大规模C++编译性能优化系统OMAX介绍

导读：本文探索&研究了大规模C/C++服务编译性能优化相关技术，优化服务性能，降低机器成本，同时为了支持规模推广应用，降低业务线接入成本，保障优化效果，进行面向云上微服务，开展平台化优化服务系统OMAX建设，并在百度推荐系统上大规模应用，取得线上服务CPU性能优化10%+和上线速度提升40%+双收益，优化后服务运行稳定，性能收益持续。

全文11509字，预计阅读时间29分钟。

一、背景

随着大型互联网公司的业务不断发展，后端C++模块的逻辑处理越来越复杂，且参与开发人员众多，代码质量参差不齐，服务面临性能不断退化风险，大型程序模块，常见的通过代码上优化，主要存在以下问题：

• 成本高：典型推荐业务服务海量代码，逻辑功能复杂，有的往往需要深入理解业务进行优化，优化门槛高

• 效率低：模块迭代频繁，定向优化，没有一定的通用性和可持续性，往往随着迭代优化逐渐消失优势，需要不断循环往复投入开展优化

---

二、编译优化技术简介

编译优化技术，主要通过编译器或者优化工具框架来优化改写代码实现，实现性能提升，同时保障和未优化时功能上一致，对于代码开发者透明，这样可降低人工代码优化成本，提升优化效率，且可持续解决一类性能问题。

目前编译性能优化技术，按照编译过程来划分，主要有编译期，链接期和编译后的优化，下面简要介绍下这些优化技术特点，使用方式和优化效果等情况。

2.1 编译期

• 基础参数优化

在程序编译期间进行的优化，主要是基于编译器提供的能力，在不同的场景，综合编译时间，编译产出体积大小、性能优化幅度和CPU硬件支持等权衡选择最合适的优化参数，各参数优化汇总如下表：

优化效果：

通过测试程序(排序算法)，验证下参数类优化效果，测试O3优化情况下，相比没有开优化方式，处理性能提升49%，可见参数优化简单有效。

• PGO反馈编译优化技术

FDO/AutoFDO

通过收集程序性能优化数据，编译期间结合该性能反馈数据，指导编译器进行精准优化，产出优化程序过程，根据收集性能数据方式，主要包含以下两种优化技术：

优化步骤：

FDO

1.插桩版本编译：首先编译特殊的插桩版本，这个用于采集性能数据

gcc test.c -o test_instrumented -fprofile-generate

2.数据采集：运行插桩版本的程序，程序退出后产出收集的数据test.gcda

./test_instrumented

3.编译优化：数据采集完成后，编译器基于该数据在编译器进行再次编译优化

gcc -O3 test.c -o test_fdo -fprofile-use=test.gcda

AutoFDO

1.数据采集：通过perf工具收集运行时的程序，产出性能数据perf.data

perf record -b -e br_inst_retired.near_taken:pp -- ./test

2.数据转换：结合程序，将perf.data性能数据，转换为函数信息，供后续编译器优化使用

create_gcov --binary=./test --profile=perf.data --gcov=test.gcov -gcov_version=1

3.编译优化：gcov数据准备好了，编译器基于此数据开展编译器的优化

gcc -O3 -fauto-profile=test.gcov test.c -o test_autofdo

优化效果：

通过测试程序，测试FDO和AutoFDO优化的处理性能，相对比O3基础上，FDO性能提升11.4%，AutoFDO性能提升11.5%，可以见反馈优化还能进一步提升可观的性能。

2.2 链接期

LTO

编译器在link阶段进行的优化，由于在编译尾部阶段，能够获取全部的object文件，这样可以以全局视角进行优化，进一步优化提升性能，目前主要有以下几种， GCC编译器 >=4.7, TinLTO Clang编译器

主要优化项:

优化效果：

通过测试程序，加入-flto优化，相对O3基础上，发现有8%左右性能提升

2.3 链接后

BOLT

Facebook最新开源的链接后的反馈优化技术, 基于LLVM基础框架开发，目前已合入llvm-project作为其一部分， 在其公司内部服务和大型C++程序Clang & GCC实践验证，采用反馈数据指导框架优化程序技术，执行程序bin + 反馈profile数据进行优化，优化产出新的bin，目前支持主要的X86-64 and AArch64 ELF程序格式。

主要特点：

1. 对程序和GCC编译器版本要求低

2. 采用perf收集性能数据，可在生产和测试环境生产优化数据，对服务影响低

3. 一般的大型程序（40w+）优化速度快，实际优化过程平均4-5min，优于FDO/AutoFDO优化时长(15min+)

主要优化项：

优化步骤：

1.数据采集

通过perf工具采集程序运行时CPU LBR (branch information)事件，可通过采样频率和时间控制采集一定指令数(>=1B指令)的数据perf.data，供后续优化使用。

#非常驻服务
perf record -e cycles:u -j any,u -o perf.data --   ...
#常驻服务
perf record -F   -e cycles:u  -o  perf.data  -j any,u -a -p  -- sleep 

主要参数说明：

-F 采样频率

-o perf.data 输出采样文件

-p 程序进程pid

– sleep 采样时长，单位秒

2.数据转换

perf.data 采集好之后，使用bolt框架工具perf2bolt 进行优化数据格式转换

perf2bolt -p perf.data -o perf.fdata 

3.优化处理

perf.fdata 优化数据准备好之后，使用bolt框架工具llvm-bolt 进行程序优化，产出.bolt程序

llvm-bolt -enable-bat=1  -o .bolt -data perf.fdata  -align-macro-fusion=all  -reorder-blocks=cache+ -reorder-functions=hfsort+ -split-functions=3 -split-all-cold -split-eh -dyno-stats -icf=1 -update-debug-sections

主要参数说明:

-enable-bat=1 支持bolt优化程序再次循环优化

-reorder-functions=hfsort+ 支持多种算法选择

-dyno-stats 指令优化统计输出

-update-debug-sections debug版本

优化效果：

Facebook数据中心服务，BOLT应用实现了高达7.0%的性能加速。开源的程序GCC和Clang编译器测试，评估表明，BOLT在FDO和LTO的基础上将程序的处理速度提高了20.4%，如果程序在构建时没有FDO和LTO，则速度将提高52.1%

通过测试程序对比，使用BOLT优化，对比O3优化提升18%性能。

---

三、整体技术架构方案

基于以上的编译优化技术，大规模C++系统上实践落地，面临一些问题&挑战。

• 接入成本：内部系统有大量微服务模块，代码版本和编译参数不一，开源技术至工程可实践问题，反馈优化技术数据如何收集和维护，如何高效支持复杂模块的低成本接入问题；

• 优化速度：业务迭代频繁， 如何在不影响变更上线效率前提下，保障优化效果，支持高效优化。

通过探索研究编译全流程相关的优化技术，设计通用的全流程优化解决方案，支持多种优化技术组合优化，目标实现优化效果最大化，满足多场景业务需求。

平台优化整体架构，见图1，主要包括用户接入，优化系统和数据系统，实现从业务接入至优化产出过程闭环处理，降低业务接入成本，提升优化效率。

△图____1 omax性能优化系统架构

3.1 用户接入

通过插件化方式接入后端优化服务，实现前端轻量级接入，后端复杂内部处理逻辑对业务透明，同时开放API方式兼顾其它场景接入。

3.1.1 流水线插件

百度内流水线式流程任务处理平台插件：基于现有流水线开放能力，开发优化接入插件，发布至公共插件中心供各业务线接入使用

△图____2 流水线pipeline接入优化插件

主要能力：

1. 独立建设优化阶段：接入阶段见图2，作为流水线一个阶段插入，将所有的优化收敛到此阶段，整体支持灵活动态热插拔，功能开启和关闭可一键控制。

2. 核心多产品优化机制：多产品概念，主要是这样一种开发和上线模式，基于同一套代码库，通过派生生成不同的配置，实现不同服务功能，广泛应用于不同的产品需求中，提升架构&代码能力复用。如何优化此类常见的迭代模式，设计基于流水线的多产品优化机制，用于一条流水线，兼容优化每个产品的产出，并保障各自的优化版本部署隔离控制。

△图3 多产品优化机制

多产品机制见图3，主要由基于流水线任务处理的前端各插件，omax优化插件, 测试任务，发布插件，上线插件等，联动后端优化系统omax-server，上线系统，产品库等，通过唯一产品标识(流水线名+产品)，串联该产品的优化，发布和上线相关处理流程。

1）产品选择阶段：通过列表方式选择，支持默认方式(提供选择不做优化)，字段需要唯一，实践中我们以app上线模板名称为标识，后续阶段依赖此选择，做进一步串联处理。

2）优化插件处理阶段：插件将产品&流水线信息传递至后端服务，通过产品信息获取对应的优化数据，进行优化处理，并发布至产品库，返回发布地址至插件端生效，供后续测试和发布阶段处理。

3）测试&准入阶段：根据产品标识信息，选择相应的词表和测试策略，进行服务的功能、性能和稳定性测试。

4）发布阶段：设计防退化机制，该阶段将优化的唯一tag信息写入产品库产品的meta信息中，标记为优化版本，通过与上线平台tower制定校验规则，保障优化版本匹配上线，防止上线平台误选未优化或者其它产品版本上线，导致性能退化。

5）上线阶段：在流水线上线阶段，如果产品标识和上线模板匹配，不用再次选择上线模板，直接跳过选择模板过程发单上线，简化上线流程。

3.1.2 API接入

流水线之外，还提供原生的API接入，支持其它场景的接入需求，如编译和线下测试平台等，主要包含接口：触发任务的执行，查询当前任务状态，取消当前正在执行的任务等接口，通过HTTP方式，携带注册认证信息，与后端优化服务进行交互。

3.2 优化系统

优化系统作为服务提供者，支持优化的高效运转，主要从这几个方面来设计考虑：

• 动态弹性扩展：分布式任务调度运行框架设计，支持资源横向扩展，解决多任务处理负载问题，支持云上部署；

• 快速开发框架：通过设计分层的开发架构机制，将架构和业务功能解耦，业务开发支持python和shell等脚本语言方式，实现测试同学也能快速入手开发，降低开发门槛，提升对业务快速适配能力。

优化系统主要包含以下几个核心部分：

• Webserver是OMax系统后端server的入口，主要功能是解析请求参数，并对一些参数配置进行DB (数据库)读取或写入操作，最后将包含Worker所需完整参数的请求转发给TaskManager。

• TaskManager是一个分布式任务调度系统，支持多任务并行处理、动态横向扩缩容，通过webserver对外提供服务入口，TaskManager接收到webserver的请求后会分配一个Worker来处理具体业务；

• Worker是具体业务的实际执行者，它由dispatcher和任务执行单元组成，dispatcher依据请求参数的不同，将不同请求分发到不同的任务执行单元上，任务执行单元支持横向或纵向扩展，可以快速接入新的业务需求，计划的任务执行单元有性能优化，发布，优化数据格式转换、监控和定时任务等。

3.3 数据系统

数据系统承担对所有优化任务的数据供给功能，数据的稳定，准确与否直接影响性能的优化情况，所有数据系统的设计上主要从数据准确性，产出能力，数据管理能力等方面考虑，开展相应的建设。

数据系统主要由采集端模块Sample、数据转换、数据管理等几部分构成。通过在实例粒度上部署采集Sample (非常驻进程，没有采集任务时不消耗任何资源)，将采集到的数据传输到存储服务，远程采集的具体实例、采集周期以及采集时间点都由任务中控控制，并且支持不同服务的个性化配置，然后数据转换任务进行perf数据至profile优化数据格式转换，最终对数据打上版本信息，存储入库，供优化任务拉取处理。核心主要包括以下三部分：

• 数据采集：线上数据 + 线下数据（构造+引流），满足全方位的数据需求，支持多场景业务；

• 数据转换：实时+例行转换，兼顾性能、效率和资源消耗，覆盖全场景业务

• 数据管理：数据版本管理，支持数据按版本优化，同时满足异常时回滚需求，提升优化兼容能力。

3.4 系统报警监控机制

整个优化服务的平稳运行，离不开完善的监控报警机制，通过自身架构任务分发机制和处理能力，建设自闭环的监控机制，辅助机器人巡检能力，及时感知优化和数据的异常处理情况，方便运维及时进行相关的异常排查处理，保障系统稳定运行。主要从以下三个核心方面，保障优化系统的服务质量。

• 数据规模：例行的数据采集规模覆盖度监控任务，保障优化精度，天级汇总优化数据生产和优化处理运行情况，消息群和邮件通知；

• 指令数覆盖：优化规模指令数不足拦截机制；

• 任务异常：架构通过唯一ID标识任务运行标识，中间处理过程可追溯，异常时消息群和邮件及时通知。

---

四、关键技术

4.1 组合叠加优化

通过在优化的编译期，链接期和链接后三个阶段，各种采用相应的优化技术，综合叠加优化，实现最大化的优化效果，流水线主要优化过程见图4。

△图4 组合叠加优化

4.1.1 编译期

• 基础参数优化

工程实践：

1.优化参数选择：

O系列: 生产环境主要使用-O3优化，开发调试使用-Og方式，保障调试体验下具备一定的性能提升。

CPU指令集：通过cpu-z工具获取支持的CPU型号，可选择使用开启编译指令mmx, sse, avx的程序版本。

代码生成：静态库fno-pic，目前存在不少静态库依赖库使用fpic场景，进行编译适配，提升整体性能。

2.最大化优化效果：

大型服务主要由主模块+依赖模块构成，独立功能模块便于代码间复用，提升程序健壮性和开发效率，但是参数优化一般只在主模块配置，这样依赖模块不生效，影响整体优化效果。

通过联合编译平台，实现全局参数配置生效编译方式，将优化参数携带到所有模块参与编译，如GO3 开启全局03优化, 实现全模块优化效果。

• PGO反馈编译优化技术-FDO/AutoFDO

工程实践：

1.FDO

应用程序要求：目前随程序启动常驻线程较多，大多没有退出处理，有的主要通过_exit(0)等方式退出，由于优化数据产出依赖程序优雅退出，所以需要对程序启动的线程做退出处理。

编译器要求：建议GCC>=8.2以上，编译要求两次编译代码及其依赖版本保持一致。

2.AutoFDO

应用程序要求：实际大型程序编译，涉及依赖模块众多，有的以编译好的.a或so形式引入，这样参与编译优化时，存在一些编译优化失败，建议尽量源码形式参与编译，提升优化覆盖面，减少异常编译优化错误。

编译器要求：建议GCC>=8.2以上。

4.1.2 链接期

LTO

工程实践：

应用程序要求：接入简单，编译时添加链接参数-flto参数即可，针对FDO编译添加"-fprofile-correction"选项纠正多线程收集的数据一致性问题；

编译器要求：建议GCC>=8.2以上，相对gcc ld链接器，提升优化速度可使用llvm的lld link器替换。

4.1.3 链接后

BOLT

工程实践

1. 应用适配：对于GCC8 添加编译参数 -freorder-blocks-and-partition，对依赖模块尽量要求以源码方式参与编译，如果存在对应库优化失败，通过添加编译参数重新编译即可。

2. 开源BOLT工具深度优化改造：从开源至实践面临一些可用性和易用性问题，我们通过研究框架，开展深入改造，以满足工程实践要求，主要包括以下核心方面。

• 支持>=10G以上优化数据处理，提升对海量数据的适配，满足大量规模服务数据优化需求

• 优化对perf采集的大数据量>=5G+ 至优化profile数据格式解析，并行化改造处理，提升优化速度

• 完善关键优化路径调试信息，方便快速调试和定位优化失败问题，解决依赖兼容高效定位问题

3. 线上环境数据采集适配

• perf对采集CPU硬件事件支持，通过机器生效以下配置，支持主要的lbr事件采集

1.修改不重启机器，立即生效：
echo -1 > /proc/sys/kernel/perf_event_paranoid
2.设置永久生效（防止机器重启失效）
/etc/sysctl.conf
kernel.perf_event_paranoid = -1
3.提升软限大小设置
/etc/security/limits.conf
*soft nofile 65535
*hard nofile 65535

• 规模数据采集验证

统计机器CPU型号，按照类型收集采样数据，测试不同型号和及其合并后，采样数据和热点函数对应情况

4.2 异步+同步优化模式

异步优化, 兼容性能和优化速度，提升实践落地可用性，满足大部分业务高频迭代场景的需求, 见图5，主要包含以下几个部分：

• 解耦反馈优化数据产出和优化过程使用，优化和数据准备独立开展，通过数据引用关联，提升优化速度(40min->5min)

• 线上生产环境+规模批量收集数据，提升优化的准确性，解决采样概率上的丢失和覆盖不足问题，提升优化效果

• 优化数据定时和例行同步生产，不断接近同步优化的效果，提升优化效果

此外流水线场景下，还支持同步优化，并给异步贡献优化数据，满足实践中实时优化的需求，追求最大优化

△图5 omax高效性能优化模式

4.3 快速上线

在取得最大性能优化的同时，还可以通过release和debug优化模式，优化缩减程序bin体积大小，提升上线时候部署速度，通过建立快速上线机制，实现业务快速接入，见图6。

• omax后台优化服务，扩展支持两种release和debug版本优化产出，优化缩减体积大小，同时支持异常core时debug信息查看；

• 支持通用的strip裁剪模式，实现普通未使用优化服务，也都可接入使用快速上线能力；

• release和debug版本建立版本映射，线上服务使用release，查core拉取对应debug版本解析。

主要处理过程：

快速上线：上线发布产出时，支持同时产出debug和release版本，两者建立映射关系，通过release优化发布包中添加debug-meta的信息，用于线上异常core时，拉取debug版本, 使用gdb查看堆栈和函数信息。

一键debug：提供debug版本快捷拉取机制，由于debug版本体积较大，对于线上场景成功拉取后，根据登录和超时状态，实现debug文件自动清理退场，保障线上环境安全。

△图6 快速上线和简化查core机制

4.4 性能数据仓库

基于线上性能采集数据通路和反馈数据技术使用到的profile性能数据，建立长期可记录、可追踪的性能退化分析数据仓库，见图7，用于进一步性能优化分析，指导代码改进优化，主要包含以下部分。

• perf性能优化数据热点分析，指导代码层面的分析优化；

• 程序调用cpu火焰图&指令miss数据，用于发现和优化程序热点调用函数栈问题

• mem指令miss数据，用于分析内存性能问题。

△图7 线上服务性能数据仓库机制

---

五、落地&收益情况

目前该平台在百度核心推荐系统全面落地，覆盖推荐系统所有主要模块，优化云上微服务容器数万级以上，实现CPU优化10%+，时延降低5%+，上线速度提升40%+，发布包大小减少10倍+，服务运行稳定，性能收益持续，有力支撑服务大量的优化需求，降本增效，支撑业务高速发展。

作为后续，本项目也在不断探索大规模C++服务开发的最佳实践，也欢迎志同道合者共同探讨。

六、参考资料

【1】Maksim Panchenko, Rafael Auler, Bill Nell, Guilherme Ottoni. BOLT: A Practical Binary Optimizerfor Data Centers and Beyond. Facebook, Inc.

【2】Dehao Chen，David Xinliang Li，Tipp Moseley. AutoFDO: Automatic Feedback-DirectedOptimization for Warehouse-Scale Applications. Google Inc.

【3】https://github.com/facebookincubator/BOLT/tree/main/bolt

【4】https://github.com/google/autofdo

【5】https://github.com/VictorRodriguez/autofdo_tutorial

【6】https://gcc.gnu.org/wiki/AutoFDO/Tutorial

【7】https://clang.llvm.org/docs/ThinLTO.html#introduction

【8】https://gcc.gnu.org/onlinedocs/gcc/Optimize-Options.html

推荐阅读：

移动端异构运算技术-GPU OpenCL 编程（基础篇）

云原生赋能开发测试

基于Saga的分布式事务调度落地

Spark离线开发框架设计与实现

爱番番微前端框架落地实践