В 2019 году я подготовил лекцию о простых методах оптимизации программ на Go по статье Стивена Уитворта. Недавно вернулся к этому конспекту: инструменты и реализация языка изменились, но главный вопрос остался прежним — где программа тратит время и память и стоит ли это исправлять.

Материал лекции · Статья Stephen Whitworth «Simple techniques to optimise Go programs» в архиве.

Сначала измерить

Оптимизацию удобно начинать с воспроизводимого измерения: взять характерные данные, написать benchmark и сохранить исходный результат. Команда go test -bench=. -benchmem показывает время операции и статистику выделений памяти. Профиль CPU или памяти помогает найти участок, на который действительно расходуются ресурсы. После изменения запускаем тот же тест и сравниваем результаты.

Микробенчмарк отвечает на узкий вопрос. Даже заметное ускорение небольшой функции может не повлиять на время запроса, если основная задержка приходится на сеть или базу данных. Поэтому полезно проверять результат и на уровне приложения.

Ёмкость срезов и сборка строк

Когда заранее известно примерное количество элементов, можно указать ёмкость среза. Тогда append не придётся многократно расширять его по мере заполнения:

ids := make([]string, 0, len(users))
for _, user := range users {
    ids = append(ids, user.ID)
}

Здесь длина среза сначала равна нулю, а ёмкость — числу пользователей. Это подсказка для конкретной задачи, а не повод резервировать большие объёмы памяти без измерений.

При сборке строки из множества частей можно попробовать strings.Builder. Он позволяет последовательно записывать части в буфер; если итоговый размер примерно известен, Grow может заранее выделить для него место. Для простого соединения нескольких строк обычный + часто понятнее — разницу стоит проверять на своём коде.

Преобразования и буферы

Для преобразования числа в строку strconv.Itoa выражает задачу точнее, чем универсальный fmt.Sprintf. В горячем участке это может уменьшить накладные расходы, но выигрыш зависит от контекста и версии Go.

Некоторые функции стандартной библиотеки умеют дописывать результат в переданный []byte: например, strconv.AppendInt и time.AppendFormat. Если приложение уже собирает ответ в буфере, такой интерфейс позволяет переиспользовать его и контролировать выделения. При этом нужно следить, кто владеет буфером и когда его можно менять повторно.

Сериализация и генерация кода

В лекции я также рассматривал сериализацию JSON. Стандартный encoding/json использует reflection для обычных структур, а генератор вроде easyjson может подготовить специализированный код заранее. Это имеет смысл исследовать, если профиль показывает, что сериализация занимает заметную часть времени.

У генерации есть цена сопровождения: при изменении структуры код нужно обновлять. Проверка генерации в CI помогает обнаружить рассинхронизацию. Совместимость поведения и выигрыш в производительности стоит проверять на собственных данных и текущей версии Go.

Пулы и сборщик мусора

sync.Pool позволяет временно переиспользовать объекты между независимыми операциями и может помочь при частых выделениях. Пул не гарантирует сохранность объектов: среда выполнения вправе удалить их в любой момент. Перед возвратом объекта важно сбросить его состояние, особенно данные предыдущего запроса; иначе следующий пользователь объекта может увидеть чужие данные. Пул сам по себе добавляет сложность, поэтому вводить его имеет смысл после измерения.

В статье 2019 года также обсуждается стоимость сканирования больших структур с указателями при сборке мусора. Представление данных действительно влияет на работу GC, но замена строковых ключей хешами требует обработки коллизий и может изменить поведение программы. Такие решения стоит принимать по профилю и проверять на реальной нагрузке.

Производительность — свойство всей программы и её окружения. Я бы оставил оптимизацию, только если измерение показывает полезный эффект, а сложность изменения ему соразмерна.