Go中的垃圾收集和指针的正确用法

时间：2018-08-22 04:14:20

标签： string dictionary go slice memory-optimization

我来自Python / Ruby / JavaScript背景。我了解指针的工作原理，但是，我不确定在以下情况下如何利用它们。

假设我们有一个虚构的Web API，该API搜索一些图像数据库并返回一个JSON，该JSON描述在找到的每个图像中显示的内容：

[
    {
        "url": "https://c8.staticflickr.com/4/3707/11603200203_87810ddb43_o.jpg",
        "description": "Ocean islands",
        "tags": [
            {"name":"ocean", "rank":1},
            {"name":"water", "rank":2},
            {"name":"blue", "rank":3},
            {"name":"forest", "rank":4}
        ]
    },

    ...

    {
        "url": "https://c3.staticflickr.com/1/48/164626048_edeca27ed7_o.jpg",
        "description": "Bridge over river",
        "tags": [
            {"name":"bridge", "rank":1},
            {"name":"river", "rank":2},
            {"name":"water", "rank":3},
            {"name":"forest", "rank":4}
        ]
    }
]

我的目标是在Go中创建一个数据结构，该结构将每个标签映射到如下所示的图像URL列表：

{
    "ocean": [
        "https://c8.staticflickr.com/4/3707/11603200203_87810ddb43_o.jpg"
    ],
    "water": [
        "https://c8.staticflickr.com/4/3707/11603200203_87810ddb43_o.jpg",
        "https://c3.staticflickr.com/1/48/164626048_edeca27ed7_o.jpg"
    ],
    "blue": [
        "https://c8.staticflickr.com/4/3707/11603200203_87810ddb43_o.jpg"
    ],
    "forest":[
        "https://c8.staticflickr.com/4/3707/11603200203_87810ddb43_o.jpg", 
        "https://c3.staticflickr.com/1/48/164626048_edeca27ed7_o.jpg"
    ],
    "bridge": [
        "https://c3.staticflickr.com/1/48/164626048_edeca27ed7_o.jpg"
    ],
    "river":[
        "https://c3.staticflickr.com/1/48/164626048_edeca27ed7_o.jpg"
    ]
}

如您所见，每个图像URL可以同时属于多个标签。如果我有成千上万个图像和更多标签，那么如果按每个标签的值复制图像URL字符串，则此数据结构会变得非常大。这是我要利用指针的地方。

我可以用Go中的两种结构表示JSON API响应，func searchImages()模仿了伪造的API：

package main

import "fmt"


type Image struct {
    URL string
    Description string
    Tags []*Tag
}

type Tag struct {
    Name string
    Rank int
}

// this function mimics json.NewDecoder(resp.Body).Decode(&parsedJSON)
func searchImages() []*Image {
    parsedJSON := []*Image{
        &Image {
            URL: "https://c8.staticflickr.com/4/3707/11603200203_87810ddb43_o.jpg",
            Description: "Ocean islands",
            Tags: []*Tag{
                &Tag{"ocean", 1},
                &Tag{"water", 2},
                &Tag{"blue", 3},
                &Tag{"forest", 4},
            }, 
        },
        &Image {
            URL: "https://c3.staticflickr.com/1/48/164626048_edeca27ed7_o.jpg",
            Description: "Bridge over river",
            Tags: []*Tag{
                &Tag{"bridge", 1},
                &Tag{"river", 2},
                &Tag{"water", 3},
                &Tag{"forest", 4},
            }, 
        },
    }
    return parsedJSON
}

现在，导致内存数据结构非常大的次优映射函数看起来像这样：

func main() {
    result := searchImages()

    tagToUrlMap := make(map[string][]string)

    for _, image := range result {
        for _, tag := range image.Tags {
            // fmt.Println(image.URL, tag.Name)
            tagToUrlMap[tag.Name] = append(tagToUrlMap[tag.Name], image.URL)
        }
    }

    fmt.Println(tagToUrlMap)
}

我可以修改它以使用指向Image结构URL字段的指针，而不是按值复制它：

    // Version 1

    tagToUrlMap := make(map[string][]*string)

    for _, image := range result {
        for _, tag := range image.Tags {
            // fmt.Println(image.URL, tag.Name)
            tagToUrlMap[tag.Name] = append(tagToUrlMap[tag.Name], &image.URL)
        }
    }

它起作用了，我的第一个问题是，以这种方式构建映射后，result数据结构会怎样？ Image URL字符串字段会以某种方式保留在内存中，而其余的result是否会被垃圾回收？还是result数据结构会保留在内存中直到程序结束，因为某些内容指向其成员？

执行此操作的另一种方法是将URL复制到中间变量，然后使用指向它的指针：

    // Version 2

    tagToUrlMap := make(map[string][]*string)

    for _, image := range result {
        imageUrl = image.URL
        for _, tag := range image.Tags {
            // fmt.Println(image.URL, tag.Name)    
            tagToUrlMap[tag.Name] = append(tagToUrlMap[tag.Name], &imageUrl)
        }
    }

这更好吗？ result数据结构会被正确地垃圾回收吗？

或者也许我应该改用Image结构中的字符串指针？

type Image struct {
    URL *string
    Description string
    Tags []*Tag
}

有更好的方法吗？我还要感谢Go上的任何资源，这些资源深入描述了指针的各种用法。谢谢！

https://play.golang.org/p/VcKWUYLIpH7

更新：我担心最佳的内存消耗，并且最多不会生成不需要的垃圾。我的目标是使用尽可能少的内存。

2 个答案:

答案 0 :(得分：4)

  

会正确收集垃圾吗？

是的

您永远不必担心会收集仍在使用的东西，一旦不再使用，您就可以依靠所收集的一切。

因此，关于GC的问题永远不会是“将其正确收集吗？”但是“我会产生不必要的垃圾吗？”。现在，这个实际问题不再取决于数据结构，而是取决于所创建的neu对象的数量（在堆上）。因此，这是一个有关如何使用数据结构的问题，而关于结构本身的问题则少得多。使用基准测试并使用-benchmem运行go测试。

（高端性能可能还会考虑GC必须完成的工作：扫描指针可能会花费一些时间。现在就算了。）

另一个相关的问题是关于记忆消耗。复制字符串仅复制三个单词，而复制* string则复制一个单词。因此，使用* string在这里没有什么安全的地方。

因此，不幸的是，相关问题（产生的垃圾量和总内存消耗）没有明确的答案。不要过分思考问题，请使用适合您目的的度量，度量和重构。

答案 1 :(得分：3)

首先了解一些背景。 Go中的string值由类似结构的小型数据结构reflect.StringHeader表示：

type StringHeader struct {
        Data uintptr
        Len  int
}

因此，基本上传递/复制string值会传递/复制此较小的struct值，无论string的长度如何，该值仅为2个字。在64位体系结构上，即使string具有一千个字符，也只有16个字节。

因此，基本上string值已经用作指针。引入另一个指针，例如*string只会使用法复杂化，并且您实际上不会获得任何明显的内存。为了进行内存优化，请忘记使用*string。

  

它起作用了，我的第一个问题是，以这种方式构建映射后，结果数据结构会怎样？图片URL字符串字段会以某种方式保留在内存中，其余结果将被垃圾回收吗？还是结果数据结构会保留在内存中直到程序结束，因为某些内容指向其成员？

如果您有一个指向结构值字段的指针值，则整个结构将保留在内存中，无法进行垃圾回收。请注意，尽管可以释放为该结构的其他字段保留的内存，但是当前的Go运行时和垃圾收集器不会这样做。因此，为了获得最佳的内存使用率，您应该忘记存储结构字段的地址（除非您还需要完整的结构值，但仍然需要特别注意存储字段地址和切片/数组元素地址）。

这样做的原因是因为用于结构值的内存被分配为连续的段，因此仅保留一个引用的字段会严重破坏可用/可用内存，并使最佳内存管理变得越来越困难。高效。对这些区域进行碎片整理还需要复制引用字段的内存区域，这将需要“实时更改”指针值（更改内存地址）。

因此，在使用指向string值的指针时，可以节省一些内存，但增加的复杂性和附加的间接性使其不值得。

那该怎么办？

“最佳”解决方案

所以最干净的方法是继续使用string值。

还有我们之前没有提到的另一项优化。

您可以通过解组JSON API响应来获得结果。这意味着，如果JSON响应中多次包含相同的URL或标记值，则将为它们创建不同的string值。

这是什么意思？如果在JSON响应中两次有相同的URL，则在解组后，将有2个不同的string值，其中包含2个不同的指针，这些指针指向2个不同的分配字节序列（否则，字符串内容将是相同的）。 encoding/json程序包不进行 string实习。

这里有一个小应用程序证明了这一点：

var s []string
err := json.Unmarshal([]byte(`["abc", "abc", "abc"]`), &s)
if err != nil {
    panic(err)
}

for i := range s {
    hdr := (*reflect.StringHeader)(unsafe.Pointer(&s[i]))
    fmt.Println(hdr.Data)
}

以上内容的输出（在Go Playground上尝试）：

273760312
273760315
273760320

我们看到3个不同的指针。它们可能是相同的，因为string的值是不变的。

json包不会检测到重复的string值，因为检测会增加内存和计算开销，这显然是不必要的。但是在我们的案例中，我们追求最佳的内存使用率，因此“初始”额外的计算确实值得获得大的内存增益。

所以让我们自己进行字符串实习。该怎么做？

解组JSON结果之后，在构建tagToUrlMap映射期间，让我们跟踪遇到的string值，如果先前看到的后续string值只是使用该早期值（其字符串描述符）。

这是一个非常简单的字符串内部实现：

var cache = map[string]string{}

func interned(s string) string {
    if s2, ok := cache[s]; ok {
        return s2
    }
    // New string, store it
    cache[s] = s
    return s
}

让我们在上面的示例代码中测试此“合作伙伴”：

var s []string
err := json.Unmarshal([]byte(`["abc", "abc", "abc"]`), &s)
if err != nil {
    panic(err)
}

for i := range s {
    hdr := (*reflect.StringHeader)(unsafe.Pointer(&s[i]))
    fmt.Println(hdr.Data, s[i])
}

for i := range s {
    s[i] = interned(s[i])
}

for i := range s {
    hdr := (*reflect.StringHeader)(unsafe.Pointer(&s[i]))
    fmt.Println(hdr.Data, s[i])
}

以上内容的输出（在Go Playground上尝试）：

273760312 abc
273760315 abc
273760320 abc
273760312 abc
273760312 abc
273760312 abc

太棒了！我们可以看到，在使用interned()函数之后，"abc"字符串中仅使用了一个实例（实际上是第一次出现）。这意味着所有其他实例（假设没有其他人使用它们）可以（并且将来）将被正确地进行垃圾收集（由垃圾收集器，在将来的某个时间）。

这里要记住的一件事：字符串内部专家使用cache字典来存储所有以前遇到的字符串值。因此，要放开这些字符串，您还应该“清除”该缓存映射，最简单的方法是为其分配一个nil值。

事不宜迟，让我们看看我们的解决方案：

result := searchImages()

tagToUrlMap := make(map[string][]string)

for _, image := range result {
    imageURL := interned(image.URL)

    for _, tag := range image.Tags {
        tagName := interned(tag.Name)
        tagToUrlMap[tagName] = append(tagToUrlMap[tagName], imageURL)
    }
}

// Clear the interner cache:
cache = nil

要验证结果：

enc := json.NewEncoder(os.Stdout)
enc.SetIndent("", "  ")
if err := enc.Encode(tagToUrlMap); err != nil {
    panic(err)
}

输出为（在Go Playground上尝试）：

{
  "blue": [
    "https://c8.staticflickr.com/4/3707/11603200203_87810ddb43_o.jpg"
  ],
  "bridge": [
    "https://c3.staticflickr.com/1/48/164626048_edeca27ed7_o.jpg"
  ],
  "forest": [
    "https://c8.staticflickr.com/4/3707/11603200203_87810ddb43_o.jpg",
    "https://c3.staticflickr.com/1/48/164626048_edeca27ed7_o.jpg"
  ],
  "ocean": [
    "https://c8.staticflickr.com/4/3707/11603200203_87810ddb43_o.jpg"
  ],
  "river": [
    "https://c3.staticflickr.com/1/48/164626048_edeca27ed7_o.jpg"
  ],
  "water": [
    "https://c8.staticflickr.com/4/3707/11603200203_87810ddb43_o.jpg",
    "https://c3.staticflickr.com/1/48/164626048_edeca27ed7_o.jpg"
  ]
}

进一步的内存优化：

我们使用内置的append()函数将新的图像URL添加到标签中。 append()可能（并且通常确实）分配了比需要更大的部分（考虑未来的增长）。完成“构建”过程后，我们可以遍历tagToUrlMap映射并将这些切片“修剪”到所需的最小数量。

这是可以完成的方法：

for tagName, urls := range tagToUrlMap {
    if cap(urls) > len(urls) {
        urls2 := make([]string, len(urls))
        copy(urls2, urls)
        tagToUrlMap[tagName] = urls2
    }
}
相关问题
最新问题