浅谈Golang性能优化

最近在实习公司里负责一个性能比较敏感的服务（延迟P99在10ms），优化了之前出现的一些问题。这个服务之前在晚高峰期间的qps达到45w，接入了几个新功能后涨到50w+，线上是部署了约500个8核8G的实例，因此平均下来每个实例的qps在900~1100之间。

出现的问题如下：

1. 高负载下内存占用率极高，保持在7G左右，这样一抖动很容易OOM，现实是晚高峰期间都会有十几次OOM报警。

2. 延迟周期性抖动，用较高qps压测显示每两分钟延迟升高，CPU占用率抖动达到90%以上。在晚高峰下的表现为上游调用失败率（timeout）涨到1%左右。

对于第一个问题，我仔细阅读了该服务的代码，发现在每次请求的处理中需要多次使用哈希表来处理数据，而且逻辑上这个哈希表无法优化掉。原先的作者是如此构造这个哈希表的：在kv数量小于100的时候使用16个shard的二维slice来模拟，在数量大于100后转而把数据放进map[int]int中。最后使用Golang标准库的sync.Pool来复用这些map。

这么做粗看没什么问题，实际上问题大了，可能是之前服务的qps不高导致问题没有显现出来。通常我们使用sync.Pool是用于对象复用，也就是避免许多对象的重复内存分配，在对象用完以后把它Put到临时对象池里，尽量延迟它的回收，在下次申请同样的对象时从池子里拿。当然sync.Pool不是传统意义上的对象池，如果一些对象在一段时间内没有被重用，还是会被gc回收的。

但是在这里，sync.Pool回收的对象是数组和map，在我们放进去的时候自然是需要把数组每一个shard给清空的（这样才能在下一次的时候方便使用），map也是如此。那么此时被回收的对象可以理解为空的map和slice，真正的数据已经失引用了，等待gc回收。

go的内存回收有GOGC变量控制，默认为100，即堆内存达到上次回收后内存的两倍时触发自动gc，此外如果两分钟未触发过gc，则会强制触发。这个服务内存占用本身比较高，因此默认情况下很少会主动触发gc，一般都是2min一次强制gc。在这2min内这些失引用的对象就一直占用着本就捉襟见肘的内存，自然会导致内存占用极高，而且会随qps升高而升高。

于是这里我做的优化是用sync.Pool复用更基础的对象——哈希表的结点，在之前我们复用哈希表是无效的，因为哈希表清空后，其内部数据失引用。因此我自己实现一个简易版本的链式哈希表，这样其内部的结点可以手动管理，用于对象复用，定义如下：

type Node struct {
    key int
    val int
    next *Node
}

var NodePool *sync.Pool = &sync.Pool {
    New: func() interface{} {
        return &Node{}
    },
}

链式哈希表的实现就很简单了（不会的话自行google），在这里我使用固定的entry大小，不考虑哈希表的扩容（因为场景很单一，kv数量不会很多），在申请结点和free结点的时候从NodePool中取即可。经过这么优化，服务的内存占用骤降，从~7G一下子降到了4~5G，OOM的问题就完全解决了。

CPU性能

实际上这么实现后一段时间服务都没什么问题，无论是从内存还是延迟都有提升，直到今年五一抖音上了一个新功能后，这个服务的qps涨了近30%，于是放假第一天晚上高峰期qps一下上到50w，错误率就涨到了2%，于是假期结束后又开始追查问题了。

经过压测可以观察到延迟的抖动以基本固定的2min间隔发生，那么基本上可以确定是gc导致的。回顾一下Golang的gc机制，可以参考这篇文章：

1. 清理终止阶段；

   暂停程序，所有的处理器在这时会进入安全点（Safe point）；

   如果当前垃圾收集循环是强制触发的，我们还需要处理还未被清理的内存管理单元；

2. 标记阶段；

   将状态切换至 _GCmark、开启写屏障、用户程序协助（Mutator Assiste）并将根对象入队；

   恢复执行程序，标记进程和用于协助的用户程序会开始并发标记内存中的对象，写屏障会将被覆盖的指针和新指针都标记成灰色，而所有新创建的对象都会被直接标记成黑色；

   开始扫描根对象，包括所有 Goroutine 的栈、全局对象以及不在堆中的运行时数据结构，扫描 Goroutine 栈期间会暂停当前处理器；

   依次处理灰色队列中的对象，将对象标记成黑色并将它们指向的对象标记成灰色；

   使用分布式的终止算法检查剩余的工作，发现标记阶段完成后进入标记终止阶段；

3. 标记终止阶段；

   暂停程序、将状态切换至 _GCmarktermination 并关闭辅助标记的用户程序；

   清理处理器上的线程缓存；

4. 清理阶段；

   将状态切换至 _GCoff 开始清理阶段，初始化清理状态并关闭写屏障；

   恢复用户程序，所有新创建的对象会标记成白色；

   后台并发清理所有的内存管理单元，当 Goroutine 申请新的内存管理单元时就会触发清理；

实际上如果你开启gc trace（程序启动时设置GODEBUG=gctrace=1），观察控制台输出的gc耗时，会发现golang暂停程序的时间是极其短的，不超过1ms。其主要耗时在于并发标记阶段需要对所有内存中的对象扫描一遍，确定将要回收的对象。这一过程会在每个逻辑处理器上绑定一个go routine来并发执行，此时CPU使用率会有显著的上升。显然，这一过程的消耗与对象的总数量强相关。

前面提到，我使用sync.Pool来复用了大量的链表结点Node用于构造哈希表，可以想象同一时刻内存中保持了数十万个Node，而sync.Pool仅仅能够规避掉内存反复分配和释放的开销，以及无效对象的堆积产生的内存开销，并不能缓解gc时对内存对象扫描的压力。

这个问题的解法是实现更加gc友好的对象池，总的来说有两种方法：

1. 通过用cgo调用malloc申请对象的内存，然后以指针来使用，由于malloc申请到的内存不会被gc追踪，自然就无gc开销。

2. 服务启动之初直接申请一块大数组，后续对象直接从数组中取用（按下标获取），可以使用一个used数组来记录使用情况（占用时置1，归还时置0）。这样由于大数组是一个整体，扫描时等同于一个对象，也无压力。

在这里我使用的是第二种方法，因为第一种的话还要考虑对象的存放（如果申请的byte数组，然后用unsafe方式使用的话，效果也等同于第二种）。同时第二种也不需要unsafe，更优雅一点。

此时还有未解决的问题是如何支持高并发度的对象存取，每次取对象需要从一个大数组中选择一个未使用的下标，然后把used置1，每次放回对象的时候需要把对应下标的used置0。因此Node结构需要增加一个域表示其在数组中的偏移（下标）：

type Node struct {
    key int
    val int
    idx int
    next *Node
}
var nodes []Node

高并发的情况下如何选择下标呢？可以简单的使用随机数减少冲突，但是这里有一个问题，如果每次申请Node时都计算一个随机数的话，使用pprof查看耗时，计算随机数也会产生很大的overhead，因为申请Node是很频繁的操作。在此我做了一个优化——同一个哈希表仅在第一次申请Node时使用随机偏移，后续使用上一次的下一位，以此类推，直到产生冲突。

如图，map2和map3的Node申请在连续的空间上，而map1使用的连续空间与map2产生冲突，于是才重新生成一个随机的位置。这么做很好地降低了计算随机数的overhead。

代码非常之简单，仅供参考，Get传入的idx是上一个node的偏移量，我们使用CAS实现轻量级的并发控制：

type NodePool struct {
	nodes []node
	used  []int32
	size  int
}

func (c *NodePool) Put(n *node) {
	n.next = nil
	if n.idx != -1 {
		c.used[n.idx] = 0
	}
}

func (c *NodePool) Get(key int, val uint16, idx int) *node {
    idx++
	if idx == 0 {
		idx = frand.Intn(c.size)
	}
	for i := 0; i < 10; i++ {
		if atomic.CompareAndSwapInt32(&c.used[idx], 0, 1) {
			c.nodes[idx].key = key
			c.nodes[idx].val = val
			return &c.nodes[idx]
		}
        idx = frand.Intn(c.size)
	}
	return &node{
		key:  key,
		val:  val,
		idx:  -1,
		next: nil,
	}
}

注意到重试的次数是有限的，当数组占用率很高的时候，我们重新选择位置的次数不超过10次，否则就直接给一个自由的node应急使用，用idx=-1来标记即可。在这个服务里我设置的数组长度为2^21，足够大，因此很少出现重试的情况。

经过这么优化后，再次对服务进行压测，发现CPU的占用率较之前显著下降，基本看不出gc造成的延时波动（或者说极小），上线观察下来晚高峰下延迟也不再波动了。问题解决！

一个值得注意的点：如果你使用指针数组[]*node来存储所有的node，是没有效果的，因为此时相当于一个数组引用了数百万个小对象，gc依然需要根据指针进行扫描。

其实都是很小的问题，但是在高并发量高性能要求的场景下，就会暴露出来，对于golang这种带gc的语言，总结下来就是尽量做到对象内存的复用，对于需要大量小对象的场景考虑合并成大对象，控制内存中的对象总量，以缓解gc压力。