了解Go 1.27 小对象内存分配的优化
by Edward Yuan
最近 Go 官方发布了一篇关于 Go 1.27 内存分配优化的技术文章，介绍了一项叫作 Size-Specialized Allocation 的改进。根据官方测试，80 字节及以内的小对象分配速度最高提升了 20%–30%，对于内存分配密集型程序，整体性能最高可以提升约 1%。
单看这个数字似乎不算特别明显，但有意思的是，这次优化既没有改变 Go 的内存分配模型，也没有修改 GC 的工作机制，而是从一个很简单的问题入手： 既然编译器已经知道要分配的对象有多大，为什么还需要在运行时重复处理这些信息？
我们先来回顾一下原有的内存分配过程：
当编译器通过逃逸分析，确定某个对象需要分配到堆上时，通常会生成对 runtime.newobject 的调用，随后由 mallocgc 完成实际分配。
Go的内存分配器并不会为每一种大小的对象单独维护内存池，而是通过 Size Class 将对象划分到不同的尺寸等级。
比如：17–24字节的对象统一使用24字节的分配槽位，25–32字节的对象则使用32字节的槽位。
对于常规小对象，分配器可以直接从当前 P 关联的 mcache 中获取内存，避免频繁访问全局堆管理结构。
此外，Go 还需要区分对象是否包含指针，因为这直接关系到 GC 是否需要扫描对象内部的内存。因此，Runtime 使用 Span Class 将 Size Class 和指针属性组合起来：
spanClass = sizeClass<<1 | noPointers
这套机制已经相当高效，但通用的 mallocgc 仍然需要处理各种尺寸、指针属性和特殊情况。即使某个对象的大小在编译期就已经确定，通用分配路径仍然需要保留处理其他情况的逻辑。
Go 1.27的优化思路就是把其中一部分工作提前。
比如下面这个结构体：
type Message struct {
ID uint64
Type uint32
Flags uint32
}
func NewMessage() *Message {
return &Message{ID: 100}
}
在 64 位系统中，Message 正好占用 16 字节，而且不包含指针。
如果这次对象创建确实需要堆分配，那么编译器已经知道它属于 Size Class 2，并且不需要 GC 扫描内部指针。
既然这些条件都是确定的，就可以直接调用对应的专用分配函数，而不必每次进入通用路径。
Go 1.27 为不同的 Span Class 生成了专门的 mallocgc 函数。例如：
mallocgcSmallNoScanSC3
这个函数专门处理 Size Class 3，也就是17–24字节、且不包含指针的对象。
当编译器能够确定 Span Class 时，可以直接生成对专用函数的调用，跳过 newobject 和通用 mallocgc。对于动态长度切片等无法在编译期确定分配大小的情况，仍然通过通用 mallocgc 判断并调用适当的专用函数。
不过，省掉尺寸分类并不是这次优化最大的收益，真正值得关注的是 内存清零。
Go语言需要保证新分配对象满足零值语义。当分配器需要清零一段内存时，可以调用 memclrNoHeapPointers。这个函数本身已经使用汇编进行了优化，但对于只有十几字节的对象，函数调用及内部判断所产生的成本仍然不可忽略。
而专用分配函数的一个特点，就是清零长度可以成为编译期常量。例如要清空16字节的内存，理论上可以直接生成类似这样的操作：
*(*uint64)(ptr) = 0
*(*uint64)(unsafe.Add(ptr, 8)) = 0
实际生成的机器指令取决于 CPU 架构及编译器实现，但原理相同：既然已经确定需要清零多少字节，就不必再通过通用函数动态处理。
这样不仅减少了函数调用和分支，编译器还可以进一步优化分配过程中的部分元数据操作。
Go团队还使用AST工具生成专用函数代码，将部分辅助函数直接展开，并把不常执行的调试检查等逻辑移到慢路径中，从而缩短正常分配的执行过程。
看到这里可能会有一个问题： 既然专用函数更快，为什么不为所有 Size Class 都生成一个？
这里涉及 CPU 的指令缓存（I-cache）。原有的通用 mallocgc 被频繁调用，其主要执行代码通常具有较好的指令缓存局部性。如果为大量不同尺寸分别生成专用函数，虽然每个函数的执行路径变短了，但整体代码体积也会增长。不同专用函数之间开始竞争有限的指令缓存空间，甚至可能挤占业务代码。
另一方面，随着分配对象增大，内存清零本身的写入成本逐渐占据主要部分，此时再减少几个判断或函数调用，收益也越来越有限。
所以专用分配并不是覆盖的尺寸越多越好。
Go 团队经过多轮基准测试，最终选择将优化范围限制在 80 字节及以内。其中，对于不包含指针的极小对象，仍然需要考虑 Tiny Allocator 的特殊处理，并不是所有小对象都走相同的分配路径。
这项优化原计划在 Go 1.26 发布，但由于代码体积和指令缓存方面的权衡，最终推迟到了 Go 1.27。
那么实际使用中有什么区别？
对于普通开发者来说，几乎没有任何区别。只需要使用 Go 1.27 重新编译，符合条件的堆分配就可以自动使用新的分配路径。
如果想验证实际效果，可以编写一个简单的 Benchmark：
package alloc
import "testing"
type Object struct {
A, B, C uint64
}
var sink *Object
func BenchmarkAlloc24(b *testing.B) {
for i := 0; i < b.N; i++ {
sink = new(Object)
}
}
这里使用一个 24 字节的结构体，通过全局变量保留指针，避免分配被编译器直接消除。
正常运行：
go test -run '^$' -bench BenchmarkAlloc24 -benchmem
然后禁用尺寸专用分配：
GOEXPERIMENT=nosizespecializedmalloc \
go test -run '^$' -bench BenchmarkAlloc24 -benchmem
对比两组结果中的 ns/op，就可以观察单次分配耗时的变化。实际测试最好多次运行，并使用 benchstat 比较，避免 CPU 负载和测试波动造成干扰。
需要注意的是，这项优化并没有减少堆分配次数，也没有直接减少 GC 需要处理的对象数量。它降低的是部分分配操作本身的 CPU 成本。因此，20%–30% 的分配速度提升并不意味着整个程序也能得到相同比例的性能改善。
从Go 1.27的这次改动可以看到，Runtime 的性能优化不一定需要重新设计内存管理器。有时候，将已经确定的信息从运行时提前到编译期，再利用这些信息生成更具体的执行路径，就可以减少大量重复操作。
对于单次分配来说，节省的可能只是几个分支和一次函数调用。但在每秒数百万次的小对象分配中，这些看起来微不足道的开销，累积起来就有了实际意义。
而这次优化另一个值得注意的地方，是 Go 团队没有单纯追求分配函数本身的速度，而是同时考虑了代码体积和 CPU 指令缓存的影响。毕竟， 减少一段代码的执行时间，不代表增加更多这样的代码就能让整个程序更快。
这也是底层性能优化中经常遇到的问题：局部最优与整体最优，并不总是一回事。
tags: