背景Metrics SDK 是验性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，化实应用广泛，验性因此 SDK 的化实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，验性需要传入指标对应的化实 Tag： 复制tags := []m.T{{Name: "foo", Value: "a"}, {Name: "bar", Value: "b"}} metric.WithTags(tags...).Emit(m.Incr(1))1.2. SDK 内部需要对用户传入的 Tag Value 的合法性进行校验，IsValidTagValue，验性是化实 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验性业务使用 pprof 拉取 profile 时，发现这两个函数的化实 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 的验性 hot-path 上，因此有必要对其进行进一步优化。化实  图片
分析当前实现我们先看一下 IsValidTagValue 函数内部的验性实现方式，是化实否有可优化的点。当前的验性实现，对于通过 API 传入的云服务器提供商每一个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。 复制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 < minValidChar || r > maxValidChar { return false } if unicode.IsLetter(r) || unicode.IsNumber(r) || isRuneInWhiteList(r) { continue } return false } return true }1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20. 该实现的时间复杂度简单分析如下： O(n.)n : stringlength 对于全由特殊字符构成的字符串，其时间复杂度是: O(m * n)n : stringlength, m : whitelistlength 整个字符串的时间复杂度将介于O(n)到O(m * n)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，也就是企商汇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.png
复制table := [128]uint8{...} // fill flags for i := 0; i < 128; i++ { if unicode.IsNumber(rune(i)) || unicode.IsLetter(rune(i)) || isRuneInWhiteList(rune(i)) { table[i] = 1 } } str := "hello" for _, char := range []byte(str) { if r > maxValidChar { return false } if table[char] != 1 { return false } } return true1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17. Benchmark 复制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/op1.2.3.4.5.6.7.8.9. 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O(n)n : stringlength， 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，免费源码下载参考其 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
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
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： 复制table := [16]uint8{} // fill flags for i := 0; i < 128; i++ { if unicode.IsNumber(rune(i)) || unicode.IsLetter(rune(i)) || isRuneInWhiteList(rune(i)) { lowerNibble := i & 0x0f upperNibble := i >> 4 table[lowerNibble] |= 1 << upperNibble } } str := "hello" for _, char := range []byte(str) { if r > maxValidChar { return false } lowerNibble := uint8(r) & 0x0f upperNibble := uint8(r) >> 4 if table[lowerNibble]&(1<<upperNibble) == 0 { return false } } return true1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22. 如上代码示例，可以看到，判断某个字符合法的关键逻辑是： 通过 table[lowerNibble] 获取table第 lowerNibble 行内容，然后再看其第 upperNibble 个 bit 位是否为0而 SIMD 版本，即是将上述的每一步操作都使用对应的 SIMD 指令变成对16个字节的并行操作，SIMD 的关键操作流程以及和上述 go 代码的对应关系如下：  图片
代码实现在 go 语言中，想要使用 SIMD，需要写 plan9 汇编，而编写 plan9 通常有两种方式： 手撕，可借助 avo 这样的工具C code 转 plan9，可借助 goat、c2goasm 这样的工具这里采用 C code 转 plan9 的方式，先写一个 C 版本： 注：由于 goat 工具限制，不能很好的支持 C 代码中的常量定义，因此以下示例通过函数参数定义用到的 sm、hm 常量 复制#include <tmmintrin.h> // is_valid_string returns 1 if all chars is in table, returns 0 else. void is_valid_string(char* table, char* strptr, long strlen, char* sm, char* hm, char* rt) { __m128i bitmap = _mm_loadu_si128((__m128i*)table); __m128i shift_mask = _mm_loadu_si128((__m128i*)sm); __m128i high_mask = _mm_loadu_si128((__m128i*)hm); size_t n = strlen/16; for (size_t i = 0; i < n; i++) { __m128i input = _mm_loadu_si128((__m128i*)strptr); __m128i rows = _mm_shuffle_epi8(bitmap, input); __m128i hi_nibbles = _mm_and_si128(_mm_srli_epi16(input, 4), high_mask); __m128i cols = _mm_shuffle_epi8(shift_mask, hi_nibbles); __m128i tmp = _mm_and_si128(rows, cols); __m128i result = _mm_cmpeq_epi8(tmp, cols); size_t mask = _mm_movemask_epi8(result); if (mask != 65535) { *rt = 0; return; } strptr = strptr + 16; } size_t left = strlen%16; for (size_t i = 0; i < left; i++) { size_t lower = strptr[i] & 0x0f; size_t higher = strptr[i] >> 4; if ((table[lower] & (1<<higher)) == 0) { *rt = 0; return; } } *rt = 1; return; }1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22.23.24.25.26.27.28.29.30.31.32.33.34.35. 通过以下命令转为 plan9: 复制goat is_valid_string.c -03 -mssse31. 生成的 plan9 代码如下： 复制//go:build !noasm && amd64 // AUTO-GENERATED BY GOAT -- DO NOT EDIT TEXT ·_is_valid_string(SB), $0-48 MOVQ table+0(FP), DI MOVQ strptr+8(FP), SI MOVQ strlen+16(FP), DX MOVQ sm+24(FP), CX MOVQ hm+32(FP), R8 MOVQ rt+40(FP), R9 WORD $0x8949; BYTE $0xd2 // movq %rdx, %r10 LONG $0x3ffac149 // sarq $63, %r10 LONG $0x3ceac149 // shrq $60, %r10 WORD $0x0149; BYTE $0xd2 // addq %rdx, %r10 LONG $0x0f428d48 // leaq 15(%rdx), %rax LONG $0x1ff88348 // cmpq $31, %rax JB LBB0_4 LONG $0x076f0ff3 // movdqu (%rdi), %xmm0 LONG $0x096f0ff3 // movdqu (%rcx), %xmm1 LONG $0x6f0f41f3; BYTE $0x10 // movdqu (%r8), %xmm2 WORD $0x894d; BYTE $0xd0 // movq %r10, %r8 LONG $0x04f8c149 // sarq $4, %r8 WORD $0xc031 // xorl %eax, %eax LBB0_2: LONG $0x1e6f0ff3 // movdqu (%rsi), %xmm3 LONG $0xe06f0f66 // movdqa %xmm0, %xmm4 LONG $0x00380f66; BYTE $0xe3 // pshufb %xmm3, %xmm4 LONG $0xd3710f66; BYTE $0x04 // psrlw $4, %xmm3 LONG $0xdadb0f66 // pand %xmm2, %xmm3 LONG $0xe96f0f66 // movdqa %xmm1, %xmm5 LONG $0x00380f66; BYTE $0xeb // pshufb %xmm3, %xmm5 LONG $0xe5db0f66 // pand %xmm5, %xmm4 LONG $0xe5740f66 // pcmpeqb %xmm5, %xmm4 LONG $0xccd70f66 // pmovmskb %xmm4, %ecx LONG $0xfffff981; WORD $0x0000 // cmpl $65535, %ecx JNE LBB0_8 LONG $0x10c68348 // addq $16, %rsi LONG $0x01c08348 // addq $1, %rax WORD $0x394c; BYTE $0xc0 // cmpq %r8, %rax JB LBB0_2 LBB0_4: LONG $0xf0e28349 // andq $-16, %r10 WORD $0xb041; BYTE $0x01 // movb $1, %r8b WORD $0x294c; BYTE $0xd2 // subq %r10, %rdx JE LBB0_9 WORD $0xc031 // xorl %eax, %eax LBB0_7: LONG $0x1cbe0f4c; BYTE $0x06 // movsbq (%rsi,%rax), %r11 WORD $0x8945; BYTE $0xda // movl %r11d, %r10d LONG $0x0fe28341 // andl $15, %r10d LONG $0x04ebc141 // shrl $4, %r11d LONG $0x0cbe0f42; BYTE $0x17 // movsbl (%rdi,%r10), %ecx LONG $0xd9a30f44 // btl %r11d, %ecx JAE LBB0_8 LONG $0x01c08348 // addq $1, %rax WORD $0x3948; BYTE $0xd0 // cmpq %rdx, %rax JB LBB0_7 LBB0_9: WORD $0x8845; BYTE $0x01 // movb %r8b, (%r9) BYTE $0xc3 // retq LBB0_8: WORD $0x3145; BYTE $0xc0 // xorl %r8d, %r8d WORD $0x8845; BYTE $0x01 // movb %r8b, (%r9) BYTE $0xc3 // retq1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22.23.24.25.26.27.28.29.30.31.32.33.34.35.36.37.38.39.40.41.42.43.44.45.46.47.48.49.50.51.52.53.54.55.56.57.58.59.60.61.62.63. 对应的 Go Wrapper 代码如下： 复制var ( // these runes are valid in tag values whiteListRunes = []rune{_, -, ., %, :, , [, ], ,, %, /, :, ;, <, =, >, @, ~} rcBitTable [16]uint8 smTable [16]int8 hmTable [16]uint8 ) //go:noescape func _is_valid_string(table unsafe.Pointer, str unsafe.Pointer, len int32, sm, hm unsafe.Pointer, rt unsafe.Pointer) func init() { // build tables for i := 0; i < 128; i++ { if unicode.IsNumber(rune(i)) || unicode.IsLetter(rune(i)) || isRuneInWhiteList(rune(i)) { lowerNibble := i & 0x0f upperNibble := i >> 4 rcBitTable[lowerNibble] |= 1 << upperNibble } } smTable = [16]int8{1, 2, 4, 8, 16, 32, 64, -128, 1, 2, 4, 8, 16, 32, 64, -128} hmTable = [16]uint8{0x0f, 0x0f, 0x0f, 0x0f, 0x0f, 0x0f, 0x0f, 0x0f, 0x0f, 0x0f, 0x0f, 0x0f, 0x0f, 0x0f, 0x0f, 0x0f} } func IsValidTagValueLookup2dBitTableSIMD(s string) bool { l := len(s) if l == 0 || len(s) > 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 }1.2.3.4.5.6.7.8.9.10.11.12.13.14.15.16.17.18.19.20.21.22.23.24.25.26.27.28.29.30.31.32. Benchmark先做一个通用的 benchmark，待校验的 string 长度从1 ~ 20不等： 复制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/op1.2.3.4.5.6.7.8.9.10.11. 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: 复制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/op1.2.3.4.5.6.7.8.9.10.11. 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 |
喜欢
讨厌