Golang高性能编程实践

作者：coly

go 中高性能编程是一个经久不衰的话题，本文尝试从实践及源码层面对 go 的高性能编程进行解析。

1. 为什么要进行性能优化

服务上线前，为什么要进行压测和性能的优化？

一个例子，content-service 在压测的时候发现过一个问题: 旧逻辑为了简化编码，在进行协议转换前，会对某些字段做一个 DeepCopy，因为转换过程需要原始数据，但我们完全可以通过一些处理逻辑的调整，比如调整先后顺序等移除 DeepCopy。优化前后性能对比如下：

性能有 7 倍左右提升，改动很小，但折算到成本上的收益是巨大的。

在性能优化上任何微小的投入，都可能会带来巨大的收益

那么，如何对 go 程序的性能进行度量和分析？

2. 度量和分析工具

2.1 Benchmark

2.1.1 Benchmark 示例

func BenchmarkConvertReflect(b *testing.B) {
    var v interface{} = int32(64)
    for i:=0;i<b.N;i++{
        f := reflect.ValueOf(v).Int()
        if f != int64(64){
            b.Error("errror")
        }
    }
}

函数固定以 Benchmark 开头，其位于_test.go 文件中，入参为 testing.B 业务逻辑应放在 for 循环中，因为 b.N 会依次取值 1, 2, 3, 5, 10, 20, 30, 50,100.........，直至执行时间超过 1s

可通过go test --bench命令执行 benchmark，其结果如下:

➜  gotest666 go test --bench='BenchmarkConvertReflect' -run=none
goos: darwin
goarch: amd64
pkg: gotest666
cpu: Intel(R) Core(TM) i7-9750H CPU @ 2.60GHz
BenchmarkConvertReflect-12      520200014            2.291 ns/op

--bench='BenchmarkConvertReflect'， 要执行的 benchmark。需注意:该参数支持模糊匹配，如--bench='Get|Set' ，支持./...-run=none，只进行 Benchmark，不执行单测

BenchmarkConvertReflect, 在 1s 内执行了 520200014 次，每次约 2.291ns

2.1.2 高级用法

➜  gotest666 go test --bench='Convert' -run=none -benchtime=2s -count=3 -benchmem -cpu='2,4' -cpuprofile=cpu.profile -memprofile=mem.profile -trace=xxx -gcflags=all=-l
goos: darwin
goarch: amd64
pkg: gotest666
cpu: Intel(R) Core(TM) i7-9750H CPU @ 2.60GHz
BenchmarkConvertReflect-2       1000000000           2.286 ns/op           0 B/op          0 allocs/op
BenchmarkConvertReflect-2       1000000000           2.302 ns/op           0 B/op          0 allocs/op
BenchmarkConvertReflect-2       1000000000           2.239 ns/op           0 B/op          0 allocs/op
BenchmarkConvertReflect-4       1000000000           2.244 ns/op           0 B/op          0 allocs/op
BenchmarkConvertReflect-4       1000000000           2.236 ns/op           0 B/op          0 allocs/op
BenchmarkConvertReflect-4       1000000000           2.247 ns/op           0 B/op          0 allocs/op
PASS

-benchtime=2s'， 依次递增 b.N 直至运行时间超过 2s-count=3，执行 3 轮-benchmem,b.ReportAllocs，展示堆分配信息，0 B/op, 0 allos/op 分别代表每次分配了多少空间，每个 op 有多少次空间分配-cpu='2,4'，依次在 2 核、4 核下进行测试-cpuprofile=xxxx -memprofile=xxx -trace=trace.out，benmark 时生成 profile、trace 文件-gcflags=all=-l，停止编译器的内联优化b.ResetTimer, b.StartTimer/b.StopItmer，重置定时器b.SetParallelism、b.RunParallel， 并发执行，设置并发的协程数

目前对 go 性能进行分析的主要工具包含:profile、trace，以下是对二者的介绍

2.2 profile

目前 go 中 profile 包括: cpu、heap、mutex、goroutine。要在 go 中启用 profile 主要有以下几种方式:

1. 运行时函数，如 pprof.StartCPUProfile、pprof.WriteHeapProfile 等
2. 导入 net/http/pprof 包
3. go test 中使用-cpuprofile、-memprofile

go 中提供了 pprof 工具对 profile 进行解析，以 cpuprofile 为例，如下：

go tool pprofile cpu.profile

(pprof) top 15
Showing nodes accounting for 14680ms, 99.46% of 14760ms total
Dropped 30 nodes (cum <= 73.80ms)
      flat  flat%   sum%        cum   cum%
    2900ms 19.65% 19.65%     4590ms 31.10%  reflect.unpackEface (inline)
    2540ms 17.21% 36.86%    13280ms 89.97%  gotest666.BenchmarkConvertReflect
    1680ms 11.38% 48.24%     1680ms 11.38%  reflect.(*rtype).Kind (inline)

(pprof) list gotest666.BenchmarkConvertReflect
Total: 14.76s
ROUTINE ======================== gotest666.BenchmarkConvertReflect in /Users/zhangyuxin/go/src/gotest666/a_test.go
     2.54s     13.28s (flat, cum) 89.97% of Total
         .          .      8:func BenchmarkConvertReflect(b *testing.B) {
         .          .      9:   var v interface{} = int32(64)
     1.30s      1.41s     10:   for i:=0;i<b.N;i++{
         .     10.63s     11:       f := reflect.ValueOf(v).Int()
     1.24s      1.24s     12:       if f != int64(64){
         .          .     13:           b.Error("errror")
         .          .     14:       }
         .          .     15:   }
         .          .     16:}
         .          .     17:
(pprof)

flat,cum 分别代表了当前函数、当前函数调用函数的统计信息top、list、tree是用的最多的命令

go 也提供了 web 界面用以对各种调用进行图像化展示，可以通过-http 打开内置的 http 服务，该服务可以展示包含调用图、火焰图等信息

go tool pprof -http=":8081" cpu.profile

对于调用图，边框、字体的颜色越深，代表消耗资源越多。实线代表直接调用，虚线代表非直接调用（中间还有其他调用） 火焰图代表了调用层级，函数调用栈越长，火焰越高。同一层级，框越长、颜色越深占用资源越多 profile 是通过采样实现，存在精度问题、且会对性能有影响(比如 go routine 的 profile 采样会导致 STW)

此外，目前 123 中已经有 profile 相关的插件，具体可搜索:查看火焰图、GoMemProfile

2.3 trace

profile 可以通过采样，确定系统运行中的热点，但其基于采样的处理也有精度等问题。 因此，go 提供了 trace 工具，其基于事件的统计为解决问题提供了更详细的数据，此外 go trace 还把 P、G、Heap 等相关信息聚合在一起按照时间进行展示，如下图：

go 中启用 trace，可以通过以下方式：

1. 通过 runtime/trace 包中相应函数，主要是 trace.Start、trace.Stop
2. 通过导入 net/http/pprof
3. 通过 go test 中 trace 参数

以 runtime/trace 为例，如下：

import (
    "os"
    "runtime/trace"
)

func main() {
    f, _ := os.Create("trace.out")
    trace.Start(f)
    defer trace.Stop()

    ch := make(chan string)
    go func() {
        ch <- "EDDYCJY"
    }()

    <-ch
}

go tool trace trace.out，会打开页面，结果包含如下信息：

View trace // 按照时间查看thread、goroutine分析、heap等相关信息
Goroutine analysis // goroutine相关分析
Syscall blocking profile // syscall 相关
Scheduler latency profile // 调度相关
........

实际中经常先通过 Goroutine analysis、Scheduler latency profile 等查找可能的问题点，再通过 View trace 进行全面分析。

3. 常用类型和结构

3.1 interface、reflect

通常 go 中较多的 interface、reflect 会对性能有一定影响，interface、reflect 为什么会对性能有影响？

3.1.1 interface 和 eface

go 中 interface 包含 2 种，eface、iface。eface 用于标识不含方法的 interface，iface 用于标识带方法的 interface，其相关机制不在本文介绍范围。

eface 的定义位于runtime2.go、type.go，其定义如下：

type eface struct {
    _type *_type                 // 类型信息
    data  unsafe.Pointer // 数据
}

type _type struct {
    size       uintptr  // 大小信息
    .......
    hash       uint32     // 类型信息
    tflag      tflag
    align      uint8        // 对齐信息
    .......
}

因为同时包含类型、数据，go 中所有类型都可以转换为 interface。go 中为 interface 赋值的过程，即为 eface 变量生成的过程，通过汇编可以发现，其主要通过 convT*完成位于iface.go，具体分发逻辑位于convert.go。 以指针类型为例，其转换逻辑如下:

// dataWordFuncName returns the name of the function used to convert a value of type "from"
// to the data word of an interface.
func dataWordFuncName(from *types.Type) (fnname string, argType *types.Type, needsaddr bool) {
    .............
    switch {
    case from.Size() == 2 && uint8(from.Alignment()) == 2:
        return "convT16", types.Types[types.TUINT16], false
    case from.Size() == 4 && uint8(from.Alignment()) == 4 && !from.HasPointers():
        return "convT32", types.Types[types.TUINT32], false
    case from.Size() == 8 && uint8(from.Alignment()) == uint8(types.Types[types.TUINT64].Alignment()) && !from.HasPointers():
        return "convT64", types.Types[types.TUINT64], false
    }

    .............
    if from.HasPointers() {
        return "convT", types.Types[types.TUNSAFEPTR], true
    }
    return "convTnoptr", types.Types[types.TUNSAFEPTR], true
}

// convT converts a value of type t, which is pointed to by v, to a pointer that can
// be used as the second word of an interface value.
func convT(t *_type, elem unsafe.Pointer) (e eface) {
    .....
    x := mallocgc(t.size, t, true)  // 空间的分配
    typedmemmove(t, x, elem)                // memove
    e._type = t
    e.data = x
    return
}

很多对 interface 类型的赋值(并非所有)，都会导致空间的分配和拷贝，这也是 Interface 函数为什么可能会导致逃逸的原因 go 这么做的主要原因：逃逸的分析位于编译阶段，对于不确定的类型在堆上分配最为合适。

3.1.2 Reflect.Value

go 中 reflect 机制涉及到 2 个类型，reflect.Type 和 reflect.Value，reflect.Type 是一个 Interface，其不在本章介绍范围内。

reflect.Value 定义位于value.go、type.go，其定义与 eface 类似：

type Value struct {
    typ *rtype  // type._type
    ptr unsafe.Pointer
    flag
}

// rtype must be kept in sync with ../runtime/type.go:/^type._type.
type rtype struct {
    ....
}

相似的实现，即为interface和reflect可以相互转换的原因

reflect.Value 是通过 reflect.ValueOf 获得，reflect.ValueOf 也会导致数据逃逸(interface 接口)，其定义位于value.go中，如下:

func ValueOf(i interface{}) Value {
    if i == nil {
        return Value{}
    }
    // TODO: Maybe allow contents of a Value to live on the stack.
    // For now we make the contents always escape to the heap.
  // .....
    escapes(i) // 此处没有逃逸
    return unpackEface(i) // 转换eface为emtpyInterface
}

// go1.18中，dummy.b没有赋值操作
func escapes(x any) {
    if dummy.b {
        dummy.x = x
    }
}

reflect.ValueOf 仍然会导致逃逸，但其逃逸还是由 interface 的入参导致

一个简单的例子：

func main() {
    var x = "xxxx"
    _ = reflect.ValueOf(x)
}

结果如下：

➜  gotest666 go build -gcflags=-m main.go
# command-line-arguments
./main.go:26:21: inlining call to reflect.ValueOf
./main.go:26:21: inlining call to reflect.escapes
./main.go:26:21: inlining call to reflect.unpackEface
./main.go:26:21: inlining call to reflect.(*rtype).Kind
./main.go:26:21: inlining call to reflect.ifaceIndir
./main.go:26:22: x escapes to heap

需要注意，x会逃逸到堆上

3.1.3 类型的选择：interface、强类型如何选

为降低不必要的空间分配、拷贝，建议只在必要情况下使用 interface、reflect，针对函数定义，测试如下：

type testStruct struct {
    Data [4096]byte
}

func StrongType(t testStruct) {
    t.Data[0] = 1
}

func InterfaceType(ti interface{}) {
    ts := ti.(testStruct)
    ts.Data[0] = 1
}

func BenchmarkTypeStrong(b *testing.B) {
    t := testStruct{}
    t.Data[0] = 2
    for i := 0; i < b.N; i++ {
        StrongType(t)
    }
}

func BenchmarkTypeInterface(b *testing.B) {
    t := testStruct{}
    t.Data[0] = 2
    for i := 0; i < b.N; i++ {
        InterfaceType(t)
    }
}

➜  test go test --bench='Type' -run=none -benchmem
goos: darwin
goarch: amd64
pkg: gotest666/test
cpu: Intel(R) Core(TM) i7-9750H CPU @ 2.60GHz
BenchmarkTypeStrong-12          1000000000           0.2550 ns/op          0 B/op          0 allocs/op
BenchmarkTypeInterface-12        1722150           709.0 ns/op      4096 B/op          1 allocs/op
PASS
ok      gotest666/test  2.714s
需要注意，当入参参数占用空间不大时(比如基础类型)，二者性能对比并不十分明显

强类型函数调用性能远优于基于 interface 的调用，优化后 content-service 只使用了少量的 interface。

目前一些常用的基于 interface(可能会导致逃逸)的函数:

3.1.4 类型转换: 强转 vs 断言 vs reflect

目前 go 中数据类型转换，存在以下几种方式：

1. 强转，如 int 转 int64，可用 int64(intData)。强转是对底层数据进行语意上的重新解释
2. 断言(interface)，根据已有信息，对变量类型进行断言，如 interfaceData.(int64)，会利用 eface.type 中相关信息，对类型进行校验、转换。
3. reflect 相关函数，如 reflect.Valueof(intData).Int()，其中 intData 可以为各种 int 相关类型，具有较大的灵活性。

针对此的测试如下：

type testStruct struct {
    Data [4096]byte
}

func BenchmarkConvertForce(b *testing.B) {
    for i := 0; i < b.N; i++ {
        var v = int32(64)
        f := int64(v)
        if f != int64(64) {
            b.Error("errror")
        }
    }
}

func BenchmarkConvertReflect(b *testing.B) {
    for i := 0; i < b.N; i++ {
        var v = int32(64)
        f := reflect.ValueOf(v).Int()
        if f != int64(64) {
            b.Error("errror")
        }
    }
}

func BenchmarkConvertAssert(b *testing.B) {
    for i := 0; i < b.N; i++ {
        var v interface{} = int32(64)
        f := v.(int32)
        if f != int32(64) {
            b.Error("error")
        }
    }
}

➜  test go test --bench='Convert' -run=none -benchmem -gcflags=all=-l
goos: darwin
goarch: amd64
pkg: gotest666/test
cpu: Intel(R) Core(TM) i7-9750H CPU @ 2.60GHz
BenchmarkConvertForce-12            1000000000           0.2843 ns/op          0 B/op          0 allocs/op
BenchmarkConvertReflect-12          84957760            13.66 ns/op        0 B/op          0 allocs/op
BenchmarkConvertAssert-12           1000000000           0.2586 ns/op          0 B/op          0 allocs/op

可以看出性能上：强类型转换/assert>reflect 没有逃逸的原因参见:iface.go

content-service 中已经不再使用 reflect 相关的转换处理

3.2 常用 map

go 中常用的 map 包含，runtime.map、sync.map 和第三方的 ConcurrentMap，go 中 map 的定义位于map.go，典型的基于 bucket 的 map 的实现，如下：

type hmap struct {
    ......
    B         uint8  // log_2 of # of buckets (can hold up to loadFactor * 2^B items)
    hash0     uint32 // hash seed

    buckets    unsafe.Pointer // array of 2^B Buckets. may be nil if count==0.
    oldbuckets unsafe.Pointer // previous bucket array of half the size, non-nil only when growing
  ......
}

其查找、删除、rehash 机制参见https://juejin.cn/post/7056290831182856205

sync.map 定义位于map.go中，其是典型的以空间换时间的处理，具体如下:

type readOnly struct {
    m       map[interface{}]*entry
    amended bool // true if the dirty map contains some key not in m.
}

type entry struct {
    p unsafe.Pointer // *interface{}
}

type Map struct {
    mu Mutex
    read atomic.Value // readOnly数据
    dirty map[interface{}]*entry
    misses int
}

read 中存储的是 dirty 数据的一个副本(通过指针)，在读多写少的情况下，基本可以实现无锁的数据读取。

Sync.map 相关机制参见:https://juejin.cn/post/6844903895227957262

go 中还有一个第三方的 ConcurrentMap，其采用分段锁的原理，通过降低锁的粒度提升性能，参见:current-map

针对 map、sync.map、ConcurrentMap 的测试如下：

const mapCnt = 20
func BenchmarkStdMapGetSet(b *testing.B) {
    mp := map[string]string{}
    keys := []string{"a", "b", "c", "e", "f", "g", "h", "i", "j", "k", "l", "m", "n", "o", "p", "q", "r"}
    for i := range keys {
        mp[keys[i]] = keys[i]
    }
    var m sync.Mutex
    b.ResetTimer()
    b.RunParallel(func(pb *testing.PB) {
        for pb.Next() {
            for i := 0; i < mapCnt; i++ {
                for j := range keys {
                    m.Lock()
                    _ = mp[keys[j]]
                    m.Unlock()
                }
            }

            m.Lock()
            mp["d"] = "d"
            m.Unlock()
        }
    })
}

func BenchmarkSyncMapGetSet(b *testing.B) {
    var mp sync.Map
    keys := []string{"a", "b", "c", "e", "f", "g", "h", "i", "j", "k", "l", "m", "n", "o", "p", "q", "r"}
    for i := range keys {
        mp.Store(keys[i], keys[i])
    }
    b.ResetTimer()
    b.RunParallel(func(pb *testing.PB) {
        for pb.Next() {
            for i := 0; i < mapCnt; i++ {
                for j := range keys {
                    _, _ = mp.Load(keys[j])
                }
            }

            mp.Store("d", "d")
        }
    })
}

func BenchmarkConcurrentMapGetSet(b *testing.B) {
    m := cmap.New[string]()
    keys := []string{"a", "b", "c", "e", "f", "g", "h", "i", "j", "k", "l", "m", "n", "o", "p", "q", "r"}
    for i := range keys {
        m.Set(keys[i], keys[i])
    }
    b.ResetTimer()
    b.RunParallel(func(pb *testing.PB) {
        for pb.Next() {
            for i := 0; i < mapCnt; i++ {
                for j := range keys {
                    _, _ = m.Get(keys[j])
                }
            }

            m.Set("d", "d")
        }
    })
}

➜  test go test --bench='GetSet' -run=none -benchmem
goos: darwin
goarch: amd64
pkg: gotest666/test
cpu: Intel(R) Core(TM) i7-9750H CPU @ 2.60GHz
BenchmarkStdMapGetSet-12               49065         24976 ns/op           0 B/op          0 allocs/op
BenchmarkSyncMapGetSet-12             722704          1756 ns/op          16 B/op          1 allocs/op
BenchmarkConcurrentMapGetSet-12       227001          5206 ns/op           0 B/op          0 allocs/op
PASS

需要注意此测试，读写并发比 20:1 读多写少，建议使用 sync.Map。如果业务场景中，很明确只有对 map 的读操作，建议使用 runtime.Map

目前 content-service 中 runtime.map、sync.map 都有涉及

3.3 hash 的实现: index vs map

在使用到 hash 的场景，除了 map，我们还可以基于 slice 或者数组的索引，content-service 基于此实现另外一种 map。其性能对比如下：

func BenchmarkHashIdx(b *testing.B) {
    var data = [10]int{0: 1, 1: 1, 2: 2, 3: 3, 4: 4, 5: 5, 6: 6, 7: 7, 8: 8, 9: 9}
    for i := 0; i < b.N; i++ {
        tmp := data[b.N%10]
        _ = tmp
    }
}
func BenchmarkHashMap(b *testing.B) {
    var data = map[int]int{0: 1, 1: 1, 2: 2, 3: 3, 4: 4, 5: 5, 6: 6, 7: 7, 8: 8, 9: 9}
    for i := 0; i < b.N; i++ {
        tmp := data[b.N%10]
        _ = tmp
    }
}
➜  test go test --bench='Hash' -run=none -benchmem
goos: darwin
goarch: amd64
pkg: gotest666/test
cpu: Intel(R) Core(TM) i7-9750H CPU @ 2.60GHz
BenchmarkHashIdx-12     1000000000           1.003 ns/op           0 B/op          0 allocs/op
BenchmarkHashMap-12     196543544            7.665 ns/op           0 B/op          0 allocs/op
PASS

性能有 5 倍左右提升，content-service 在解析正排数据时，即采用此种处理。

3.4 string 和 slice

3.4.1 string 和 slice 的定义

在 go 中 string、slice 都是基于 buf、len 的定义，二者定义都位于value.go中:

type StringHeader struct
    Data uintptr
    Len  int
}

type SliceHeader struct {
    Data uintptr
    Len  int
    Cap  int
}

通过二者定义可以得出：

1. 在值拷贝背景下，string、slice 的赋值操作代价都不大，最多有 24Byte
2. slice 因为涉及到 cap，会涉及到预分配、惰性删除，其具体位于slice.go

3.4.2 String、[]byte 转换

go 中 string 和[]byte 间相互转换包含 2 种：

1. 采用原生机制，比如 string 转 slice 可采用，[]byte(strData)
2. 基于对底层数据结构重新解释

以 string 转换为 byte 为例，原生转换的转换会进行如下操作，其位于string.go中：

func stringtoslicebyte(buf *tmpBuf, s string) []byte {
    var b []byte
    if buf != nil &amp;&amp; len(s) <= len(buf) { // 如果可以在tmpBuf中保存
        *buf = tmpBuf{}
        b = buf[:len(s)]
    } else {
        b = rawbyteslice(len(s)) // 如果32字节不够存储数据，则调用mallocgc分配空间
    }
    copy(b, s)  // 数据拷贝
    return b
}

// rawbyteslice allocates a new byte slice. The byte slice is not zeroed.
func rawbyteslice(size int) (b []byte) {
    cap := roundupsize(uintptr(size))
    p := mallocgc(cap, nil, false)  // 空间分配
    if cap != uintptr(size) {
        memclrNoHeapPointers(add(p, uintptr(size)), cap-uintptr(size))
    }

    *(*slice)(unsafe.Pointer(&amp;b)) = slice{p, size, int(cap)}
    return
}

其中 tmpBuf 定义为 type tmpBuf [32]byte。 当长度超过 32 字节时，会进行空间的分配、拷贝

同理，byte 转换为 string，原生处理位于 slicebytetostring 函数，也位于string.go中

针对多余的空间分配、拷贝问题，content-service 对此进行了封装，具体参见tools.go，该实现通过对底层数据重新解释进行，具有较高的效率。

以 byteToString 为例，相关 benchMark 如下：

func BenchmarkByteToStringRaw(b *testing.B) {
   bytes := getByte(34)
   b.ResetTimer()
   for i := 0; i < b.N; i++ {
      v := string(bytes)
      if len(v) <= 0 {
         b.Error("error")
      }
   }
}
// 认为对底层数据进行重新解释
func Bytes2String(b []byte) string {
   x := (*[3]uintptr)(unsafe.Pointer(&amp;b))
   s := [2]uintptr{x[0], x[1]}
   return *(*string)(unsafe.Pointer(&amp;s))
}

func BenchmarkByteToStringPointer(b *testing.B) {
   bytes := getByte(34)
   b.ResetTimer()
   for i := 0; i < b.N; i++ {
      v := Bytes2String(bytes)
      if len(v) <= 0 {
         b.Error("error")
      }
   }
}

➜  gotest666 go test --bench='ByteToString' -run=none -benchmem
goos: darwin
goarch: amd64
pkg: gotest666
cpu: Intel(R) Core(TM) i7-9750H CPU @ 2.60GHz
BenchmarkByteToStringRaw-12         47646651            23.37 ns/op       48 B/op          1 allocs/op
BenchmarkByteToStringPointer-12     1000000000           0.7539 ns/op          0 B/op          0 allocs/op

其性能有较大提升，性能提升的主要原因，0 gc 0拷贝需要注意，本处理只针对转换，不涉及 append 等可能引起扩容的处理

3.4.3 string 的拼接

当前 golang 中字符串拼接方式，主要包含：

1. 使用+连接字符串
2. 使用 fmt.Sprintf
3. 使用运行时工具类，strings.Builder 或者 bytes.Buffer
4. 预分配机制

目前对+的处理，其处理函数位于string.go，当要连接的字符串长度>32 时，每次会进行空间的分配和拷贝处理，其处理如下：

func concatstrings(buf *tmpBuf, a []string) string {
    idx := 0
    l := 0
    count := 0
    for i, x := range a {  // 计算+链接字符的长度
        n := len(x)
        if n == 0 {
            continue
        }
        if l+n < l {
            throw("string concatenation too long")
        }
        l += n
        count++
        idx = i
    }
    if count == 0 {
        return ""
    }
    .....
  s, b := rawstringtmp(buf, l) // 如果长度小于len(buf)(32)，则分配空间，否则使用buf
    for _, x := range a {
        copy(b, x)
        b = b[len(x):]
    }
    return s
}

type tmpBuf [32]byte

fmt.Sprinf，涉及大量的 interface 相关操作，会导致逃逸。

针对+、fmt.Sprintf 等的对比测试如下：

func BenchmarkStringJoinAdd(b *testing.B) {
   var s string
   for i := 0; i < b.N; i++ {
      for i := 0; i < count; i++ {
         s += "10"
      }
   }
}

func BenchmarkStringJoinSprintf(b *testing.B) {
   var s string
   for i := 0; i < b.N; i++ {
      for i := 0; i < count; i++ {
         s = fmt.Sprintf("%s%s", s, "10")
      }
   }
}

func BenchmarkStringJoinStringBuilder(b *testing.B) {
   var sb strings.Builder
   sb.Grow(count * 2) // 预分配了空间
   b.ResetTimer()

   for i := 0; i < b.N; i++ {
      for i := 0; i < count; i++ {
         sb.WriteString("10")
      }
   }
}

➜  gotest666 go test --bench='StringJoin' -run=none -benchmem
goos: darwin
goarch: amd64
pkg: gotest666
cpu: Intel(R) Core(TM) i7-9750H CPU @ 2.60GHz
BenchmarkStringJoinAdd-12                    124      11992891 ns/op    127697864 B/op      1006 allocs/op
BenchmarkStringJoinSprintf-12                100      19413234 ns/op    195832744 B/op      2808 allocs/op
BenchmarkStringJoinStringBuilder-12       189568          7335 ns/op       12392 B/op          0 allocs/op

可以看出，空间预分配拥有非常高的性能指标。目前，Content-service 中都采用了空间预分配的方式，其他的一些测试参见：string 连接

3.5 循环的处理： for vs range

go 中常用的循环有 2 种 for 和 range,如下：

1. 按位置进行遍历，for 和 range 都支持，如 for i:=range a{}， for i:=0;i<len(a);i++
2. 同时对位置、值进行遍历，range 支持，如 for i,v := range a {}

go 中循环经过一系列的编译、优化后，伪代码如下：

ta := a     // 容器的拷贝
i := 0
l := len(ta) // 获取长度
for ; i < l; i++ {
    v := ta[i]  // 容器中元素的拷贝
}

此处理可能会导致以下问题：

1. 遍历前，会进行值的拷贝，如果是数组，会有大量数据拷贝，slice 和 map 等引用的拷贝较少
2. for range value 在遍历中存在对容器元素的拷贝
3. 遍历开始，已经确定了容器长度，中间添加的数据，不会遍历到

针对此测试如下：

type Item struct {
    id  int
    val [4096]byte
}

func BenchmarkLoopFor(b *testing.B) {
    var items [1024]Item
    for i := 0; i < b.N; i++ {
        length := len(items)
        var tmp int
        for k := 0; k < length; k++ {
            tmp = items[k].id
        }
        _ = tmp
    }
}

func BenchmarkLoopRangeIndex(b *testing.B) {
    var items [1024]Item
    for i := 0; i < b.N; i++ {
        var tmp int
        for k := range items {
            tmp = items[k].id
        }
        _ = tmp
    }
}

func BenchmarkLoopRangeValue(b *testing.B) {
    var items [1024]Item
    for i := 0; i < b.N; i++ {
        var tmp int
        for _, item := range items {
            tmp = item.id
        }
        _ = tmp
    }
}

➜  test go test --bench='Loop' -run=none -benchmem
goos: darwin
goarch: amd64
pkg: gotest666/test
cpu: Intel(R) Core(TM) i7-9750H CPU @ 2.60GHz
BenchmarkLoopFor-12              4334842           270.8 ns/op         0 B/op          0 allocs/op
BenchmarkLoopRangeIndex-12       4436786           272.7 ns/op         0 B/op          0 allocs/op
BenchmarkLoopRangeValue-12          7310        211009 ns/op           0 B/op          0 allocs/op
PASS

注意，对于所需空间较小，如指针类型数组等此问题并不严重 在需要较大存储空间、元素需要较大存储空间时，建议不要采用 range value 的方式

content_service 中目前基本都是基于 for index、range index 的处理

3.6 重载

目前 go 中重载的实现包含 2 种，泛型(1.18)、基于 interface 的定义。泛型的优点在于预编译，即编译期间即可确定类型，对比基于 interface 的逃逸会有一定收益，具体测试如下：

func AddGeneric[T int | int16 | int32 | int64](a, b T) T {
    return a + b
}

func AddInterface(a, b interface{}) interface{} {
    switch a.(type) {
    case int:
        return a.(int) + b.(int)
    case int32:
        return a.(int32) + b.(int32)
    case int64:
        return a.(int64) + b.(int64)
    }
    return 0
}

func BenchmarkOverLoadGeneric(b *testing.B) {
    for i := 0; i < b.N; i++ {
        x := AddGeneric(i, i)
        _ = x
    }
}
func BenchmarkOverLoadInterface(b *testing.B) {
    for i := 0; i < b.N; i++ {
        x := AddInterface(i, i)
        _ = x.(int)
    }
}

➜  test go test --bench='OverLoad' -run=none -benchmem
goos: darwin
goarch: amd64
pkg: gotest666/test
cpu: Intel(R) Core(TM) i7-9750H CPU @ 2.60GHz
BenchmarkOverLoadGeneric-12         1000000000           0.2778 ns/op          0 B/op          0 allocs/op
BenchmarkOverLoadInterface-12       954258690            1.248 ns/op           0 B/op          0 allocs/op
PASS

对比 interface 类型的处理，泛型有一定的性能的提升，目前在 content-service 中已经得到了大量的使用。

4 空间与布局

4.1 栈与堆空间的分配

在栈上分配空间为什么会比堆上快？

通过汇编，可观察栈空间分配机制，如下：

package main

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

其对应汇编代码如下：

main.test STEXT nosplit size=49 args=0x10 locals=0x10 funcid=0x0 align=0x0
        0x0000 00000 (/Users/zhangyuxin/go/src/gotest666/test.go:3)     TEXT    main.test(SB), NOSPLIT|ABIInternal, $16-16
        0x0000 00000 (/Users/zhangyuxin/go/src/gotest666/test.go:3)     SUBQ    $16, SP         // 栈扩容
                ......
        0x002c 00044 (/Users/zhangyuxin/go/src/gotest666/test.go:4)     ADDQ    $16, SP         // 栈释放
        0x0030 00048 (/Users/zhangyuxin/go/src/gotest666/test.go:4)     RET

在 go 中栈的扩容、释放只涉及到了 SUBQ、ADDQ 2 条指令。

对应的基于堆的内存分配，位于malloc.go中 mallocgc 函数，p 的定义、mheap 的定义分别位于runtime2.go、mcache.go、mheap.go，其分配流程具体如下（<32K, >8B）:

其中，直接从 p.mcache 获取空间不需要加锁（单协程），mheap.mcentral 获取空间需要加锁(全局变量)、mmap 需要系统调用。此外，堆上分配还需要考虑 gc 导致的 stw 等的影响，因此建议所需空间不是特别大时还是在栈上进行空间的分配。

content-service 开发中有一个共识: 能在栈上处理的数据，不会放到堆上。

4.2 Zero GC

Zero GC 能够避免 gc 带来的扫描、STW 等，具有一定的性能收益。

当前 zero gc 的处理，主要包含 2 种：

1. 无 gc，通过 mmap 或者 cgo.malloc 分配空间，绕过 go 的内存分配机制，如 fastcache 的实现
2. 避免或者减少 gc，通过[]byte 等避免因为指针导致的扫描、stw，bigCache 的实现即为此。

Zero GC 的优点在于，避免了 go gc 处理带来的标记扫描、STW 等，相对于常规堆上数据分配，其性能有较大提升。content-service 在重构中，使用了大量的基于 0 gc 的库，比如 fastcache，对一些常用函数、机制，如 strings.split 也进行了 0 gc 的优化，其实现如下：

在 content-service 中其实现位于string_util.go，如下:

type StringSplitter struct {
    Idx [8]int  // 存储splitter对应的位置信息
    src string
    cnt int
}

// Split 分割
func (s *StringSplitter) Split(str string, sep byte) bool {
    s.src = str
    for i := 0; i < len(str); i++ {
        if str[i] == sep {
            s.Idx[s.cnt] = i
            s.cnt++

            // 超过Idx数据长度则返回空
            if int(s.cnt) >= len(s.Idx) {
                return false
            }
        }
    }

    return true
}

与常规 strings.split 对比如下，其性能有近 4 倍左右提升：

➜  test go test --bench='Split' -run=none -benchmem
goos: darwin
goarch: amd64
pkg: gotest666/test
cpu: Intel(R) Core(TM) i7-9750H CPU @ 2.60GHz
BenchmarkQSplitRaw-12       13455728            76.43 ns/op       64 B/op          1 allocs/op
BenchmarkQSplit-12          59633916            20.08 ns/op        0 B/op          0 allocs/op
PASS

4.3 GC 的优化

gc 优化相关，主要涉及 GOGC、GOMEMLIMIT，参见：Golang 垃圾回收介绍及参数调整

需要注意，此机制只在 1.20 以上版本生效

4.4 逃逸

对于一些处理比较复杂操作，go 在编译器会在编译期间将相关变量逃逸至堆上。目前可能导致逃逸的机制包含:

1. 基于指针的逃逸
2. 栈空间不足，超过了 os 的限制 8M
3. 闭包
4. 动态类型

目前逃逸分析，可采用-gcflags=-m 进行查看，如下:

type test1 struct {
    a int32
    b int
    c int32
}

type test2 struct {
    a int32
    c int32
    b int
}

func getData() *int {
    a := 10
    return &a
}

func main() {
    fmt.Println(unsafe.Sizeof(test1{}))
    fmt.Println(unsafe.Sizeof(test2{}))
    getData()
}

➜  gotest666 go build -gcflags=-m main.go
# command-line-arguments
./main.go:20:6: can inline getData
./main.go:26:13: inlining call to fmt.Println
./main.go:27:13: inlining call to fmt.Println
./main.go:28:9: inlining call to getData
./main.go:21:2: moved to heap: a        // 返回指针导致逃逸
./main.go:26:13: ... argument does not escape
./main.go:26:27: unsafe.Sizeof(test1{}) escapes to heap // 动态类型导致逃逸
./main.go:27:13: ... argument does not escape
./main.go:27:27: unsafe.Sizeof(test2{}) escapes to heap // 动态类型导致逃逸

在日常业务处理过程中，建议尽量避免逃逸到堆上的情况

4.5 数据的对齐

go 中同样存在数据对齐，适当的布局调整，能够节省大量的空间，具体如下：

type test1 struct {
    a int32
    b int
    c int32
}

type test2 struct {
    a int32
    c int32
    b int
}

func main() {
    fmt.Println(unsafe.Alignof(test1{}))
    fmt.Println(unsafe.Alignof(test2{}))
    fmt.Println(unsafe.Sizeof(test1{}))
    fmt.Println(unsafe.Sizeof(test2{}))
}

➜  gotest666 go run main.go
8
8
24
16

4.6 空间预分配

空间预分配，可以避免大量不必要的空间分配、拷贝，目前 slice、map、strings.Builder、byte.Builder 等都涉及到预分配机制。

以 map 为例，测试结果如下：

func BenchmarkConcurrentMapAlloc(b *testing.B) {
    m := map[int]int{}
    b.ResetTimer()
    for i := 0; i < b.N; i++ {
        m[i] = i
    }
}

func BenchmarkConcurrentMapPreAlloc(b *testing.B) {
    m := make(map[int]int, b.N)
    b.ResetTimer()
    for i := 0; i < b.N; i++ {
        m[i] = i
    }
}

➜  test go test --bench='Alloc' -run=none -benchmem
goos: darwin
goarch: amd64
pkg: gotest666/test
cpu: Intel(R) Core(TM) i7-9750H CPU @ 2.60GHz
BenchmarkConcurrentMapAlloc-12           6027334           186.0 ns/op        60 B/op          0 allocs/op
BenchmarkConcurrentMapPreAlloc-12       15499568            89.68 ns/op        0 B/op          0 allocs/op
PASS

预分配能够极大提升，相关性能， 建议在使用时都进行空间的预分配。content-service 在开发中基本都做到了空间的预分配。

5 并发编程

5.1 锁

golang 中 mutex 定义位于mutex.go，其定义如下：

type Mutex struct {
    state int32         // 状态字，标识锁是否被锁定、是否starving等
    sema  uint32        // 信号量
}

golang 的读写锁基于 mutex，其定义位于rwmutex.go, 其定义如下:

type RWMutex struct {
    w           Mutex  // 用于阻塞写协程
    writerSem   uint32 // 写信号量，用于实现写阻塞队列
    readerSem   uint32 // 读信号量，用于实现读阻塞队列
    readerCount int32  // 当前正在读操作的个数
    readerWait  int32  // 防止写操作被饿死，标记排在写操作前读操作的个数
}

RWMutex 基于 Mutex 实现，在加写锁上，RWMutex 性能略差于 Mutex。但在读操作较多情况下，RWMutex 性能是优于 Mutex 的，因为 RWMutex 对于读的操作只是通过 readerCount 计数进行， 其相关处理位于rwmutex.go，如下:

func (rw *RWMutex) RLock() {
    if race.Enabled {
        _ = rw.w.state
        race.Disable()
    }
    if rw.readerCount.Add(1) < 0 {  // readCount < 0，表示有写操作正在进行
        runtime_SemacquireRWMutexR(&amp;rw.readerSem, false, 0)
    }
    if race.Enabled {
        race.Enable()
        race.Acquire(unsafe.Pointer(&amp;rw.readerSem))
    }
}

func (rw *RWMutex) Lock() {
    if race.Enabled {
        _ = rw.w.state
        race.Disable()
    }

    rw.w.Lock()                                                                         // 加写锁
    r := rw.readerCount.Add(-rwmutexMaxReaders) + rwmutexMaxReaders // 统计当前读操作的个数，
    if r != 0 &amp;&amp; rw.readerWait.Add(r) != 0 {                                                // 并等待读操作
        runtime_SemacquireRWMutex(&amp;rw.writerSem, false, 0)
    }
    if race.Enabled {
        race.Enable()
        race.Acquire(unsafe.Pointer(&amp;rw.readerSem))
        race.Acquire(unsafe.Pointer(&amp;rw.writerSem))
    }
}

按照读写比例的不同，进行了如下测试：

var mut sync.Mutex
var rwMut sync.RWMutex
var t int

const cost = time.Microsecond

func WRead() {
    mut.Lock()
    _ = t
    time.Sleep(cost)
    mut.Unlock()
}

func WWrite() {
    mut.Lock()
    t++
    time.Sleep(cost)
    mut.Unlock()
}

func RWRead() {
    rwMut.RLock()
    _ = t
    time.Sleep(cost)
    rwMut.RUnlock()
}

func RWWrite() {
    rwMut.Lock()
    t++
    time.Sleep(cost)
    rwMut.Unlock()
}

func benchmark(b *testing.B, readFunc, writeFunc func(), read, write int) {
    b.RunParallel(func(pb *testing.PB) {
        for pb.Next() {
            var wg sync.WaitGroup
            for k := 0; k < read*100; k++ {
                wg.Add(1)
                go func() {
                    readFunc()
                    wg.Done()
                }()
            }
            for k := 0; k < write*100; k++ {
                wg.Add(1)
                go func() {
                    writeFunc()
                    wg.Done()
                }()
            }
            wg.Wait()
        }
    })
}

func BenchmarkReadMore(b *testing.B)         { benchmark(b, WRead, WWrite, 9, 1) }
func BenchmarkReadMoreRW(b *testing.B)       { benchmark(b, RWRead, RWWrite, 9, 1) }
func BenchmarkWriteMore(b *testing.B)        { benchmark(b, WRead, WWrite, 1, 9) }
func BenchmarkWriteMoreRW(b *testing.B)      { benchmark(b, RWRead, RWWrite, 1, 9) }
func BenchmarkReadWriteEqual(b *testing.B)   { benchmark(b, WRead, WWrite, 5, 5) }
func BenchmarkReadWriteEqualRW(b *testing.B) { benchmark(b, RWRead, RWWrite, 5, 5) }

➜  test go test --bench='Read|Write' -run=none -benchmem
goos: darwin
goarch: amd64
pkg: gotest666/test
cpu: Intel(R) Core(TM) i7-9750H CPU @ 2.60GHz
BenchmarkReadMore-12                     207       5713542 ns/op      114190 B/op       2086 allocs/op
BenchmarkReadMoreRW-12                  1237        904307 ns/op      104683 B/op       2007 allocs/op
BenchmarkWriteMore-12                    211       5799927 ns/op      110360 B/op       2067 allocs/op
BenchmarkWriteMoreRW-12                  222       5490282 ns/op      110666 B/op       2070 allocs/op
BenchmarkReadWriteEqual-12               213       5752311 ns/op      111017 B/op       2065 allocs/op
BenchmarkReadWriteEqualRW-12             386       3088603 ns/op      106810 B/op       2030 allocs/op

在读写比例为 9:1 时，RWMute 性能约为 Mutex 的 6 倍。

6. 其他

需要注意：语言层面只能解决单点的性能问题，良好的架构设计才能从全局解决问题

本文所有 benchmark、源码都是基于 1.18。

7. 参考资料

• go 高性能编程

• go 语言设计与实现

• go 专家编程

• go 语言底层原理剖析