Go Green Tea Gc

介绍

Go Green Tea GC 改变不大，首先要了解一下 Go 以前是怎么处理垃圾回收的。

• golang GC 垃圾回收机制
• Go 垃圾回收原理

简单来说，传统 GC 的流程是：从 root 扫描开始，把发现的引用对象加入队列（标记为灰色），然后从队列中取出一个对象，继续扫描它的引用，如果引用对象还没被标记，就再次入队（标记为灰色），直到队列为空。最后把没有被标记的对象（白色）清除掉。

这个过程有一个根本性的问题——引用的对象散落在堆内存的各个角落，CPU 在处理队列中的对象时需要不断跳转访问不同内存地址，缓存命中率极低。事实上，超过 35% 的 CPU 周期都浪费在等待内存访问上，GC 效率因此大打折扣。

Green Tea 是怎么做的？

Green Tea 的做法是把扫描到引用的对象不加入队列，加入队列的是对象所在的 span，span 中维护两个 bitmap 来标记 span 中哪些对象的状态。

• Seen 位 ：记录对象是否已被 GC 标记为可达。Seen = 可达标记位，防止同一个对象被重复入队。
• Scanned 位：记录对象的内部指针是否已经被遍历过。Scanned = 内部指针扫描状态，防止重复遍历对象内字段。

两个位的配合：

这样就能实现三色标记的“灰色→黑色”逻辑：

• 灰色：Seen=1, Scanned=0 → 可达但指针还没扫描
• 黑色：Seen=1, Scanned=1 → 可达且指针扫描完毕
• 白色：Seen=0 → 不可达或未标记

因为按 span 扫描上边的对象，所以 CPU 跳转更友好。

为什么会变快

1. 减少队列操作频率 - 以 span 为粒度入队，远比以对象为粒度入队的频率低得多，在大量小对象的场景下尤为明显。入队/出队的调度开销因此大幅降低。
2. 降低多核竞争 - 当 CPU 核心数越多时，原有方案中多个 goroutine 争抢队列的竞争越激烈。span 粒度的队列压力更小，调度器负载更轻，并发扩展性更好。
3. 提升 CPU 缓存命中率 - span 内的对象在内存中是连续排列的，扫描时具有极强的空间局部性（Spatial Locality）。CPU 缓存行（Cache Line）可以一次加载多个相邻对象的数据，减少主存访问等待。传统 GC 在不同内存区域间随机跳跃，缓存几乎完全失效。
4. 友好的 NUMA 架构适配 - 在 NUMA（非均匀内存访问）架构下，span 内的对象通常归属同一内存节点，访问延迟远低于跨节点访问。而传统的对象级跳跃访问极易触发跨节点内存读取，开销显著增大。
5. 解锁硬件向量加速（SIMD）

AVX-512

Go 的 Green Tea GC 在扫描对象指针时，充分利用了 AVX-512 等现代 CPU 向量指令集的能力。传统 GC 往往是逐对象、逐字段地处理指针，这种逐步处理方式无法发挥 SIMD（单指令多数据）并行处理的优势。而在 Green Tea 中：

• Span 内连续对象 的指针信息被整理成紧凑的 bitmap 或数组。
• 扫描器可以一次性加载多个对象的指针信息到 SIMD 寄存器中。
• 同一条指令即可对多条指针进行标记检查、更新 Seen/Scanned 位，极大提高了指针遍历吞吐量。

这意味着在内存访问和 CPU 指令层面都能获得 批量处理 的加速效果，尤其在 span 中包含大量小对象的情况下性能提升明显。

并发与增量回收

Green Tea 仍然保持 Go GC 的 并发回收 和 增量标记 特性：

1. 并发标记

   • 多个 goroutine 扫描 span 内对象 bitmap，每个核心处理不同 span，减少全局队列竞争。
   • Seen/Scanned 位保证即使多个 goroutine 扫描同一 span，也不会重复扫描对象内指针。

2. 增量标记

   • GC 标记阶段可以与应用程序 goroutine 并行执行，避免 STW（Stop-The-World）时间过长。
   • 由于 span 内对象紧凑连续，增量标记的每次批量扫描都更高效，缓存命中率更稳定。

总结

Green Tea GC 的核心优化思路可以概括为：

• 队列粒度优化：对象级 → span 级，减少入队/出队开销。
• 位图标记：Seen/Scanned 双 bitmap，实现三色标记逻辑，避免重复扫描。
• 内存局部性优化：连续对象内存排列，提高 CPU 缓存命中率。
• 硬件加速：利用 AVX-512 等 SIMD 指令批量扫描对象指针。
• 并发友好：多核扩展性强，NUMA 架构适配良好。