Go 语言内存管理详解

Entropy Lv4

本文来源于第五届字节跳动青训营活动,已收录到Go 语言内存管理详解 | 青训营笔记 - 掘金 (juejin.cn) ,主要记录了对golang内存管理的学习

内存管理详解

追求极致性能

性能优化: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。

性能优化的目的

  • 用户体验:带来用户体验的提升
  • 资源高效利用:降低成本。提高效率

性能优化的层面

  • 业务层优化
    • 针对特定场景,具体问题具体分析
    • 容易获得较大性能收益
  • 语言运行时优化
    • 解决更通用的性能问题
    • 考虑更多场景
    • Tradeoffs权衡
  • 数据驱动
    • 自动化性能分析工具——pprof
    • 依靠数据而非猜测
    • 首先优化最大瓶颈

性能优化与软件质量

  • 软件质量至关重要
  • 在保证接口稳定的前提下改进具体实现
  • 测试用例:覆盖尽可能多的场景,方便回归
  • 文档:做了什么,没做什么,能达到怎样的效果
  • 隔离:通过选项控制是否开启优化
  • 可观测:必要的日志输出

总结

  • 性能优化的基本问题
  • 性能优化的两个层面
  • 性能优化的可维护性

1.自动内存管理

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: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

相关概念

  • Mutator:业务线程,分配新对象,修改对象的指向关系

  • 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collector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

    • 安全性(Safety):不能回收存活的对象。这是基本要求
    • 吞吐率(Throughput):1GC时间程序执行总时间1-\frac {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

  • 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)

      Copying GC:将对象复制到另外的内存空间

    • 将死亡对象的内存标记为“可分配”(Mark-sweep GC)

      Mark-sweep GC:使用free list管理空闲内存

    • 移动并整理存活对象(Mark-compact GC)

      Compact GC:原地整理对象

  • 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在使用了
  • 每个对象都有年龄:经历过GC的次数
  • 目的:对年轻和年老的对象,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)
    • 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

总结

2.Go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
    • 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——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

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 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:< 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。

性能收益(数据仅供参考)

  • 高峰期 CPU usage 降低 4.6%,核心接口时延下降 4.5%~7.7%

总结

  • Go 内存管理 — 分块
  • Go 内存管理 — 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

3.编译器和静态分析

3.1 编译器的结构

  • 重要的软件系统
    • 识别符号语法和非法的程序
    • 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
    • 语义分析,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

后端是优化重点,同时控制流和数据流分析是优化的基础。

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,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
  • 过程间分析是个问题
    • 需要通过数据流分析得知接口 i 的具体类型,才能知道有多个同名方法(比如func (a *A) foo()func (b *B) foo())存在时,接口 i 调用的是哪个foo()
    • 根据接口的具体类型,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

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

4.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
    • 函数内联分析
    • 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(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,例如传递函数、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
  • 函数内联对性能的影响程度——使用 micro-benchmark验证

    示例

    1
    2
    3
    4
    5
    6
    7
    8
    9
    10
    11
    12
    13
    14
    15
    16
    17
    18
    19
    20
    21
    22
    23
    24
    25
    26
    27
    28
    29
    func BenchmarkInline(b *testing.B) {
    x := genInteger()
    y := genInteger()
    for i := 0; i < b.N; i++ {
    addInline(x, y)
    }
    }

    func addInline(a, b int) int {
    return a + b
    }

    func BenchmarkInlineDisabled(b *testing.B) {
    x := genInteger()
    y := genInteger()
    for i := 0; i < b.N; i++ {
    addNoInline(x, y)
    }
    }

    //go:noinline
    func addNoInline(a, b int) int {
    return a + b
    }

    func genInteger() int {
    rand.Seed(time.Now().UnixNano())
    return rand.Intn(100)
    }

    注意这里的//go:noinline是一种编译指示,noinline表示不要内联,固定写法。这种编译指示类似于C语言中的#include

  • 使用 micro-benchmark快速验证和对比性能优化结果

    使用以下命令进行性能测试

    1
    go test -bench .
  • 缺点

    • 函数体变大,instruction cache(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

    • 调用和被函数的规模

4.2 Beast Mode

  • 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
    • 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
  • 开销
    • Go 镜像增加约 10%
    • 编译时间增加

性能收益(数据仅供参考)

  • 高峰期 CPU usage 降低 9%,时延降低 10%
  • 内存使用降低 3%

4.3 逃逸分析

逃逸分析:分析代码中指针的动态作用域,即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

总结

  • Go 编译器优化问题
  • Beast Mode
  • 函数内联
  • 逃逸分析
  • 通过 micro-benchmark 快速验证性能优化
  • 性能收益

归纳

  • 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,也适用于其他语言的优化

参考资料

【后端专场 学习资料二】第五届字节跳动青训营 - 掘金 (juejin.cn)

Go 语言编译器的 “//go:” 详解 - Golang 攻略 - SegmentFault 思否

  • 标题: Go 语言内存管理详解
  • 作者: Entropy
  • 创建于 : 2023-01-30 21:23:29
  • 更新于 : 2023-04-01 07:55:52
  • 链接: https://www.entropy-tree.top/2023/01/30/golang-day4/
  • 版权声明: 本文章采用 CC BY-NC-SA 4.0 进行许可。
评论