引言
Go 语言的 GC 设计哲学与 Java 截然不同。Go 专注于低延迟 (Low Latency)，牺牲了一部分吞吐量来换取极短的 STW (Stop The World) 时间。Go 1.5 引入了并发标记，Go 1.8 引入了混合写屏障，使得 STW 时间通常在微秒级别。
1. 三色标记法 (Tri-color Marking)
Go 使用并发的三色标记清除算法。
1.1 核心概念
- 白色 (White): 潜在的垃圾。GC 开始时，所有对象都是白色。GC 结束时，仍为白色的对象将被回收。
- 灰色 (Grey): 活跃对象，但其子对象尚未被扫描。灰色集合是标记过程的”波前” (Wavefront)。
- 黑色 (Black): 活跃对象，且其所有子对象都已被扫描。
1.2 标记过程
- 初始状态: 所有对象均为白色。
- 根扫描: 将 GC Roots 直接引用的对象标记为灰色。
- 并发扫描:
- 从灰色集合中取出一个对象，将其标记为黑色。
- 将该对象指向的所有白色子对象标记为灰色。
- 重复此步骤，直到灰色集合为空。
- 完成: 此时只剩下黑色和白色对象。白色对象即为垃圾。
1.3 并发问题：漏标
在并发标记过程中，用户线程 (Mutator) 可能会修改引用关系，导致漏标（即把活跃对象误判为垃圾）。漏标发生必须同时满足两个条件： 1. 条件 1: 黑色对象引用了一个白色对象。 2. 条件 2: 灰色对象与该白色对象之间的引用关系被破坏（删除）。
为了防止漏标，必须破坏上述两个条件之一。这就是写屏障的作用。
2. 混合写屏障 (Hybrid Write Barrier)
Go 1.8 之前使用的是 Dijkstra 写屏障或 Yuasa 写屏障，Go 1.8 引入了混合写屏障，结合了两者的优点。
2.1 插入写屏障 (Dijkstra) - 破坏条件 1
- 逻辑: 当黑色对象指向白色对象时，将白色对象置为灰色。
- 缺点: 栈上的对象操作频繁，如果对栈也开启屏障，性能损耗大。因此 Go 选择不扫描栈，而是在 STW 阶段重新扫描栈。
2.2 删除写屏障 (Yuasa) - 破坏条件 2
- 逻辑: 当删除引用时，将被删除的对象置为灰色。
- 缺点: 回收精度低，会产生浮动垃圾。
2.3 混合写屏障 (Hybrid)
Go 结合了两者，极大地减少了 STW 时间（不再需要 STW 重新扫描栈）。
混合写屏障伪代码:
// slot 是指针在内存中的地址
// ptr 是要写入的新值
writePointer(slot, ptr):
shade(*slot) // 1. 删除写屏障：将旧值置灰 (保护旧路径)
shade(ptr) // 2. 插入写屏障：将新值置灰 (保护新路径)
*slot = ptr // 3. 更新指针- 注意: 混合写屏障仅应用在堆上，栈操作不开启屏障。
- 栈的处理: GC 开始时，将栈上所有可达对象全部置黑（实际上是扫描并置灰，递归变黑）。
3. GC Pacing (调优与触发)
Go GC 的触发不仅仅依赖于固定阈值，而是基于反馈控制算法，称为 GC Pacing。
3.1 GOGC 参数
GOGC 环境变量控制了下一次 GC
的触发堆大小。默认值为 100。 \[
\text{NextGC} = \text{HeapMarked} + \text{HeapMarked} \times
\frac{\text{GOGC}}{100} \]
- 如果
HeapMarked(上次 GC 存活量) 为 10MB，GOGC=100，则下次 GC 在堆达到 20MB 时触发。
3.2 辅助标记 (Mark Assist)
为了防止在并发标记期间，用户线程分配内存的速度超过 GC 标记的速度，Go 引入了辅助标记。 * 机制: 分配内存过快的 Goroutine 会被”征用”一部分 CPU 时间来协助进行标记工作。 * 效果: 这是一个背压 (Backpressure) 机制，限制了高分配速率的 Goroutine。
4. Green Tea GC (Go 1.25+ 实验性特性)
在 Go 1.25 中，Go 团队引入了一个代号为 Green
Tea 的新 GC 实现（可通过
GOEXPERIMENT=greenteagc
开启）。这是对标记阶段的重大重构，旨在解决现代硬件上的”微架构灾难”。
4.1 背景：微架构灾难 (Microarchitectural Disaster)
传统的 GC 标记算法（Graph Flood / Mark-Sweep）在现代 CPU 上效率极低： * 随机内存访问: 追踪指针意味着在堆内存中随机跳转。 * Cache Miss: 这种随机性导致 CPU 缓存命中率极低。 * 流水线停顿: CPU 必须等待内存数据加载，导致大量指令周期被浪费（Stall）。 * NUMA 问题: 跨核心/跨插槽的内存访问延迟进一步加剧了性能损耗。
Go 团队发现，GC 标记阶段约 35% 的时间是纯粹的内存等待（Memory Stall）。
4.2 核心机制：面向页 (Page-Oriented)
Green Tea GC 的核心思想是：Work with pages, not objects. (处理页，而不是对象)。
4.2.1 数据结构变革
- 工作队列 (Work List):
- 旧: 对象的 LIFO 栈（深度优先）。
- 新: 页 (Page) 的 FIFO 队列（广度优先）。Go 的页大小为 8KB。
- 元数据 (Metadata):
- 每个对象引入两个位：
seen: 表示该对象已被其他对象引用（发现）。scanned: 表示该对象已被扫描过。
- 每个对象引入两个位：
4.2.2 算法流程 (The Green Tea Algorithm)
Green Tea 利用”懒惰”（Laziness）来累积工作量，从而实现批量处理。
- 发现 (Discovery):
- 当扫描对象 A 时，发现它引用了对象 B（位于页 P）。
- 设置对象 B 的
seen位。 - 如果页 P 不在工作队列中，将页 P 加入队列。
- 关键点: 此时不立即扫描对象 B。
- 处理 (Processing):
- 从工作队列中取出一个页 P。
- 批量扫描: 遍历页 P 的元数据，找到所有
seen=1且scanned=0的对象。 - 线性访问: 按照内存地址顺序，依次扫描这些对象。
- 扫描完成后，更新
scanned位。
这种机制使得 GC 能够在同一个页上一次性处理多个对象，极大地提高了空间局部性 (Spatial Locality)。
4.3 向量化加速 (Vector Acceleration)
由于 Green Tea 将工作规整化为对页的处理，这使得利用 SIMD 指令集（如 AVX-512）成为可能。
4.3.1 扫描内核 (Scanning Kernel)
Green Tea 使用 AVX-512 指令集并行处理页的元数据。以下是硬件加速的逻辑步骤：
- 加载元数据: 将整个页的
seen和scanned位图加载到 512 位寄存器中。 - 计算活跃对象: \[ \text{ActiveObjects} = \text{Seen} \ \& \ (\sim \text{Scanned}) \]
- 位图膨胀 (Bit Expansion):
- 利用
GFNI(Galois Field New Instructions) 指令集中的VGF2P8AFFINEQB指令。 - 将”每个对象 1 位”的位图，膨胀为”每个字 (Word) 1 位”的位图。
- 例如：如果对象大小为 3 个字，位
1会膨胀为111。
- 利用
- 指针过滤:
- 加载内存分配器的
Pointer/Scalar位图（指示内存中哪些位置是指针）。 - \[ \text{ActivePointers} = \text{ExpandedActiveObjects} \ \& \ \text{PointerBitmap} \]
- 加载内存分配器的
- 批量提取:
- 根据
ActivePointers位图，直接从内存中批量加载所有指针，放入缓冲区。
- 根据
4.3.2 性能收益
- 指令级并行: 一条指令处理 64 字节甚至更多的数据。
- 减少分支预测失败: 复杂的
if is_pointer判断被位运算取代。
4.4 总结与对比
| 特性 | 传统 GC (Graph Flood) | Green Tea GC |
|---|---|---|
| 工作单元 | 对象 (Object) | 页 (Page, 8KB) |
| 遍历顺序 | 深度优先 (DFS) | 广度优先 (BFS) |
| 内存访问 | 随机跳跃 (Random) | 线性扫描 (Linear) |
| 硬件利用 | 差 (Cache Miss 高) | 优 (Cache Friendly + SIMD) |
| CPU 开销 | 基准 | 降低 10% - 40% |
Green Tea 标志着 GC 算法从纯软件算法向软硬协同优化的转变。它不再把 CPU 视为黑盒，而是针对现代处理器的缓存层级和向量指令进行了深度定制。
总结
Go GC 的核心在于低延迟。 1. 并发三色标记: 减少 STW。 2. 混合写屏障: 消除栈重扫的 STW，允许极短的停顿。 3. GC Pacing: 动态调整 GC 频率和辅助标记力度，平衡吞吐量和延迟。 4. Green Tea (新): 通过页级扫描和向量化指令，进一步压榨硬件性能。