Go代码重构：23倍的性能爆增

几周前，我读了一篇名为“ Good Code vs Go Code中的错误代码 ”的文章，作者指导我们逐步完成实际业务用例的重构。

本文的重点是将“坏代码”转变为“良好代码”：更具惯用性，更易读，利用go语言的细节。但它也坚持将性能作为项目的一个重要方面。这引发了我的好奇心：让我们深入挖掘！

---

该程序基本上读取一个输入文件，并解析每一行以填充内存中的对象。

 

作者不仅在Github上发布了源代码，他还写了一个惯用的基准。这是一个非常好的主意，就像邀请调整代码并使用命令重现测量：

$ go test -bench =。

 

 

每次执行μs（越小越好）

因此，在我的机器上，“好代码”的速度提高了16％。我们能获得更多吗？

根据我的经验，代码质量和性能之间存在有趣的关联。当您成功地重构代码以使其更清晰且更加分离时，您通常最终会使其更快，因为它不会使之前执行的无关指令变得混乱，并且还因为一些可能的优化变得明显且易于实现。

另一方面，如果你进一步追求性能，你将不得不放弃简单并诉诸于黑客。你确实会刮掉几毫秒，但代码质量会受到影响，因为它会变得更难以阅读和推理，更脆弱，更不灵活。

 

攀登mount Simplicity，然后降序

这是一个权衡：你愿意走多远？

为了正确确定您的绩效工作的优先顺序，最有价值的策略是确定您的瓶颈并专注于它们。要实现这一点，请使用分析工具！Pprof和Trace是你的朋友：

$ go test -bench =。-cpuprofile cpu.prof 
$ go tool pprof -svg cpu.prof> cpu.svg

 

一个相当大的CPU使用率图（点击SVG）

$ go test -bench =。-trace trace.out 
$ go工具跟踪trace.out

 

彩虹追踪：许多小任务（点击打开，仅限Chrome）

跟踪证明使用了所有CPU内核（底线0,1等），这在一开始看起来是件好事。但它显示了数千个小的彩色计算切片，以及一些空闲插槽，其中一些核心处于空闲状态。我们放大：

 

一个3毫秒的窗口（点击打开，仅限Chrome）

每个核心实际上花费大量时间闲置，并在微任务之间保持切换。看起来任务的粒度不是最优的，导致许多上下文切换以及由于同步而导致的争用。

让我们检查一下竞争检测器是否同步是正确的（如果没有，那么我们的问题比性能更大）：

$ go test -race 
PASS

是！！看起来是正确的，没有遇到数据争用情况。测试函数和基准函数是不同的（参见文档），但在这里他们调用相同的函数ParseAdexpMessage，我们可以使用-race。

“好”版本中的并发策略包括在其自己的goroutine中处理每行输入，以利用多个核心。这是一种合法的直觉，因为goroutines的声誉是轻量级和廉价的。我们多少得益于并发性？让我们与单个顺序goroutine中的相同代码进行比较（只需删除行解析函数调用之前的go关键字）

 

 

 

每次执行μs（越小越好）

哎呀，没有任何并行性，它实际上更快。这意味着启动goroutine的（非零）开销超过了同时使用多个核心所节省的时间。

自然的下一步，因为我们现在顺序而不是同时处理行，是为了避免使用结果通道的（非零）开销：让我们用裸片替换它。

 

 

每次执行μs（越小越好）

我们现在从“好”版本获得了大约40％的加速，只是简化了代码，删除了并发（差异）。

 

使用单个goroutine，在任何给定时间只有1个CPU内核正在工作。

现在让我们看一下Pprof图中的热函数调用：

 

发现瓶颈

我们当前版本的基准（顺序，带切片）花费86％的时间实际解析消息，这很好。我们很快注意到，总时间的43％用于将正则表达式与（* Regexp）.FindAll匹配  。

虽然regexp是从原始文本中提取数据的一种方便灵活的方法，但它们存在缺陷，包括内存和运行时的成本。它们很强大，但对于许多用例来说可能有点过分。

在我们的程序中，模式

patternSubfield =“ - 。[^  - ] *”

主要用于识别以短划线“ - ” 开头的“ 命令 ”，并且一行可能有多个命令。通过一些调整，可以使用bytes.Split完成。让我们调整代码（commit，commit）以使用Split替换regexp：

 

每次执行μs（越小越好）

哇，这是40％的额外增益！

CPU图现在看起来像这样：

 

 

 

没有更多正则表达式的巨大成本。从5个不同的功能中分配内存花费了相当多的时间（40％）。有趣的是，总时间的21％现在由字节占.Trim  。

 

这个函数引起了我的兴趣：我们可以做得更好吗？

bytes.Trim期望一个“ cutset string”作为参数（对于要在左侧和右侧删除的字符），但我们仅使用单个空格字节作为cutset。这是一个例子，您可以通过引入一些复杂性来获得性能：实现您自己的自定义“trim”函数来代替标准库函数。在自定义的“微调”的交易，只有一个割集字节。

 

 

 

每次执行μs（越小越好）

是的，另外20％被削减了。当前版本的速度是原始“坏”速度的4倍，而机器只使用1个CPU内核。相当实质！

---

之前我们放弃了在线处理级别的并发性，但是通过并发更新仍然存在改进的空间，并且具有更粗略的粒度。例如，在每个文件在其自己的goroutine中处理时，处理6,000个文件（6,000条消息）在我的工作站上更快：

 

每条消息μs（越小越好，紫色并发）

66％的胜利（即3倍的加速），这是好的但“不是那么多”，因为它利用了我所有的12个CPU内核！这可能意味着使用新的优化代码，处理整个文件仍然是一个“小任务”，goroutine和同步的开销不可忽略不计。

有趣的是，将消息数量从6,000增加到120,000对顺序版本的性能没有影响，并且降低了“每个消息的1个goroutine”版本的性能。这是因为启动大量的goroutine是可能的，有时是有用的，但它确实给go运行时调度程序带来了一些压力。

我们可以通过仅创建少数工作人员来减少执行时间（不是12倍因素，但仍然是这样），例如12个长期运行的goroutine，每个goroutine处理一部分消息：

 

每条消息μs（越小越好，紫色并发）

与顺序版本相比，大批消息的调优并发性删除了79％的执行时间。请注意，只有在确实要处理大量文件时，此策略才有意义。

所有CPU核心的最佳利用包括几个goroutine，每个goroutine处理相当数量的数据，在完成之前没有任何通信和同步。

选择与可用CPU核心数相等的多个进程（goroutine）是一种常见的启发式方法，但并不总是最佳：您的里程可能会根据任务的性质而有所不同。例如，如果您的任务从文件系统读取或发出网络请求，那么性能比CPU核心具有更多的goroutine是完全合理的。

 

每条消息μs（越小越好，紫色并发）

我们已经达到了这样的程度，即通过本地化增强很难提高解析代码的效率。现在，执行时间由小对象（例如Message结构）的分配和垃圾收集主导，这是有道理的，因为已知内存管理操作相对较慢。进一步优化分配策略......留给狡猾的读者练习。

---

使用完全不同的算法也可以带来很大的加速。

在这里，我从这次演讲中汲取灵感

 

Go - Rob Pike中的词汇扫描

构建自定义Lexer（源）和自定义Parser（源）。这是一个概念证明（我没有实现所有的角落情况），它不像原始算法那么直观，并且错误处理可能很难正确实现。但是，它比以前的优化版本节俭快30％。

 

每条消息μs（越小越好，紫色并发）

是的，与初始代码相比，这是一个23倍的加速因子。

---

这就是今天，我希望你喜欢这个旅程。以下是一些免责声明和外卖：

• 可以使用不同的技术在多个抽象级别上提高性能，并且增益是乘法的。
• 首先调整高级抽象：数据结构，算法，适当的解耦。稍后调整低级抽象：I / O，批处理，并发，stdlib使用，内存管理。
• Big-O分析是基础，但通常不是使给定程序运行得更快的相关工具。
• 基准测试很难。使用分析和基准来发现瓶颈并深入了解您的代码。请记住，基准测试结果并不是最终用户在生产中遇到的“真实”延迟，并且将这些数字与盐分相提并论。
• 幸运的是，工具（Bench，Pprof，Trace，Race detector，Cover）使性能探索变得平易近人且令人兴奋。
• 编写好的相关测试并非易事。但它们非常珍贵，可以帮助“保持正常”，即重构，同时保留原始的正确性和语义。
• 花一点时间问问自己“足够快”的速度有多快。不要浪费时间过度优化一次性脚本。考虑到优化伴随着成本：工程时间，复杂性，错误，技术债务。
• 在模糊代码之前要三思而后行。
• Ω（n²）及以上的算法通常很昂贵。
• O（n）或O（n log n）或更低的复杂度通常很好。
• 的隐性因素是不容忽视的！例如，文章中的所有改进都是通过降低这些因素来实现的，而不是通过改变算法的复杂性类来实现的。
• I / O通常是一个瓶颈：网络请求，数据库查询，文件系统。
• 正则表达式往往是比实际需要更昂贵的解决方案。
• 内存分配比计算更昂贵。
• 堆栈中的对象比堆中的对象便宜。
• 切片可用作替代昂贵的重新分配的替代方案。
• 字符串对于只读使用（包括重新设置）是有效的，但对于任何其他操作，[]字节更有效。
• 内存局部性很重要（CPU缓存友好性）。
• 并发和并行是很有用的，但要正确起来很棘手。
• 当挖掘更深层次和更低层次时，有一个“玻璃地板”，你真的不想在其中突破。如果你渴望asm指令，内在函数，SIMD ...也许你应该考虑去做原型，然后切换到低级语言来充分利用硬件和每纳秒！