SuperAPI AI 工具集

golang-performance

编程与开发

查看项目

更新于 10-16 08:44

技能介绍

用途:面向 Go 性能工程,按「若瓶颈为 X,则应用 Y」的模式定位并解决性能问题,覆盖内存分配削减、CPU 效率、内存布局、GC、I/O 与并发、算法复杂度与缓存等方向。

核心原则:优化前必须先 profiling,直觉判断瓶颈约 80% 情况下是错的;分配削减通常回报最高;优化需加注释说明原因并附基准数据。若瓶颈在进程外(如慢查询、慢 API),应先优化该外部组件而非 Go 代码。

工作模式:Review(架构)扫描包或服务级结构性反模式,可并行拆分三个关注点(分配与内存布局、I/O 与并发、算法复杂度与缓存);Review(热点路径)针对单个函数或紧凑循环顺序执行;Optimize 模式在已定位瓶颈后按迭代循环推进。

迭代方法:定义指标 → 编写原子基准 → 测基线(go test -bench=BenchmarkMyFunc -benchmem -count=6 ./pkg/... | tee /tmp/report-1.txt)→ 诊断 → 每次只改一处并加注释 → 用 benchstat /tmp/report-1.txt /tmp/report-2.txt 比较显著性 → 提交并附 benchstat 输出,提交类型形如 perf(scope): summary。

决策依据:堆 profile 中 alloc_objects 偏高指向内存优化;CPU profile 中单函数占主导指向 CPU 优化;GC 占比高或容器内存受限指向运行时调优;goroutine 阻塞在 I/O 指向网络与 I/O;重复昂贵计算指向缓存;O(n²) 指向算法。

常见误区与对应做法:未 profiling 就优化;默认 http.Client 的 MaxIdleConnsPerHost 仅 2,应按并发度调整;热点循环内记录日志应改用 slog.LogAttrs;以 panic/recover 作控制流;未经基准证明使用 unsafe;容器内未设 GOMEMLIMIT(建议为容器内存的 80–90%);生产环境用 reflect.DeepEqual 而非 slices.Equal、maps.Equal、bytes.Equal。

依赖:benchstat,安装命令 go install golang.org/x/perf/cmd/benchstat@latest。

限制:仅依据所给资料整理,具体实现细节、价格与平台支持暂未提供;多数深入议题仅列出方向与交叉引用,未在本文展开。