Go 性能分析之案例一

思考

相信大家在实际的项目开发中会遇到这么一个事，有的程序员写的代码不仅bug少，而且性能高；而有的程序员写的代码能否流畅的跑起来，都是一个很大问题。
而我们今天要讨论的就是一个关于性能优化的案例分析。

案例分析

我们先来构造一些基础数据（长度为10亿的切片，并赋上值）：

var testData = GenerateData()

// generate billion slice data
func GenerateData() []int {
    data := make([]int, )
    for key, _ := range data {
        data[key] = key %
    }

    return data
}

// get length
func GetDataLen() int {
    return len(testData)
}

案例一

// case one
func CaseSumOne(result *int) {
    data := GenerateData()
    for i := ; i < GetDataLen(); i++ {
        *result += data[i]
    }
}
// case two
func CaseSumTwo(result *int) {
    data := GenerateData()
    dataLen := GetDataLen()
    for i := ; i < dataLen; i++ {
        *result += data[i]
    }
}

执行结果

$ go test -bench=.
goos: windows
goarch: amd64
BenchmarkCaseSumOne-                           ns/op
BenchmarkCaseSumTwo-                           ns/op
PASS
ok      _/C_/go-code/perform/case-one   .059s

问题分析

• CaseSumTwo执行效率是CaseSumOne的2.94倍，快了近三倍，这是为什么呢？
• 我想这个其实很容易猜到，这里有一个连续的函数调用“GetDataLen()”,

我们来看下两个函数的汇编，做个简单的对比：

函数CaseSumOne

"".CaseSumOne STEXT size= args=0x4 locals=0xc
        0x0000  (point.go:)      TEXT    "".CaseSumOne(SB), $-
        ...
        // point.go:24 -> for i := 0; i < GetDataLen(); i++
        0x0021  (point.go:)      PCDATA  $, $
        0x0021  (point.go:)      PCDATA  $, $
        0x0021  (point.go:)      MOVL    "".result+(SP), DX
        0x0025  (point.go:)      XORL    BX, BX
        0x0027  (point.go:)      JMP
        0x0029  (point.go:)      MOVL    (CX)(BX*), BP    // CX循环计数器
        0x002c  (point.go:)      ADDL    BP, (DX)
        0x002e  (point.go:)      INCL    BX // i++
        0x002f  (point.go:)      MOVL    "".testData+(SB), BP // 栈指针寄存器
        0x0035  (point.go:)      CMPL    BX, BP
        0x0037  (point.go:)      JGE
        ...
        0x0045  (point.go:)      CALL    runtime.panicindex(SB)
        0x004c  (point.go:)      CALL    runtime.morestack_noctxt(SB)
        ...

函数CaseSumTwo

"".CaseSumTwo STEXT size= args=0x4 locals=0xc
        0x0000  (point.go:)      TEXT    "".CaseSumTwo(SB), $-
        ...
        // point.go:32 -> dataLen := GetDataLen()
        // point.go:33 -> for i := 0; i < dataLen; i++ {
        0x0021  (point.go:)      MOVL    "".testData+(SB), DX
        0x0027  (point.go:)      PCDATA  $, $
        0x0027  (point.go:)      PCDATA  $, $
        0x0027  (point.go:)      MOVL    "".result+(SP), BX
        0x002b  (point.go:)      XORL    BP, BP
        0x002d  (point.go:)      JMP
        0x002f  (point.go:)      MOVL    (AX)(BP*), SI
        0x0032  (point.go:)      ADDL    SI, (BX)
        0x0034  (point.go:)      INCL    BP
        0x0035  (point.go:)      CMPL    BP, DX
        0x0037  (point.go:)      JGE
        ...
        0x0045  (point.go:)      CALL    runtime.panicindex(SB)
        0x004c  (point.go:)      CALL    runtime.morestack_noctxt(SB)
        ...

比较结论

不难发现主要的区别是在CaseSumOne中多了这么一行：

0x002f 00047 (point.go:24) MOVL "".testData+4(SB), BP

其实虽然只有一行，但是对于函数“GetDataLen”里需要调用的指令对CPU的消耗：

"".GetDataLen STEXT size= args=0x4 locals=0x0
        0x0000  (point.go:)      TEXT    "".GetDataLen(SB), $- //
        0x0000  (point.go:)      MOVL    TLS, CX
        0x0007  (point.go:)      MOVL    (CX)(TLS*), CX
        0x000d  (point.go:)      CMPL    SP, (CX)
        0x0010  (point.go:)      JLS
        0x0012  (point.go:)      FUNCDATA        $, gclocals·33cdeccccebe80329f1fdbee7f5874cb(SB)
        0x0012  (point.go:)      FUNCDATA        $, gclocals·33cdeccccebe80329f1fdbee7f5874cb(SB)
        0x0012  (point.go:)      FUNCDATA        $, gclocals·33cdeccccebe80329f1fdbee7f5874cb(SB)
        0x0012  (point.go:)      PCDATA  $, $
        0x0012  (point.go:)      PCDATA  $, $
        0x0012  (point.go:)      MOVL    "".testData+(SB), AX // 寄存器寻址 AX = lenVAL
        0x0018  (point.go:)      MOVL    AX, "".~r0+(SP)    // SP = AX = lenVal
        0x001c  (point.go:)      RET
        0x001d  (point.go:)      NOP
        0x001d  (point.go:)      PCDATA  $, $-
        0x001d  (point.go:)      PCDATA  $, $-
        0x001d  (point.go:)      CALL    runtime.morestack_noctxt(SB)    // 压栈
        ...

虽然，看似小小一行代码的区别，但是在指令级的角度上，进行了创建栈空间、压栈、寻址、赋值等一系列操作，况且这里进行了循环调用。

案例二

// case two
func CaseSumTwo(result *int) {
    data := GenerateData()
    dataLen := GetDataLen()
    for i := ; i < dataLen; i++ {
        *result += data[i]
    }
}
// case three
func CaseSumThree(result *int) {
    data := GenerateData()
    dataLen := GetDataLen()
    tmp := *result
    for i:= ; i < dataLen; i++ {
        tmp += data[i]
    }
    *result = tmp
}

执行结果

$ go test -bench=.
goos: windows
goarch: amd64
BenchmarkCaseSumTwo-                           ns/op
BenchmarkCaseSumThree-                         ns/op
PASS
ok      _/C_/go-code/perform/case-one   8.2773

问题分析

• 虽然对连续函数调用进行了优化，但是CaseSumThree对执行效率还是高于CaseSumTwo1.52倍，还有哪些情况会影响执行性能呢？

我们再来对比下“CaseSumTwo”和“CaseSumThree”对汇编源码：

函数CaseSumTwo

"".CaseSumTwo STEXT size= args=0x4 locals=0xc
        0x0000  (point.go:)      TEXT    "".CaseSumTwo(SB), $-
        ...
        // point.go:31 -> data := GenerateData()
        // point.go:34 -> *result += data[i]
        0x001a  (point.go:)      MOVL    (SP), AX
        0x0027  (point.go:)      MOVL    "".result+(SP), BX
        0x002f  (point.go:)      MOVL    (AX)(BP*), SI // 栈寄存器移动四个字节， -> SI源变址寄存器
        0x0032  (point.go:)      ADDL    SI, (BX)  // SI
        0x0034  (point.go:)      INCL    BP
        0x0035  (point.go:)      CMPL    BP, DX
        0x0037  (point.go:)      JGE
        0x0039  (point.go:)      TESTB   AX, (BX)
        0x003b  (point.go:)      CMPL    BP, CX
        0x003d  (point.go:)      JCS
        0x003f  (point.go:)      JMP
        0x0041  (<unknown line number>)    PCDATA  $, $-
        0x0041  (<unknown line number>)    PCDATA  $, $-
        0x0041  (<unknown line number>)    ADDL    $, SP
        0x0044  (<unknown line number>)    RET
        0x0045  (point.go:)      PCDATA  $, $
        0x0045  (point.go:)      PCDATA  $, $
        0x0045  (point.go:)      CALL    runtime.panicindex(SB)
        0x004a  (point.go:)      UNDEF
        0x004c  (point.go:)      NOP

函数CaseSumThree

"".CaseSumThree STEXT size= args=0x4 locals=0x10
        0x0000  (point.go:)      TEXT    "".CaseSumThree(SB), $-
        ...
        // point.go:40 -> data := GenerateData()
        // point.go:42 -> tmp := *result
        // point.go:44 -> tmp += data[i]
        // point.go:46 -> *result = tmp
        0x001a  (point.go:)      MOVL    (SP), AX
        0x0021  (point.go:)      PCDATA  $, $
        0x0021  (point.go:)      PCDATA  $, $
        0x0021  (point.go:)      MOVL    "".result+(SP), DX
        0x0025  (point.go:)      MOVL    (DX), BX // ->BX数据指针寄存器
        0x0027  (point.go:)      MOVL    "".testData+(SB), BP
        0x002d  (point.go:)      XORL    SI, SI
        0x002f  (point.go:)      JMP
        0x0031  (point.go:)      LEAL    (SI), DI
        0x0034  (point.go:)      MOVL    DI, "".i+(SP) // 移动DI到栈指针12字节的位置
        0x0038  (point.go:)      MOVL    (AX)(SI*), DI // 源变址寄存器移动四个字节（32位），-> 目的变址寄存器
        0x003b  (point.go:)      ADDL    DI, BX // DI+BX
        0x003d  (point.go:)      MOVL    "".i+(SP), DI
        0x0041  (point.go:)      MOVL    DI, SI
        0x0043  (point.go:)      CMPL    SI, BP
        0x0045  (point.go:)      JGE
        0x0047  (point.go:)      CMPL    SI, CX
        0x0049  (point.go:)      JCS
        0x004b  (point.go:)      JMP
        0x004d  (point.go:)      PCDATA  $, $
        0x004d  (point.go:)      MOVL    BX, (DX)
        0x004f  (point.go:)      ADDL    $, SP
        0x0052  (point.go:)      RET
        0x0053  (point.go:)      CALL    runtime.panicindex(SB)
        ...

比较结论

CaseSumTwo函数，在进行ADDL之前，因为“*result”为指针变量，所以不能直接与data[i]运算。因此需要创建一个栈空间，并指向data的地址并，然后通过移动栈指针后得到下一个值的地址，并赋与SI。
CaseSumThree函数，在进行ADDL执行前，创建了一个值变量，那么在执行ADDL的时候，只需要移动SI获取下一个data的值就可以直接进行算数运算，中间少了地址的引用的栈的操作。

堆和栈

其实说白了，就是CaseSumTwo中 *result内存是分配在堆上的，而 CaseSumThree中 tmp是分配在栈上的，而堆和栈堆性能区别这里做一个简单堆比较：

1. 有寄存器直接对栈进行访问（esp，ebp），而对堆访问，只能是间接寻址。 也就是说，可以直接从地址取数据放至目标地址；使用堆时，第一步将分配的地址放到寄存器，然后取出这个地址的值，然后放到目标地址。

2. 栈中数据cpu命中率更高，满足局部性原理。

3. 栈是编译时系统自动分配空间，而堆是动态分配（运行时分配空间），所以栈的速度快。

4. 栈是先进后出的队列结构，比堆结构相对简单，分配速度大于堆。

总结

本章主要讲了三个点：

1. 消除循环的低效率
2. 减少过程调用
3. 消除不必要的内存引用

引用《深入计算机系统原理》一书中对性能优化所提到的三个方面：

1. 高级设计，为遇到的问题选择适当的算法和数据结构。要特别警觉，避免使用那些会渐进地产生糟糕性能的算法或编码技术。
2. 基本编码原则，从指令的角度考虑，开发中应如何编码，才能减少执行的指令。
3. 低级优化，针对现代处理器，如何让cpu的流水线尽量饱合。

所以，一个优秀的程序员在写每一行代码，定义每一个变量，也许背后思考的就会更多。

原文地址

https://github.com/WilburXu/blog/blob/master/Golang/Go%20%E6%80%A7%E8%83%BD%E5%88%86%E6%9E%90%E4%B9%8B%E6%A1%88%E4%BE%8B%E4%B8%80.md