记一次 golang 的 zstd 压缩、解压缩优化

问题背景

1、开发反馈 trs 的 stg 环境开启 zstd 解压缩后，内存有明显持续上涨趋势，最终导致 OOM

如图，内存频繁申请释放，当时分析导致 OOM 的原因是因为 stg 的 CPU 不够，导致 GC 不及时，调整 CPU 资源后确实 OOM 没有了。并未怀疑程序本身的性能问题

2、infra 同学发现 adx 的服务存在 zstd 压缩导致 CPU 资源消耗异常的问题，发现是压缩对象的 init 操作非常重导致。

问题分析

结合上面两次问题，想到 Redis 压缩降本时提交的 go 的 zstd 代码有很大优化空间的。可将 zstd.NewWriter 、zstd.NewReader 等重对象使用 sync.Pool 缓存起来，每次使用时从池中取，用完在放回去，避免频繁 New 对象造成内存申请多从而造成 GC 压力大，CPU 资源消耗高的问题。

预期关键结果（收益）

• 开压缩相关的接口 RT 明显降低，压缩&解压缩申请的内存变少

• CPU 资源显著降低，部分实例可减少申请 CPU 的 request 和 limit （减少实例数）

总的来说应该可以提高性能，降低资源消耗，可降本增效。

解决

原来的 zstd 压缩代码

// Deprecated
// 该方法已废弃，请使用 CompressWithZstd 代替
func CompressWithZstdOld(data []byte) ([]byte, error) {
	if len(data) == 0 {
		return data, errors.New("data is empty")
	}
	var compressedData bytes.Buffer

	enc, err := zstd.NewWriter(&compressedData)
	if err != nil {
		return nil, err
	}

	_, err = enc.Write(data)
	if err != nil {
		err := enc.Close()
		if err != nil {
			return nil, err
		}
		return nil, err
	}

	err = enc.Close()
	if err != nil {
		return nil, err
	}

	return compressedData.Bytes(), nil
}

优化后的 zstd 压缩代码

var encoderPool = sync.Pool{
	New: func() interface{} {
		enc, err := zstd.NewWriter(nil)
		if err != nil {
			log.Fatalf("Failed to create new Zstd Encoder: %v", err)
		}
		return enc
	},
}

// CompressWithZstd zstd 压缩,空字符串返回空字符串
func CompressWithZstd(data []byte) ([]byte, error) {
	if len(data) == 0 {
		return data, errors.New("data is empty")
	}
	enc := encoderPool.Get().(*zstd.Encoder)
	defer encoderPool.Put(enc)

	var compressedData bytes.Buffer
	enc.Reset(&compressedData)

	_, err := enc.Write(data)
	if err != nil {
		err := enc.Close()
		return nil, err
	}
	return compressedData.Bytes(), nil
}

原来的 zstd 解压缩代码

// Deprecated
// 该方法已废弃，请使用 DeCompressWithZstd 代替
func DeCompressWithZstdOld(compressedData []byte) ([]byte, error) {
	if len(compressedData) == 0 {
		return compressedData, errors.New("compressedData is empty")
	}

	var decompressedData bytes.Buffer

	dec, err := zstd.NewReader(bytes.NewReader(compressedData))
	if err != nil {
		return nil, err
	}

	_, err = io.Copy(&decompressedData, dec)
	if err != nil {
		dec.Close()
		return nil, err
	}

	return decompressedData.Bytes(), nil
}

优化后的 zstd 解压缩代码

var decoderPool = sync.Pool{
	New: func() interface{} {
		dec, err := zstd.NewReader(nil)
		if err != nil {
			log.Fatalf("Failed to create new Zstd Decoder: %v", err)
		}
		return dec
	},
}

// DeCompressWithZstd zstd 解压,空字符串返回空字符串
func DeCompressWithZstd(compressedData []byte) ([]byte, error) {
	if len(compressedData) == 0 {
		return compressedData, errors.New("compressedData is empty")
	}

	dec := decoderPool.Get().(*zstd.Decoder)
	defer decoderPool.Put(dec)

	var decompressedData bytes.Buffer
	dec.Reset(bytes.NewReader(compressedData))

	_, err := io.Copy(&decompressedData, dec)
	if err != nil {
		return nil, err
	}

	return decompressedData.Bytes(), nil
}

benchmark 

测试在本地开发机进行，测试字符串保持一致

goos: darwin
goarch: amd64
pkg: git.gametaptap.com/tapad/go-utils/utils
cpu: Intel(R) Core(TM) i9-9880H CPU @ 2.30GHz

BenchmarkCompressWithNewGzip-16       	   25621	     45620 ns/op	    4145 B/op	       6 allocs/op
BenchmarkCompressWithNewGzipOld-16    	    6871	    186002 ns/op	  817830 B/op	      23 allocs/op

BenchmarkCompressWithZstd-16          	  231540	      5177 ns/op	    3456 B/op	       2 allocs/op
BenchmarkCompressWithZstdOld-16       	     530	   1994072 ns/op	23740092 B/op	      60 allocs/op

BenchmarkDeCompressWithZstd-16        	 2183894	       538.2 ns/op	    1418 B/op	       1 allocs/op
BenchmarkDeCompressWithZstdOld-16     	   76734	     15489 ns/op	   11662 B/op	      36 allocs/op
PASS

性能测试结果解析：从两个维度解析，RT 性能和内存分配都有非常大的提升

• zstd 压缩：RT 优化前一次压缩需要 1994072 ns, 优化后只需要 5177 ns 。内存更甚，优化前一次压缩需要分配 60次内存，优化后只需要 2次（实际多协程下不只一次）

• zstd 解压缩：RT 优化前一次解压缩需要 15489 ns, 优化后只需要 538.2 ns 。 内存优化前一次解压缩需要分配 36次内存，优化后也只需要分配1次。（实际多协程下不止一次）

从结果看应该是一次性价比很高的优化。

关键结果回收

内存申请数据

• 优化前 zstd 的内存申请量占到了整个应用的 28%，优化后占用 1% 都不到

GC 数据

• 优化前，因为频繁申请内存，GC 压力很大，GC 占用了 CPU 的 61.92%的时间。

• 优化后，GC 占用了 CPU 的时间不到 10%。

接口 RT 数据

优化后 RT 减少 1~3ms ，且 RT 非常稳定，消除了毛刺现象（可能是GC 压力大影响的）

CPU 资源数据

不完全统计，多个服务优化后，总计释放了 542C CPU 的资源。