高性能Go语言发行版优化与落地实践｜青训营笔记

高性能Go语言发行版优化与落地实践｜青训营笔记

​

本节课程主要介绍了Go语言的内存管理方式，Go编译器的工作流程。在此基础上给出了字节内部对于Go内存管理的优化方案Balanced GC，以及编译器优化Beast Mode。

课中

一、自动内存管理

1.1 基本概念

​​Mutator​​​：业务线程，分配新对象，修改对象指向关系（人为创建的​​goroutine​​）​​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（stop the world）​​Parallel GC​​：支持多个collectors同时回收的GC算法​​Concurrent GC​​：mutator(s)和collector(s)可以同时执行的算法

因为GC线程和业务线程一起工作，因此​​collectors​​必须感知对象指向关系的改变

评价GC算法

安全性：不能回收存活的对象吞吐率：1-（GC时间/程序执行总时间）暂停时间：业务是否感知内存开销：GC元数据的开销

1.2 可达性分析算法（基于追踪）

一种用于判断哪些对象需要被回收的算法（这是垃圾回收的第一步，还不涉及到清理的过程）

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：静态常量、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

1.3 垃圾清理算法

清理：所有不可达对象（下面是一些清理策略）

将存活对象复制到另一个内存空间（Copying GC）

将死亡对象内存标记为可分配（Mark-sweep GC）

移动并整理存活对象（Mark-compact GC）

对于上面三种垃圾清理策略，该怎么使用呢：根据对象的生命周期，使用不同的标记和清理策略

1.4 分代GC（Generational GC）

分代假说：很多对象在分配之后很快就不再使用了对象的年龄：经历过的GC的次数目的：对于年轻和老年的对象，制定不同的GC策略，降低整体的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

常规对象分配由于存活对象很少，可以采用​​copying collection​​（HotSpot 虚拟机年轻代eden区from区和to区比例为：8:1:1）GC吞吐率高

老年代

对象趋于一直活着，反复复制开销大可以采用​​mark-sweep collection​​​（原地标记死亡对象可分配，碎片多了就来一遍​​compact collection​​）

1.5 引用计数算法

这个垃圾回收体系和基于追踪的可达性分析算法体系是不同的，其内存管理的操作被平摊到了程序的执行过程当中

每个对象都有一个与之关联的引用数目对象存活条件：当且仅当引用数大于0优点：

内存管理的操作被平摊到了程序的执行过程当中

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​​可见行​​无法回收环形数据结构 （一些语言的解决方式：weak reference）

内存开销；每个对象都要引入额外的内存空间存储引用数目回收内存时依然可能引发暂停（回收大数据结构）

二、Go内存管理及优化

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

提前系统调用​​mmap()​​，向OS申请一块大内存，如4MB先将内存划分为大块，例如8KB，称作​​mspan​​再将大块继续划分为特定大小的小块，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

2.2 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​​mcache​​​管理一组​​mspan​​当​​mcache​​​中的​​mspan​​​分配完毕，向​​mcentral​​​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​​mcentral​​中，而不是立即释放归还给OS

2.3 Go内存管理的问题

对象的分配是非常高频的操作：线上业务每秒分配GB级别的内存小对象占比高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（占用很多的CPU）

2.4 字节跳动的优化方案：Balanced GC

每个g都绑定一大块内存（1KB），称作​​goroutine allocation buffer​​（GAB）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对象的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总的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）

三、编译器和静态分析

3.1 编译器的结构

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：程序执行的流程

数据流：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

仅在函数内部进行分析

过程间分析

考虑过程调用时参数传递和返回值的数据流和控制流

需要通过数据流分析得知i的具体类型，才能知道​​i.foo​​调用的是哪个根据i的类型，产生了新的控制流，​​A.foo​​​（或​​B.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

四、Go编译器优化

为什么要做编译器优化

用户无感知，重新编译即可获得性能收益通用性能优化

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

Beast mode

函数内联逃逸分析默认栈大小调整边界检查消除循环展开

4.1 函数内联

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：

消除函数调用的开销，例如传递参数，保存寄存器等​​将过程间分析转化成过程内分析​​​，帮助其他优化，例如​​逃逸分析​​

函数内联能多大程度影响性能？—— 使用 micro-benchmark 验证一下

缺点：

函数体变大，icache不友好编译生成的Go镜像变大

函数内联在大多数情况下是正向优化内联策略

根据调用和被调用函数的规模编译器去决定是否做内联

4.2 Beast Mode的函数内联

Go函数内联受到的限制较多

语言特性，例如interface，defer等限制了函数内联其原生的内联策略非常保守

Beast mode：调整函数内联的策略，使更多函数被内联

降低了函数调用的开销增加了其他优化的机会

开销

Go镜像增加～10%编译时间增加

4.3 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

4.4 Beast Mode的逃逸分析

函数内联扩展了函数边界，更多的对象不逃逸优化：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

课后

参考文献

版权声明：本文内容由网络用户投稿，版权归原作者所有，本站不拥有其著作权，亦不承担相应法律责任。如果您发现本站中有涉嫌抄袭或描述失实的内容，请联系我们jiasou666@gmail.com 处理，核实后本网站将在24小时内删除侵权内容。