:从根对象出发,找到多于哦可达对象
-
-
清理:所有不可达对象
-
将存活的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)
-
-
-
引用计数
-
根据对象的声明周期,使用不同的标记和清理策略
分代GC
-
分代假说 : most objects die young
-
Intuition 很多对象在分配出来后很块就不再使用了
-
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,指定不同的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
-
老年代
-
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
-
对象趋向与一直或者,反反复复开销较大
-
可以采用mark-sweep collection
-
-
引用计数
-
每个对象都有一个与之关联的引用数目
-
对象存活的调教: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++只能指针(smart pointer)
-
-
缺点
-
维护引用技术的开销较大,通过原子操作保证对引用技术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
-
-
Go内存管理
-
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
-
先将内存划分成大块 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
Go内存分配 - 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
-
mache管理一组mspan
-
当mcache中的mspan分配完毕,向mcentral申请待有未分配块的mspan
-
当mspan中没有分配的对象,mspan会被缓存在mcentral中,而不是立刻释放并规划给OS
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
-
先将内存划分成大块
-
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--GCbuxuyao1saomiao1
-
scan mspan分配包含指针的对象--GC需要扫描
-
-
对象分配:根绝对象的大小,选择最合适的块返回
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
-
小对象占比高
-
Go内存分配耗时
-
分配路径长:g->m->p>mache->memory block->return poniter
-
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
-
GAB用于noscan类型的小对象分配
-
使用三个指针维护GAB:base,end,stop
-
Bump poinyer(指针碰撞) 风格对象分配
-
无需和其他分配请求互斥
-
分配动作简单高效
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,避免内存泄露
-
本质:用copying GC 的算法管理小对象
-
根据对象的声明周期,使用不同的标记和清理策略
-
-
编译器和静态分析
编译器的结构
-
作用 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
-
词法分析 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,声成intermediate representation(IR)
-
-
综合部分(后端 back end)
-
代码生成,机器无关优化,生成优化的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,推到程序的行为,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
-
通过分析数据流和控制流,我们可以知道更多关于程序的性质
-
根据这些性质优化代码
-
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(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,重新编译即可重新获得性能收益
-
通用化优化
-
-
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
-
-
优化编译的思路
-
场景 面向后端长期执行任务
-
Tradoff:用编译时间换取更高效的机器码
-
-
Beast mode
-
函数内联
-
将被调用函数的函数体(callee)的副本替换到调用位置上(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
-
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
-
影响性能
-
函数体变大
-
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
-
Go函数内联受到的限制较多
-
语言特性
-
内联策略非常保守
-
-
Beast mode:调整函数内联的策略,使更多函数被内联
-
降低函数调用的开销
-
增加了其他优化的机会:逃逸分析
-
-
-
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、* 若发现指针P在当前作用域s:
1,作为参数传递给其他函数
2,传递给全局变量
3,传递给其他的goroutine
4,传递给已逃逸的指针指向的对象
则指针p指向的对像逃逸处s,反之则没有逃逸处
-
Beast mode 函数内联拓展了函数边界,反之则没有逃逸处s
-
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
-
减少在heap上的分配,降低GC负担
-
-
-
-
默认栈大小调整
-
边界检查消除
-
循环展开
-