Go Metrics SDK Tag 校验性能优化实践

2023年 10月 30日 86.6k 0

背景

Metrics
SDK 是与字节内场时序数据库 ByteTSD 配套的用户指标打点 SDK,在字节内数十万服务中集成,应用广泛,因此 SDK
的性能优化是个重要和持续性的话题。

用户在使用 SDK API 进行打点时,需要传入指标对应的 Tag:

tags := []m.T{{Name: "foo", Value: "a"}, {Name: "bar", Value: "b"}}
metric.WithTags(tags...).Emit(m.Incr(1))

SDK
内部需要对用户传入的 Tag Value 的合法性进行校验,IsValidTagValue,是 SDK 中对 Tag Value
进行字符合法性校验的 util 函数,在对内部一些用户的业务使用 pprof 拉取 profile 时,发现这两个函数的 CPU 消耗占整个打点
API 过程的10%~20%,由于该函数发生在打点 API 的 hot-path 上,因此有必要对其进行进一步优化。

图片图片

分析

当前实现

我们先看一下 IsValidTagValue 函数内部的实现方式,是否有可优化的点。当前的实现,对于通过 API 传入的每一个Tag Value,会进行以下操作来判断其合法性:

  • 先判断是否是在 Letter、Number 的范围内,是则直接通过;
  • 存储所有允许的特殊字符白名单,遍历 Tag Value 对比其每个字符是否在白名单内。
var (
   // these runes are valid in tag values
   whiteListRunes = []rune{'_', '-', '.', '%', ':', ' ', '[', ']', ',', '%',
      '/', ':', ';', '', '@', '~'}
)
func IsValidTagValue(s string) bool {
   if len(s) == 0 || len(s) > maxTagLen {
      return false
   }
   for i, r := range s {
      if r  maxValidChar {
         return false
      }
      if unicode.IsLetter(r) || unicode.IsNumber(r) || isRuneInWhiteList(r) {
         continue
      }
      return false
   }
   return true
}

该实现的时间复杂度简单分析如下:

对于由 Letter、Number 这样的合法字符构成的字符串(大部分场景),其时间复杂度是:

对于全由特殊字符构成的字符串,其时间复杂度是:

整个字符串的时间复杂度将介于

之间

问题点

可以看到,从当前实现看,一个主要影响性能的点是白名单列表的循环遍历对比操作,我们需要考虑可能的优化方式来降低这个操作的时间复杂度。

优化

优化一:使用 Lookup Table,空间换时间

Metrics SDK 所有允许的合法的字符,实际上是 ASCII 的一个子集,也就是说其所有可能的字符最多只有128个,因此,我们可以通过空间换时间的方式,将对白名单的 O(n) 遍历操作转换为 O(1) 的查表操作:

  • 提前对这128个字符建立一个包含128个成员的数组,在每一个 offset 上标记对应字符是否合法(合法则标记为1),这样就建立了一个快速的 lookup table
  • 对于要校验的每一个字符,只要将其转化为数组 offset,直接取数组成员值判断是否为1即可
  • image.pngimage.png

    table := [128]uint8{...}
    // fill flags
    for i := 0; i  maxValidChar {
           return false
        }
        if table[char] != 1 {
            return false
        }
    }
    return true

    Benchmark

    goos: linux
    goarch: amd64
    pkg: code.byted.org/gopkg/metrics_core/utils
    cpu: Intel(R) Xeon(R) Platinum 8260 CPU @ 2.40GHz
    BenchmarkLookupAlgoValid
    BenchmarkLookupAlgoValid/baseline
    BenchmarkLookupAlgoValid/baseline-8                   2839345               478.9 ns/op
    BenchmarkLookupAlgoValid/lookup-arraytable
    BenchmarkLookupAlgoValid/lookup-arraytable-8          6673456               167.8 ns/op

    可以看到,速度提升60%

    优化二:使用 SIMD,提升并行度

    基于 Lookup Table 的校验方式,将字符串校验的时间复杂度稳定在了

    , 但有没有可能进一步减少对字符串每一个字符的遍历次数,比如一次校验16个字符?

    我们知道,SIMD 指令是循环展开优化的常用思路,那么这里是否可以引入 SIMD 来进一步提升运算并行度和效率?

    答案是肯定的,以 intel x86 架构为例,参考其 Intrinsics Guide,在不同的 SIMD 指令集上提供了多个可以实现在不同大小的 lookup table 中查找数据的指令,这些指令可以作为我们加速方案的基础:

    图片图片

    注:可以通过 cat /proc/cpuinfo 命令来查看机器支持的simd指令集

    鉴于 vpermi2b 指令的支持目前不是很普遍的原因,我们考虑使用 pshufb 来实现一个 SIMD 版本,但我们的Lookup Table 需要调整下,因为:

    • 虽然我们基于 bitmap 实现的 Lookup Table 是 128 bits,刚好可以填充 128 bits 的寄存器
    • 但 pshufb 是按字节进行 lookup 的,128 bits 的寄存器支持16字节的 lookup

    因此,我们需要将 bitmap lookup table 做一次升维,变成一个16*8 bits 的二维 lookup table,做两次递进的行、列 lookup 完成查找,基于该思路,可以实现一次校验16个字符,大大提升并行度。

    整体方案

    该方案主要参考这篇文章:SIMDized check which bytes are in a set(http://0x80.pl/articles/simd-byte-lookup.html)

    构建 bitmap table

    对于一个 ASCII 字符,我们用其低 4bits 作为 lookup table 的 row index,用高 3bits 作为 lookup table 的 column index,这样对128个 ASCII 字符建立如下的一个二维 bitmap table:

    图片图片

    Lookup 流程

    我们先实现一个纯 go 语言版本的基于二维 bitmap lookup table 的方案,以便于理解其中的关键逻辑:

    table := [16]uint8{}
    // fill flags
    for i := 0; i > 4
          table[lowerNibble] |= 1  maxValidChar {
           return false
        }
        lowerNibble := uint8(r) & 0x0f
        upperNibble := uint8(r) >> 4
        if table[lowerNibble]&(1 4;
            if ((table[lower] & (1> 4
                            rcBitTable[lowerNibble] |= 1  maxTagLen {
                    return false
            }
            sptr := unsafe.Pointer((*reflect.StringHeader)(unsafe.Pointer(&s)).Data)
            var rt byte
            _is_valid_string(unsafe.Pointer(&rcBitTable), sptr, int32(len(s)), unsafe.Pointer(&smTable), unsafe.Pointer(&hmTable), unsafe.Pointer(&rt))
            return rt != 0
    }

    Benchmark

  • 先做一个通用的 benchmark,待校验的 string 长度从1 ~ 20不等:
  • goos: linux
    goarch: amd64
    pkg: code.byted.org/gopkg/metrics_core/utils
    cpu: Intel(R) Xeon(R) Platinum 8260 CPU @ 2.40GHz
    BenchmarkLookupAlgoValid
    BenchmarkLookupAlgoValid/baseline
    BenchmarkLookupAlgoValid/baseline-8                  2574217               510.5 ns/op
    BenchmarkLookupAlgoValid/lookup-arraytable
    BenchmarkLookupAlgoValid/lookup-arraytable-8         6347204               193.7 ns/op
    BenchmarkLookupAlgoValid/lookup-2d-bittable-simd
    BenchmarkLookupAlgoValid/lookup-2d-bittable-simd-8   6133671               185.2 ns/op

    可以看到,SIMD 版本在平均水平上与 arraytable 相当

  • 由于 SIMD 优势主要体现在长字符串时,因此,我们使用一组长度为20左右的 string,再次 benchmark:
  • goos: linux
    goarch: amd64
    pkg: code.byted.org/gopkg/metrics_core/utils
    cpu: Intel(R) Xeon(R) Platinum 8260 CPU @ 2.40GHz
    BenchmarkLookupAlgoValidLong
    BenchmarkLookupAlgoValidLong/baseline
    BenchmarkLookupAlgoValidLong/baseline-8                  3523198           356.4 ns/op
    BenchmarkLookupAlgoValidLong/lookup-arraytable
    BenchmarkLookupAlgoValidLong/lookup-arraytable-8         8434142           153.3 ns/op
    BenchmarkLookupAlgoValidLong/lookup-2d-bittable-simd
    BenchmarkLookupAlgoValidLong/lookup-2d-bittable-simd-8  13621970            87.29 ns/op

    可以看到,在长 string 上 SIMD 版本表现出非常大的优势,相对于 arraytable 版本再次提升50%

    结论

    • 通过 lookup table + SIMD 的方式优化,字符校验的整体性能可以提升2~4倍
    • 但由于在 Go 中 plan9 汇编无法内联,因此在待校验的字符串较短时不能体现其优势

    相关文章

    Oracle如何使用授予和撤销权限的语法和示例
    Awesome Project: 探索 MatrixOrigin 云原生分布式数据库
    下载丨66页PDF,云和恩墨技术通讯(2024年7月刊)
    社区版oceanbase安装
    Oracle 导出CSV工具-sqluldr2
    ETL数据集成丨快速将MySQL数据迁移至Doris数据库

    发布评论