Go GC 优化实战：除了 GOGC 还有什么？
最近线上 Go 微服务高峰期 P99 延迟高，排查发现是 GC 暂停导致。除了 GOGC，还有其他全局参数可以控制 GC 吗？如何精确测量暂停对业务的影响？
Q: 除了 GOGC，还有哪些全局参数可以控制 Go GC？
A: 除了 GOGC（目标堆大小百分比），Go 还有一些不太常用但可能影响 GC 行为的参数，虽然直接调整它们通常不是首选方案，但了解它们有助于更深入地理解 GC：
debug.SetGCPercent(int)(运行时函数): 虽然GOGC是通过环境变量设置，但你也可以在程序运行时通过runtime/debug包中的SetGCPercent函数动态修改。这在某些需要根据运行时状态调整 GC 策略的场景下可能有用。需要注意的是，频繁调整GOGC可能会导致 GC 行为不稳定，不建议在生产环境常规使用。runtime.GC()(运行时函数): 手动触发 GC。 强烈不建议在生产环境中使用，除非你完全理解其影响。频繁手动触发 GC 会适得其反，增加 CPU 消耗，并可能干扰 Go 调度器。 适合在一些benchmark 测试中，用于排除GC的影响。调整对象大小： 虽然不是直接的 GC 参数，但优化代码，减少内存分配和对象大小，是降低 GC 压力的根本方法。例如，使用
sync.Pool重用对象，避免频繁创建临时对象，使用[]byte代替string处理大量文本等。
Q: 如何精确测量 GC 暂停对业务的影响？
A: 精确测量 GC 暂停的影响至关重要。以下是一些方法：
pprof: Go 的
pprof工具是性能分析的利器。- CPU Profile: 可以观察到 GC 占用的 CPU 时间。
- Memory Profile: 可以分析内存分配情况，找出内存泄漏或过度分配的地方。
- Trace: 可以记录程序运行时的详细事件，包括 GC 暂停。使用
go tool trace分析 trace 文件，可以清晰地看到 GC 暂停的时间点和持续时间。 - 使用方法： 在你的服务中引入
net/http/pprof包，然后在浏览器中访问/debug/pprof路径，下载 profile 文件进行分析。或者使用go tool pprof命令行工具。
Metrics 指标监控: 收集 GC 相关指标，例如暂停时间、频率、堆大小等。
runtime.MemStats:runtime包提供了MemStats结构体，包含了丰富的内存统计信息，包括 GC 次数、总暂停时间、堆大小等。- Prometheus + Grafana: 使用 Prometheus 收集这些指标，并使用 Grafana 可视化。可以设置告警规则，当 GC 暂停时间超过阈值时发出告警。
Tracing (链路追踪): 将 GC 暂停信息加入到链路追踪系统中，例如 Jaeger 或 Zipkin。
- OpenTelemetry: 使用 OpenTelemetry Go SDK，在请求处理过程中创建 span，并将 GC 暂停时间作为 tag 添加到 span 中。
- 分析： 通过链路追踪系统，可以分析请求的延迟分布，找出受 GC 暂停影响的请求。
Benchmark 测试: 编写 benchmark 测试，模拟真实业务场景，测量不同
GOGC值下的性能。testing包: 使用 Go 的testing包编写 benchmark 测试。go test -bench=. -benchmem: 运行 benchmark 测试，并查看内存分配情况。
总结:
优化 Go GC 需要综合考虑。首先，通过 pprof、Metrics 和 Tracing 找出性能瓶颈。然后，尝试调整 GOGC 值，并使用 benchmark 测试验证效果。最后，优化代码，减少内存分配，从根本上降低 GC 压力。