前言
最近閒魚技術團隊在Flutter+Dart的多端一體化的基礎上,實現了FaaS研發模式。Dart吸取了其它高級語言設計的精華,例如Smalltalk的Image技術、JVM的HotSpot和Dart編譯技術又師出同門。由Dart實現的語言容器,它可以在啟動速度、運行性能有不錯的表現。Dart提供了AoT、JIT的編譯方式,JIT擁有Kernel和AppJIT的運行模式,此外服務端應用有各自不同的運行特點,那麼如何選擇合理的編譯方法來提升應用的性能?接下來我們用一些有典型特點的案例來引入我們在Dart編譯方案的實踐和思考。
案例詳情
相應的,我們準備了短週期應用(EmptyMain & Fibonnacci & faas_tool),長週期應用(HttpServer)分別來說明不同的編譯方法在各種場景下的性能表現
測試環境參考
#實驗機1
Mac OS X 10.14.3
Intel(R) Core(TM) i7-4770HQ CPU @ 2.20GHz * 4 / 16GB RAM
#實驗機2
Linux x86_64
Intel(R) Xeon(R) CPU E5-2650 v2 @ 2.60GHz * 4 / 8GB RAM
#Dart版本
Dart Ver. 2.2.1-edge.eeb8fc8ccdcef46e835993a22b3b48c0a2ccc6f1
#Java HotSpot版本
Java build 1.8.0_121-b13
Java HotSpot(TM) 64-Bit Server VM (build 25.121-b13, mixed mode)
#GCC版本
Apple LLVM version 10.0.1 (clang-1001.0.46.3)
Target: x86_64-apple-darwin18.2.0
Thread model: posix
短週期應用
Case1. EmptyMain
例子是一個空函數實現,以此來評估語言平臺本身的啟動性能,我們使用默認參數編譯一個snapshot
#1.默認條件下的app-jit snapshot生成
dart snapshot-kind=app-jit snapshot=empty_main.snapshot empty_main.dart
測試結果
- 作為現代高級語言Dart和Java在啟動速度上在同一水平線
- C語言的啟動速度是其它語言的20x,基本原因是C沒有Java、Dart語言平臺的Runtime
- Kernel和AppJIT方式運行有穩定的微小差異,總體AppJIT優於Kernel
Case2. Fibonacci數列
我們分別用C、Java、Dart用遞歸實現Fibonacci(50)數列,來考察編譯工作對性能的影響。
long fibo(long n){
if(n < 2){
return n;
}
return fibo(n - 1) + fibo(n - 2);
}
AppJIT使用優化閾值實現激進優化,這樣編譯器在Training Run中立即獲得生成Optimized代碼
#2.執行激進優化
dart --no-background-compilation \
--optimization-counter-threshold=1 \
--snapshot-kind=app-jit \
--snapshot=fibonacci.snapshot
fibonacci.dart
將Fibonacci編譯成Kernel
#3.生成Kernel snapshot
dart --snapshot=fibonacci.snapshot fibonacci.dart
AoT的Runtime不在Dart SDK裡,需要自行編譯AoT Runtime
#4.AoT編譯
pkg/vm/tools/precompiler2 fibonacci.dart fibonacci.aot
#5.AoT的方式執行
out/ReleaseX64/dart_precompiled_runtime fibonacci.aot
測試結果
- Dart JIT對比下,AppJIT在激進優化後性能稍好於Kernel,差距微小,編譯的成本佔比可以忽略不計
- Dart AoT模式下的性能約為JIT的1/6不到
- JIT運行模式下,HotSpot的執行性能最優,優於Dart AppJIT 25%以上
- 包括C語言在內的AoT運行模式性能均低於JIT,Dart AppJIT性能優於25%
問題
AoT由於自身的特性(和語言無關),無法在運行時基於Profile實現代碼優化,峰值性能在此場景下要差很多,但是為何Dart VM比HotSpot有25%的差距?接下來我們針對Fibonacci做進一步優化
#6.編譯器調優,調整遞歸內聯深度
dart --inlining_recursion_depth_threshold=5 fibonacci.snapshot 50
#7.編譯器調優,HotSpot調整遞歸內聯深度
java -XX:MaxRecursiveInlineLevel=5 Fabbonacci 50
測試結果
- HotSpot VM性能全面領先於Dart VM;兩者在最優情況下HotSpot VM的性能優於Dart 9%左右
- Dart VM 藉助JIT調優,性能有大幅提升,相比默認情況有40%左右的提升
- Dart AppJIT 性能微弱領先Kernel
也許也不難想象JVM HotSpot目前在服務器開發領域上的相對Dart成熟,相比HotSpot,DartVM的“出廠設置”比較保守,當然我們也可以大膽猜測,在服務端應用下應該還有除JIT的其它優化空間;
和Case1相同,Kernel模式的性能依然低於AppJIT,主要原因是Kernel在運行前期需要把AST轉換為堆數據結構、經歷Compile、Compile Optimize等過程,而在適當Training run後的AppJIT snapshot在VM啟動時以優化後的IL(中間代碼)執行,但很快Kernel會追上App-jit,最後性能保持持平。有興趣的讀者可以參閱Vyacheslav Egorov Dart VM的文章。
Case3. FaaS容器編譯工具
在前面我們提到過Dart版本的FaaS語言容器,為追求極致的研發體驗,我們需要縮短用戶Function打包到部署運行的時間。就語言容器層面而言,Dart提供的Snapshot技術可以大大提升啟動速度,但是從用戶Function到Snapshot(如下圖)生成所產生的編譯時間在不做優化的情況下超過10秒,還遠遠達不到極致體驗的要求。我們這裡通過一些測試,來尋找提升性能的途徑
faas_tool是一個完全用Dart編寫的代碼編譯、生成工具。依託於faas_tool, Function的編寫者不用關心如何打包、接入中間件,faas_tool提供一系列的模版及代碼生成工具可以將用戶的使用成本降低,此外faas_tool還提供了HotReload機制可以快速響應變更。
這次我們提供了基於AoT、Kernel、AppJIT的用例來執行Function構建流程,分別記錄時間消耗、中間產物大小、產物生成時間。為了驗證在JIT場景下DartVM是否可通過調整Complier的行為帶來性能提升,我們增加了JIT的測試分組
測試結果
FaaS編譯工具-執行情況柱形圖
- AoT>AppJIT>kernel,其中AoT比優化後的AppJIT有3倍左右性能提升,性能是Source的1000倍
- JIT(Kernel, AppJIT)分組下,通過在運行時減少CompilerOptimize或暫停PGO可以提升性能
很顯然faas_tool最終選擇了AoT編譯,但是性能結果和Case2大相徑庭,為了搞清楚原因我們進一步做一下CPU Profile
CPU Profile
AppJIT
Dart App-jit模式 43%以上的時間參與編譯,當然取消代碼優化,可以讓編譯時間大幅下降,在優化情況下可以將這個比率下降到13%
Kernel
Kernel模式有61%以上的CPU時間參與編譯工作, 如果關閉JIT優化代碼生成,性能有15%左右提升,反之進行激進優化將有1倍左右的性能損耗
AoT下的編譯成本
AoT模式下在運行時幾乎編譯和優化成本(CompileOptimized、CompileUnoptimized、CompileUnoptimized 佔比為0),直接以目標平臺的代碼執行,因此性能要好很多。
P.S. DartVM 的Profile模塊在後期的版本升級更改了Tag命名, 有需要進一步瞭解的讀者參考VM Tags
附:DartVM調優和命令代碼
#8.模擬單核並執行激進優化
dart --no-background-compilation \
--optimization-counter-threshold=1 \
tmp/faas_tool.snapshot.kernel
#9.JIT下關閉優化代碼生成
dart --optimization-counter-threshold=-1 \
tmp/faas_tool.snapshot.kernel
#10. Appjit verbose snapshot
dart --print_snapshot_sizes \
--print_snapshot_sizes_verbose \
--deterministic \
--snapshot-kind=app-jit \
--snapshot=/tmp/faas_tool.snapshot faas_tool.dart \
#11.Profile CPU 和 timeline
dart --profiler=true \
--startup_timeline=true \
--timeline_dir=/tmp \
--enable-vm-service \
--pause-isolates-on-exit faas_tool.snapshot
長週期應用
HttpServer
我們用一個簡單的Dart版的HttpServer作為典型長週期應用的測試用例,該用例中有JsonToObject、ObjectToJson的轉換,然後response輸出。我們分別用Source、Kernel以及AppJIT的方式在一定的併發量下運行一段時間
void processReq(HttpRequest request){
try{
final List
測試結果
_ Y軸表示成功的請求量,X軸為時間_
_
- 上面三種無論是何種方式啟動,最終的運行時性能趨向一致,編譯成本在後期可以忽略不計,這也是JIT的運行特點
- 在AppJIT模式下在應用啟動起初就有接近峰值的性能,即使在Kernel模式下也需要時間預熱達到峰值性能,Source模式下VM啟動需要2秒以上,因此需要相對更長時間達到峰值性能。從另一方面看應用很快完成了預熱,不久達到了峰值性能
P.S. 長週期的應用Optimize Compiler會經過Optimize->Deoptimize->Reoptimize的過程, 由於此案例比較簡
單,沒體現Deoptimize到Reoptimize的表現
附:VM調優腳本
#12.調整當前isolate的新生代大小,默認2M最大32M的新生代大小造成頻繁的YGC
dart --new_gen_semi_max_size=512 \
--new_gen_semi_initial_size=512 \
http_server.dart \
--interval=2
總結和展望
Dart編譯方式的選擇
- 編譯成本為主導的應用,應優先考慮AoT來提高應用性能
- 長週期的應用在啟動後期編譯成本可忽略,應該選擇JIT方式並開啟Optimize Compiler,讓優化器介入
- 長週期的應用可以選擇Kernel的方式來提升啟動速度,通過AppJIT的方式進一步縮短warmup時間
AppJIT減少了編譯預熱的成本,這個特性非常適合對一些高併發應用在線擴容。Kernel作為Dart編譯技術的前端,其平臺無關性將繼續作為整個Dart編譯工具鏈的基礎。
在FaaS構建方案的選擇
通過CPU Profile得出faas_tool是一個編譯成本主導的應用,最終選擇了AoT編譯方案,結果大大提升了語言容器的構建的構建速度,很好滿足了faas對開發效率的訴求
仍需改進的地方
從JIT性能表現來看,DartVM JIT的運行時性和HotSpot相比有提升餘地,由於Dart語言作為服務端開發的歷史不長,也許隨著Dart在服務端的技術應用全面推廣,相信DarVM在編譯器後端技術上對服務器級的處理器架構做更多優化
閱讀更多 阿里云云棲社區 的文章