常見效能最佳化方案與實用工具 雙 buffer

微信工程師：常見效能最佳化方案與實用工具 https://mp.weixin.qq.com/s/glrqsyBSIVCDp7oZw2rO_w

👉目錄

1 使用 Class 代替 ProtoBuf 協議

2 使用 Cache Friendly 的資料結構

3 使用 jemalloc/tcmalloc 代替普通的 malloc 方式

4 使用無鎖資料結構

5 對於特定的場景採用特定的處理方式

6 善用效能測試工具

7 總結

使用 Class 代替 ProtoBuf 協議
在大量呼叫的 API 程式碼中儘量不要用 ProtoBuf 協議，最好使用 C++的 Class 來代替。因為 ProtoBuf 採用的是 Arena 記憶體分配器策略，有些場景會比 C++的 Class 記憶體管理複雜，當有大量記憶體分配和釋放的時候會比 Class 的效能差很多。而且 Protobuf 會不斷分配和回收小記憶體物件，持續地分配和刪除小記憶體物件導致產生記憶體碎片，降低程式的記憶體使用率，尤其是當協議中包含 string 型別的時候，效能差距可能有幾倍。對於包含了很多小物件的 Protobuf message，析構過程會導致堆上分配了許多物件，從而會變得複雜，導致解構函式執行速度變慢。

下面給出一個實際開發中使用 Class 代替 Protobuf 的例子：

ProtoBuf 協議：

message Param {
    optional string name = 1;
    optional string value = 2;
}
message ParamHit {
    enum Type {
        Unknown = 0;
        WhiteList = 1;
        LaunchLayer = 2;
        BaseAB = 3;
        DefaultParam = 4;
    }

    optional Param param = 1;
    optional uint64 group_id = 2;
    optional uint64 expt_id = 3;
    optional uint64 launch_layer_id = 4;
    optional string hash_key_used = 5;
    optional string hash_key_val_used = 6;
    optional Type type = 7;
    optional bool is_hit_mbox = 8;
}

改寫的 Class ：

class ParamHitInfo {
public:
class Param {
public:
    Param() = default;
    ~Param() = default;
    
    const std::string & name() const {
        return name_;
    }
    void set_name(const std::string &name) {
        name_ = name;
    }
    void clear_name() {
        name_.clear();
    }
    const std::string & value() const {
        return value_;
    }
    void set_value(const std::string &value) {
        value_ = value;
    }
    void clear_value() {
        value_.clear();
    }
    void Clear() {
        clear_name();
        clear_value();
    }
private:
    std::string name_, value_;
};
    ParamHitInfo() {
        expt_id_ = group_id_ = launch_layer_id_ = 0u;
        is_hit_mbox_ = false;
        type_ = ParamHit::Unknown;
    }
    ~ParamHitInfo() = default;

    void Clear() {
        clear_group_id();
        clear_expt_id();
        clear_launch_layer_id();
        clear_is_hit_mbox();
        clear_hash_key_used();
        clear_hash_key_val_used();
        clear_type();
        param_.Clear();
    }

    const ParamHit ToProtobuf() const {
        ParamHit ans;
        ans.set_expt_id(expt_id_);
        ans.set_group_id(group_id_);
        ans.set_launch_layer_id(launch_layer_id_);
        ans.set_is_hit_mbox(is_hit_mbox_);
        ans.set_hash_key_used(hash_key_used_);
        ans.set_hash_key_val_used(hash_key_val_used_);
        ans.set_type(type_);
        ans.mutable_param()->set_name(param_.name());
        ans.mutable_param()->set_value(param_.value());
        return ans;
    }
    uint64_t group_id() const {
        return group_id_;
    }
    void set_group_id(const uint64_t group_id) {
        group_id_ = group_id;
    }
    void clear_group_id() {
        group_id_ = 0u;
    }
    uint64_t expt_id() const {
        return expt_id_;
    }
    void set_expt_id(const uint64_t expt_id) {
        expt_id_ = expt_id;
    }
    void clear_expt_id() {
        expt_id_ = 0u;
    }

    uint64_t launch_layer_id() const {
        return launch_layer_id_;
    }
    void set_launch_layer_id(const uint64_t launch_layer_id) {
        launch_layer_id_ = launch_layer_id;
    }
    void clear_launch_layer_id() {
        launch_layer_id_ = 0u;
    }

    bool is_hit_mbox() const {
        return is_hit_mbox_;
    }
    void set_is_hit_mbox(const bool is_hit_mbox) {
        is_hit_mbox_ = is_hit_mbox;
    }
    void clear_is_hit_mbox() {
        is_hit_mbox_ = false;
    }

    const std::string & hash_key_used() const {
        return hash_key_used_;
    }
    void set_hash_key_used(const std::string &hash_key_used) {
        hash_key_used_ = hash_key_used;
    }
    void clear_hash_key_used() {
        hash_key_used_.clear();
    }

    const std::string & hash_key_val_used() const {
        return hash_key_val_used_;
    }
    void set_hash_key_val_used(const std::string &hash_key_val_used) {
        hash_key_val_used_ = hash_key_val_used;
    }
    void clear_hash_key_val_used() {
        hash_key_val_used_.clear();
    }

    ParamHit_Type type() const {
        return type_;
    }
    void set_type(const ParamHit_Type type) {
        type_ = type;
    }
    void clear_type() {
        type_ = ParamHit::Unknown;
    }

    const Param & param() const {
        return param_;
    }
    Param * mutable_param() {
        return &param_;
    }
    std::string ShortDebugString() const {
        std::string ans = "type: " + std::to_string(type_);
        ans.append(", group_id: ").append(std::to_string(group_id_));
        ans.append(", expt_id: ").append(std::to_string(expt_id_));
        ans.append(", launch_layer_id: ").append(std::to_string(launch_layer_id_));
        ans.append(", hash_key_used: ").append(hash_key_used_);
        ans.append(", hash_key_val_used: ").append(hash_key_val_used_);
        ans.append(", param_name: ").append(param_.name());
        ans.append(", param_val: ").append(param_.value());
        ans.append(", is_hit_mbox: ").append(std::to_string(is_hit_mbox_));
        return ans;
    }
    int ByteSize() {
        int ans = 0;
        ans += sizeof(uint64_t) * 3 + sizeof(bool) + sizeof(ParamHit_Type);
        ans += hash_key_used_.size() + hash_key_val_used_.size() + param_.name().size() + param_.value().size();
        return ans;
    }
private:
    ParamHit_Type type_;
    uint64_t group_id_, expt_id_, launch_layer_id_;
    std::string hash_key_used_, hash_key_val_used_;
    bool is_hit_mbox_;
    Param param_;
};

效能測試程式碼：

TEST(ParamHitDestructorPerf, test) {
    vector<ParamHit> hits;
    vector<ParamHitInfo> hit_infos;
    const int hit_cnts = 1000;
    vector<pair<string, string>> params;
    for (int i=0; i<hit_cnts; ++i) {
        string name = "name: " + to_string(i);
        string val;
        int n = 200;
        val.resize(n);
        for (int i=0; i<n; ++i) val[i] = (i%10 + 'a');
        params.push_back(make_pair(name, val));
    }
    int uin_start = 12345645;
    for (int i=0; i<hit_cnts; ++i) {
        ParamHit hit;
        hit.set_expt_id(i + uin_start);
        hit.set_group_id(i + 1 + uin_start);
        hit.set_type(ParamHit::BaseAB);
        hit.set_is_hit_mbox(false);
        hit.set_hash_key_used("uin_bytes");
        hit.set_hash_key_val_used(BusinessUtil::UInt64ToLittleEndianBytes(i));
        auto p = hit.mutable_param();
        p->set_name(params[i].first);
        p->set_value(params[i].second);
        hits.emplace_back(std::move(hit));
    }
    for (int i=0; i<hit_cnts; ++i) {
        ParamHitInfo hit;
        hit.set_expt_id(i + uin_start);
        hit.set_group_id(i + 1 + uin_start);
        hit.set_type(ParamHit::BaseAB);
        hit.set_is_hit_mbox(false);
        hit.set_hash_key_used("uin_bytes");
        hit.set_hash_key_val_used(BusinessUtil::UInt64ToLittleEndianBytes(i));
        auto p = hit.mutable_param();
        p->set_name(params[i].first);
        p->set_value(params[i].second);
        hit_infos.emplace_back(std::move(hit));
    }
    int kRuns = 1000;
    chrono::high_resolution_clock::time_point t1 = chrono::high_resolution_clock::now();
    {
        for (int i=0; i<kRuns; ++i) {
            for (auto &&hit: hits) {
                auto tmp = hit;
            }
        }
    }
    chrono::high_resolution_clock::time_point t2 = chrono::high_resolution_clock::now();
    auto time_span = chrono::duration_cast<chrono::milliseconds>(t2 - t1);
    std::cerr << "ParamHit_PB Destructor kRuns: " << kRuns << " hit_cnts: " << hit_cnts << " cost: " << time_span.count() << "ms\n";
    
    t1 = chrono::high_resolution_clock::now();
    {
        for (int i=0; i<kRuns; ++i) {
            for (auto &&hit: hit_infos) {
                auto tmp = hit;
            }
        }
    }
    t2 = chrono::high_resolution_clock::now();
    time_span = chrono::duration_cast<chrono::milliseconds>(t2 - t1);
    std::cerr << "ParamHitInfo_Class Destructor kRuns: " << kRuns << " hit_cnts: " << hit_cnts << " cost: " << time_span.count() << "ms\n";
}

效能對比結果：

可以看到使用 C++的 Class 相比於 ProtoBuf 可以提升3倍的效能。

使用 Cache Friendly 的資料結構

這裡想先丟擲一個問題：使用雜湊表的查詢一定比使用陣列的查詢快嗎？

Q：理論上來說雜湊表的查詢複雜度是 O(1)，陣列的查詢複雜度是 O(n)，那麼是不是可以得到一個結論就是說雜湊表的查詢速度一定比陣列快呢？

A：其實是不一定的，由於陣列具有較高的快取區域性性，可提高 CPU 快取的命中率，所以在有些場景下陣列的查詢效率要遠遠高於雜湊表。

這裡給出一個常見操作耗時的資料（2020年）：

下面也給出一個專案中的使用 Cache Friendly 最佳化的例子：

最佳化前的資料結構：

class HitContext {
public:
    inline void update_hash_key(const std::string &key, const std::string &val) {
        hash_keys_[key] = val;
    }

    inline const std::string * search_hash_key(const std::string &key) const {
        auto it = hash_keys_.find(key);
        return it != hash_keys_.end() ? &(it->second) : nullptr;
    }

private:
    Context context_;
    std::unordered_map<std::string, std::string> hash_keys_;
};

最佳化後的資料結構：

class HitContext {
public:
    inline void update_hash_key(const std::string &key, const std::string &val) {
        if (Misc::IsSnsHashKey(key)) {
            auto sns_id = Misc::FastAtoi(key.c_str()+Misc::SnsHashKeyPrefix().size());
            sns_hash_keys_.emplace_back(sns_id, Misc::LittleEndianBytesToUInt32(val));
            return;
        }
        hash_keys_[key] = val;
    }

    inline void update_hash_key(const std::string &key, const uint32_t val) {
        if (Misc::IsSnsHashKey(key)) {
            auto sns_id = Misc::FastAtoi(key.c_str()+Misc::SnsHashKeyPrefix().size());
            sns_hash_keys_.emplace_back(sns_id, val);
            return;
        }
        hash_keys_[key] = Misc::UInt32ToLittleEndianBytes(val);
    }

    inline const std::string search_hash_key(const std::string &key, bool &find) const {
        if (Misc::IsSnsHashKey(key)) {
            auto sns_id = Misc::FastAtoi(key.c_str()+Misc::SnsHashKeyPrefix().size());
            auto it = std::find_if(sns_hash_keys_.rbegin(), sns_hash_keys_.rend(), [sns_id](const std::pair<uint32_t, uint32_t> &v) { return v.first == sns_id; });
            find = it != sns_hash_keys_.rend();
            return find ? Misc::UInt32ToLittleEndianBytes(it->second) : "";
        }
        auto it = hash_keys_.find(key);
        find = it != hash_keys_.end();
        return find ? it->second : "";
    }

private:
    Context context_;
    std::unordered_map<std::string, std::string> hash_keys_;
    std::vector<std::pair<uint32_t, uint32_t>> sns_hash_keys_;
};

效能測試程式碼：

TEST(HitContext, test) {
    const int keycnt = 264;
    std::vector<std::string> keys, vals;
    for (int j = 0; j < keycnt; ++j) {
        auto key = j+21324;
        auto val = j+94512454;
        keys.push_back("sns"+std::to_string(key));
        vals.push_back(std::to_string(val));
    }
    const int kRuns = 1000;
    std::unordered_map<uint32_t, uint64_t> hash_keys;
    chrono::high_resolution_clock::time_point t1 = chrono::high_resolution_clock::now();
    for (int i = 0; i < kRuns; ++i) {
        HitContext1 ctx;
        for (int j = 0; j < keycnt; ++j) {
           ctx.update_hash_key(keys[j], vals[j]);
        }
        for (int j=0; j<keycnt; ++j) {
            auto val = ctx.search_hash_key(keys[j]);
            if (!val) assert(0);
        }
    }
    chrono::high_resolution_clock::time_point t2 = chrono::high_resolution_clock::now();
    auto time_span = chrono::duration_cast<chrono::microseconds>(t2 - t1);
    std::cerr << "HashTable Hitcontext cost: " << time_span.count() << "us" << std::endl;
    hash_keys.clear();
    t1 = chrono::high_resolution_clock::now();
    for (int i = 0; i < kRuns; ++i) {
        HitContext2 ctx;
        for (int j = 0; j < keycnt; ++j) {
           ctx.update_hash_key(keys[j], vals[j]);
        }
        for (int j=0; j<keycnt; ++j) {
            bool find = false;
            auto val = ctx.search_hash_key(keys[j], find);
            if (!find) assert(0);
        }
    }
    t2 = chrono::high_resolution_clock::now();
    time_span = chrono::duration_cast<chrono::microseconds>(t2 - t1);
    std::cerr << "Vector HitContext cost: " << time_span.count() << "us" << std::endl;
}

效能對比結果：

使用 jemalloc/tcmalloc 代替普通的 malloc 方式

由於程式碼中大量使用了 C++的 STL，所以會出現以下幾種缺點：

記憶體碎片：頻繁分配和釋放不同大小的物件，可能導致記憶體碎片，降低記憶體的使用效率。Cache 不友好：而且 STL 的普通記憶體分配器分散了物件的記憶體地址，降低了資料的快取命中率。併發差：STL 的預設記憶體分配器可能使用全域性鎖，相當於給加了一把大鎖，在多執行緒環境下效能表現很差。

目前在我們的程式碼中加 jemalloc 還是很方便的，就是在所編譯的 target 中加下依賴就好了，比如：

cc_library(
name = "mmexpt_dye_api",
srcs = [
"mmexpt_dye_api.cc",
],
hdrs = [
"mmexpt_dye_api.h",
],
includes = ['.'],
deps = [
"//mm3rd/jemalloc:jemalloc",
],
copts = [
"-O3",
"-std=c++11",
],
linkopts = [
],
visibility = ["//visibility:public"],
)

使用 jemalloc 與不使用 jemalloc 前後效能對比（這裡的測試場景是在 loadbusiness 的時候，具體涉及到了一些業務程式碼）

可以發現使用 jemalloc 可以提升20%多的效能，還是最佳化了很大的，很小的開發成本（只需要加一個編譯依賴）帶來不錯的收益。

使用無鎖資料結構

在過去專案開發的時候使用過一種雙 buffer 的無鎖資料結構，之所以使用雙 buffer 是因為 API 有大約 26億/s 的呼叫量，這麼高的呼叫量對效能的要求是很高的。資料結構的定義：

struct expt_api_new_shm {
  void *p_shm_data;
  // header
  volatile int *p_mem_switch; // 0:uninit. 1:mem 1 on server. 2:mem 2 on server
  uint32_t *p_crc_sum;
  // data
  expt_new_context* p_new_context;
  parameter2business* p_param2business;
  char* p_business_cache;
  HashTableWithCache hash_table; //多級雜湊表
};

常用的幾個函式：

int InitExptNewShmData(expt_api_new_shm *pstShmData, void *pData) {
  int ptr_offset = EXPT_NEW_SHM_HEADER_SIZE;
  pstShmData->p_shm_data = pData;
  pstShmData->p_mem_switch = MAKE_PTR(volatile int *, pData, 0);
  pstShmData->p_crc_sum = MAKE_PTR(uint32_t *, pData, 4);
  pstShmData->p_new_context =
      (expt_new_context *)((uint8_t *)pstShmData->p_shm_data + ptr_offset);
  pstShmData->p_param2business =
      (parameter2business *)((uint8_t *)pstShmData->p_shm_data + ptr_offset +
                             EXPT_NEW_SHM_OFFSET_0);
  pstShmData->p_business_cache =
      (char *)((uint8_t *)pstShmData->p_shm_data + ptr_offset +
                            EXPT_NEW_SHM_OFFSET_1);
  
  size_t node_size = sizeof(APICacheItem), row_cnt = sizeof(auModsInCache)/sizeof(size_t);
  size_t hash_tbl_size = CalHashTableWithCacheSize(node_size, row_cnt, auModsInCache);
  pstShmData->hash_table.pTable = (void *)((uint8_t *)pstShmData->p_shm_data + EXPT_NEW_SHM_SIZE - hash_tbl_size);
  int ret = HashTableWithCacheInit(&pstShmData->hash_table, hash_tbl_size, node_size, row_cnt, auModsInCache);
  return ret;
}
int ResetExptNewShmData(expt_api_new_shm *pstShmData) {
  int iOffset = 0;

  if (*pstShmData->p_mem_switch <= 1) {
    iOffset = 0;
  } else if (*pstShmData->p_mem_switch > 1) {
    iOffset = EXPT_NEW_SHM_DATA_SIZE;
  }

  void *ptrData = MAKE_PTR(void *, pstShmData->p_shm_data,
                           EXPT_NEW_SHM_HEADER_SIZE + iOffset);
  memset(ptrData, 0, EXPT_NEW_SHM_DATA_SIZE);
  return 0;
}
int ResetExptNewShmHeader(expt_api_new_shm *pstShmData) {
  memset(pstShmData->p_shm_data, 0, EXPT_NEW_SHM_HEADER_SIZE);
  return 0;
}
void SwitchNewShmMemToWrite(expt_api_new_shm *pstShmData) {
  int iSwitchOffset =
      EXPT_NEW_SHM_DATA_SIZE * ((*pstShmData->p_mem_switch <= 1 ? 0 : 1));
  int ptr_offset = EXPT_NEW_SHM_HEADER_SIZE + iSwitchOffset;

  pstShmData->p_new_context =
      (expt_new_context *)((uint8_t *)pstShmData->p_shm_data + ptr_offset);
  pstShmData->p_param2business =
      (parameter2business *)((uint8_t *)pstShmData->p_shm_data + ptr_offset +
                             EXPT_NEW_SHM_OFFSET_0);
  pstShmData->p_business_cache =
      (char *)((uint8_t *)pstShmData->p_shm_data + ptr_offset +
                            EXPT_NEW_SHM_OFFSET_1);
}
void SwitchNewShmMemToWriteDone(expt_api_new_shm *pstShmData) {
  if (*pstShmData->p_mem_switch <= 1)
    *pstShmData->p_mem_switch = 2;
  else
    *pstShmData->p_mem_switch = 1;
}
void SwitchNewShmMemToRead(expt_api_new_shm *pstShmData) {
  int iSwitchOffset =
      EXPT_NEW_SHM_DATA_SIZE * ((*pstShmData->p_mem_switch <= 1 ? 1 : 0));
  int ptr_offset = EXPT_NEW_SHM_HEADER_SIZE + iSwitchOffset;
  pstShmData->p_new_context =
      (expt_new_context *)((uint8_t *)pstShmData->p_shm_data + ptr_offset);
  pstShmData->p_param2business =
      (parameter2business *)((uint8_t *)pstShmData->p_shm_data + ptr_offset +
                             EXPT_NEW_SHM_OFFSET_0);
  pstShmData->p_business_cache =
      (char *)((uint8_t *)pstShmData->p_shm_data + ptr_offset +
                            EXPT_NEW_SHM_OFFSET_1);
}

雙 buffer 的工作原理就是：設定兩個 buffer，一個用於讀，另一個用於寫。

• 初始化這兩個 buffer 為空，呼叫 InitExptNewShmData 函式。

• 對於寫操作，先準備資料，即呼叫 SwitchNewShmMemToWrite 函式，等資料準備完(即寫完相應的資料)，然後呼叫 SwitchNewShmMemToWriteDone 函式，完成指標的切換。

• 對於讀操作，執行緒從讀 buffer 讀取資料，呼叫 SwitchNewShmMemToRead 函式。

我們平臺的場景主要是讀，而且由於拉取實驗配置採用的都是增量的拉取方式，所以配置的改變也不是很頻繁，也就很少有寫操作的出現。採用雙 buffer 無鎖資料結構的優勢在於可以提高併發效能，由於讀寫操作在不同的 buffer 上同時進行，所以不需要額外加鎖，減少了資料競爭和鎖衝突的可能性。當然這種資料結構也有相應的缺點，就是會多用了一倍的記憶體，用空間換時間。

對於特定的場景採用特定的處理方式

這其實也很容易理解，有很多場景是需要定製化最佳化的，所以不能從主體程式碼的層面去最佳化了，那換個思路，是不是可以從返回的資料格式進行最佳化呢？舉個我們過去遇到的一個例子：我們平臺有一個染色場景，就是需要對當天登入的所有微信使用者計算命中情況，舊的資料格式其實返回了一堆本身染色場景不需要的欄位，所以這裡其實是可以最佳化的。

最佳化前的資料格式：

struct expt_param_item {
    int experiment_id;
    int expt_group_id;
    int layer_id;
    int domain_id;
    uint32_t seq;
    uint32_t start_time;
    uint32_t end_time;
    uint8_t  expt_type;
    uint16_t  expt_client_expand;
    int parameter_id;
    uint8_t value[MAX_PARAMETER_VLEN];
    char param_name[MAX_PARAMETER_NLEN];
    int value_len;
    uint8_t is_pkg = 0;
    uint8_t is_white_list = 0;
    uint8_t is_launch = 0;
    uint64_t bucket_src = 0;
    uint8_t is_control = 0;
};

其實染色場景下不需要引數的資訊，只保留實驗 ID、組 ID 以及分桶的資訊就好了。最佳化後的資料格式：

struct DyeHitInfo {
    int expt_id, group_id;
    uint64_t bucket_src;
    DyeHitInfo(){}
  DyeHitInfo(int expt_id_, int group_id_, uint64_t bucket_src_) :expt_id(expt_id_), group_id(group_id_), bucket_src(bucket_src_){}
    bool operator <(const DyeHitInfo &hit) const {
        if (expt_id == hit.expt_id) {
            if (group_id == hit.group_id) return bucket_src < hit.bucket_src;
            return group_id < hit.group_id;
        }
    return expt_id < hit.expt_id;
  }
    bool operator==(const DyeHitInfo &hit) {
        return hit.expt_id == expt_id && hit.group_id == group_id && hit.bucket_src == bucket_src;
    }
    std::string ToString() const {
        char buf[1024];
        sprintf(buf, "expt_id: %u, group_id: %u, bucket_src: %lu", expt_id, group_id, bucket_src);
        return std::string(buf);
    }
};

最佳化前後效能對比：

所以其實針對某些特殊場景做一些定製化的開發成本也沒有很高，但是帶來的收益卻是巨大的。

善用效能測試工具

這裡列舉一些常見的效能測試工具：linux 提供的 perf、GNU 編譯器提供的 gprof、Valgrind、strace 等等。

這裡推薦幾個覺得好用的工具：

perf（linux 自帶效能測試工具）

https://godbolt.org/（可以檢視程式碼對應的彙編程式碼）

微信運維提供的效能測試工具：

https://github.com/brendangregg/FlameGraph （生成火焰圖的工具）

其實還有一些效能最佳化的地方，比如使用合適的資料結構和演算法，減少大物件的複製，減少無效的計算，IO 與計算分離，分支預測等等，後續如果有時間的話可以再更新一篇新的文章。效能最佳化不是一錘子買賣，所以需要一直監控，一直最佳化。需要注意的一點是不要過度最佳化，在提升程式效能的時候不要丟掉程式碼的可維護性，而且還要評估下效能提升帶來的收益是否與花費的時間成正比。總之，效能最佳化，長路漫漫。如果覺得本篇文章的內容對你有幫助，歡迎轉發分享。

翻譯

搜尋

複製