1.自动内存管理概要
Auto memory management: 自动内存管理
Grabage collction: 垃圾回收
Mutator: 业务线程
Collector: GC 线程
Concurrent GC: 并发 GC
Parallel GC: 并行 GC
Tracing garbage collection: 追踪垃圾回收
Copying GC: 复制对象 GC
Mark-sweep GC: 标记-清理 GC
Mark-compact GC: 标记-压缩 GC
Reference counting: 引用计数
Generational GC: 分代 GC
Young generation: 年轻代
Old generation: 老年代
2.Go 内存管理及优化概要
TCMalloc
mmap() 系统调用
scan object 和 noscan object
mspan, mcache, mentral
Bump-pointer object allocation: 指针碰撞风格的对象分配
3.编译器和静态分析概要
词法分析
语法分析
语义分析
Intermediate representation (IR) 中间表示
代码优化
代码生成
Control flow: 控制流
Data flow: 数据流
Intra-procedural analysis 过程内分析
Inter-procedural analysis: 过程间分析
4.Go 编译器优化概要
Function inlining: 函数内联
Escape analysis: 逃逸分析
5.性能优化的概念
什么是性能优化？
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🤳
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节约🎉
性能优化的基本方式：
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
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
软件质量怎么保证？
保证接口稳定的前提下改进实现
- 测试驱动
- 通过清晰的文档告诉用户这一项优化做了什么，没做什么，能达到怎样的效果
- 隔离，优化代码用选项和原先的路径隔离，保证优化未启用时的行为同以前一致
- 可观测、可灰度、可回滚
6.自动内存管理
自动内存管理：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
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: 并行 GC，支持多个 collectors 同时回收的 GC 算法
Concurrent GC: 并发 GC，支持 mutator(s) 和 collector(s) 同时执行的 GC 算法
Collectors 必须感知对象指向关系的改变！👀
7.追踪垃圾回收
Tracing garbage collection: 追踪垃圾回收
被回收的条件：不可达对象
过程：
1.标记根对象 (GC roots): 静态变量、全局变量、常量、线程栈等
2.标记：找到所有可达对象
3.清理：回收所有不可达对象占据的内存空间
Copying GC: 将存活对象从一块内存空间复制到另外一块内存空间，原先的空间可以直接进行对象分配
Mark-sweep GC: 将死亡对象所在内存块标记为可分配，使用 free list 管理可分配的空间
Mark-compact GC: 将存活对象复制到同一块内存区域的开头
8.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运行中：指针传递的过程中进行引用计数的增减
不需要了解 runtime 的细节：因为不需要标记 GC roots，因此不需要知道哪里是全局变量、线程栈等
缺点
开销大，因为对象可能会被多线程访问，对引用计数的修改需要原子****操作保证原子性和可见性
无法回收环形数据结构
每个对象都引入额外存储空间存储引用计数
虽然引用计数的操作被平摊到程序运行过程中，但是回收大的数据结构依然可能引发暂停
说明
以上我们所讲述的技术的缺点并非是无法解决的问题。学术界和工业界在一直在致力于解决自动内存管理技术的不足之处🎈
最新研究动向
9.Go 内存管理
TCMalloc: TC is short for thread caching
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
- 内存缓存
Go 内存管理构成了多级缓存机制，从 OS 分配得的内存被内存管理回收后，也不会立刻归还给 OS，而是在 Go runtime 内部先缓存起来，从而避免频繁向 OS 申请内存。内存分配的路线图如下。
10.Go 内存管理的问题
mspan, mcache 和 mcentral 构成了内存管理的多级缓存机制。
- 对象分配是非常高频的操作：每秒分配 GB 级别的内存
- 线上 profiling 发现，Go 的内存分配占用很多 CPU
可以看到，用于分配对象的函数 mallocgc() 占用 CPU 较高
- 小对象分配占大多数
横轴是对象大小，纵轴是数目，可以看到绝大多数对象都小于 80 B。因此优化小对象分配是关键。
11.字节跳动的优化方案
Balanced GC
核心：将 noscan 对象在 per-g allocation buffer (GAB) 上分配，并使用移动对象 GC 管理这部分内存，提高对象分配和回收效率
每个 g 会附加一个较大的 allocation buffer (例如 1 KB) 用来分配小于 128 B 的 noscan 小对象
bump pointer 风格的对象分配。示意如下。
if g.ab.end - g.ab.top < size { // Allocate a new allocation buffer } addr := g.ab.top g.ab.top += size return addr
分配对象时，根据对象大小移动 top 指针并返回，快速完成一次对象分配
同原先调用 mallocgc() 进行对象分配的方式相比，balanced GC 缩短了对象分配的路径，减少了对象分配执行的指令数目，降低 CPU 使用
从 Go runtime 内存管理模块的角度看，一个 allocation buffer 其实是一个大对象。本质上 balanced GC 是将多次小对象的分配合并成一次大对象的分配。因此，当 GAB 中哪怕只有一个小对象存活时，Go runtime 也会认为整个大对象（即 GAB）存活。为此，balanced GC 会根据 GC 策略，将 GAB 中存活的对象移动到另外的 GAB 中，从而压缩并清理 GAB 的内存空间，原先的 GAB 空间由于不再有存活对象，可以全部释放，如下图所示
上图上方是两个 GAB，其中虚线表示 GAB 中对象的分界线。黑色表示 GAB 中存活的对象，白色表示死掉的对象。由于 GAB 中有存活对象，整个 GAB 无法被回收。
Balanced GC 会将 GAB 中存活的对象移动到下面的 GAB 中，这样原先的两个 GABs 就可以被释放，压缩并清理 GAB 的内存空间。
Balanced GC 只负责 noscan 对象的分配和移动，对象的标记和回收依然依赖 Go GC 本身，并和 Go GC 保持兼容。
