快速开始
测试环境:go version go1.22.2 windows/amd64,源代码开源在 https://github.com/oldme-git/teach-study/tree/master/golang/base/pprof
在正式开始之前,请确保安装 graphviz
,这一步不可省略,它可以协助 pprof
生成更直观的数据分析图。可以参考官方网站的安装方法。
go
使用 runtime/pprof
包来对程序进行采样,当然,还有另外一个包 net/http/pprof
,这里先按下不表。先来看一个 CPU 分析的例子:
package mainimport ("math""math/rand""os""runtime/pprof"
)func main() {// 保存 CPU 采样数据file := "cpu.pprof"os.Remove(file)f, err := os.OpenFile(file, os.O_CREATE|os.O_RDWR, 0644)if err != nil {panic(err)}defer f.Close()// 开始采样err = pprof.StartCPUProfile(f)if err != nil {panic(err)}defer pprof.StopCPUProfile()// 测试程序for i := 0; i < 1000; i++ {nums := genRandomNumbers(10000)for _, v := range nums {_ = math.Pow(float64(v), rand.Float64())}}
}// 测试程序,生成一个随机数切片
func genRandomNumbers(n int) []int {nums := make([]int, n)for i := 1; i < n; i++ {nums[i] = rand.Int() * n}return nums
}
这是一个很简单的例子,运行 go run main.go
在当前目录下生成一个 cpu.pprof
文件。然后输入命令 go tool pprof cpu.pprof
进入 pprof
的命令行中。
PS D:\project\teach-study\golang\base\pprof\cpu> go run main.go
PS D:\project\teach-study\golang\base\pprof\cpu> go tool pprof cpu.pprof
File: main.exe
Build ID: C:\Users\half\AppData\Local\Temp\go-build787417447\b001\exe\main.exe2024-05-08 11:13:12.7105156 +0800 CST
Type: cpu
Time: May 8, 2024 at 11:13am (CST)
Duration: 1.26s, Total samples = 1.07s (85.20%)
Entering interactive mode (type "help" for commands, "o" for options)
(pprof)
pprof
命令有很多,可以输入 help
查看,不过一般常用的就两个: top
和 web
。输入 top5
可以查看前 5 的耗时调用。
// 输入
top5// 输出
Showing nodes accounting for 700ms, 65.42% of 1070ms total
Showing top 5 nodes out of 69flat flat% sum% cum cum%210ms 19.63% 19.63% 210ms 19.63% math.archLog180ms 16.82% 36.45% 180ms 16.82% math.archExp160ms 14.95% 51.40% 670ms 62.62% math.pow80ms 7.48% 58.88% 80ms 7.48% internal/chacha8rand.block70ms 6.54% 65.42% 70ms 6.54% math/rand.globalRand
来认识一下这五个指标:
flat | 是我们最关注的指标,它代表自身耗时,不包含内部调用。 |
falt% | 自身耗时相对于总耗时的百分比 |
cum | 自身耗时加上内部函数调用的总耗时 |
cum% | 自身耗时加上内部函数调用的总耗时相对于总耗时的百分比 |
sum% | 前 N 行的 flat% 之和。对于上述例子的第四行 58.88=19.63+16.82+14.95+7.48 |
只是依赖文字无法很好的理解这些指标,我们可以使用 web
命令来生成更直观的 svg
分析图。输入 web
命令后,会自动在浏览器打开 svg
:
svg
中的每个单元格包含了包名,函数名,flat, flat%, cum, cum%
:
单元格颜色越红,代表 cum
越大,反之越小;单元格越大,代表 flat
越大,反之越小。单元格之间的箭头线代表调用链,线越粗代表消耗的更多的资源,反之亦然。带有 inline
字段表示该函数被内联进了调用方(当作普通线处理就行)。
函数调用是存在一些固定开销的,例如维护帧指针寄存器BP、栈溢出检测等。因此,对于一些代码行比较少的函数,编译器倾向于将它们在编译期展开从而消除函数调用,这种行为就是内联。
更多的 Web UI
通过 web
命令已经可以获取很直观的性能分析图,我们还可以使用 -http
参数来启用一个 web
服务,获取更多的性能分析。输入 exit
退出 pprof
命令界面,输入命令:
go tool pprof -http=:7000 cpu.pprof
之后会自动在浏览器打开 http://localhost:7000/ui/
。
在 view
中可以使用火焰图(Flame Graph),火焰图有新旧两种,可以根据线的长短和颜色判断 CPU
耗时。其他的选项可以点点看看,不复杂,很容易就学会了。
web 服务采样
对于 web 服务的 pprof 采样,我们可以使用基于 runtime/pprof
封装的更便捷的 net/http/pprof
包。
package mainimport ("fmt""math""math/rand""net/http"_ "net/http/pprof"
)func main() {http.HandleFunc("/", func(w http.ResponseWriter, r *http.Request) {// 测试程序for i := 0; i < 1000; i++ {nums := genRandomNumbers(10000)for _, v := range nums {_ = math.Pow(float64(v), rand.Float64())}}fmt.Fprint(w, "Hello, world!")})http.ListenAndServe(":8080", nil)
}// 测试程序,生成一个随机数切片
func genRandomNumbers(n int) []int {nums := make([]int, n)for i := 1; i < n; i++ {nums[i] = rand.Int() * n}return nums
}
打开 http://127.0.0.1:8080/debug/pprof/ ,可以看到 pprof
的实时采样数据:
这里面一共有九个采样数据:
allocs | 查看历史累计的所有内存分配的采样数据 |
block | 查看历史累计的导致同步原语阻塞的堆栈跟踪 |
cmdline | 包含进程的完整命令行信息,通常用于记录程序启动时的命令行参数 |
goroutine | 实时查看当前所有运行的 goroutines 堆栈跟踪 |
heap | 实时查看活动对象的内存分配情况 |
mutex | 查看历史累计的导致互斥锁的竞争持有者的堆栈跟踪 |
profile | 进行 30s 的 CPU Profiling,浏览器会转圈,30s 后下载一个分析用的 profile 文件 |
threadcreate | 查看创建新 OS 线程的堆栈跟踪 |
trace | 程序执行 trace, 和其他样本数据不同的是,这个需要使用 go tool trace 来分析。trace 是一种更详细的性能分析工具,用于跟踪程序的执行过程,包括函数调用、协程切换等。 |
默认是不追踪 block
和 mutex
的,如果需要,在代码中加入这两个:
runtime.SetBlockProfileRate(1) // 开启 block
runtime.SetMutexProfileFraction(1) // 开启 mutex
这些信息都是实时变化的,刷新一下浏览器即可看见,但是这些信息不易阅读,我们可以把它们下载下来,使用 pprof
分析,以 allocs
为例:
// 下载 allocs 数据
curl -o allocs.pprof http://localhost:8080/debug/pprof/allocs
// pprof
go tool pprof .\allocs.pprof
非 Web 程序的其他采样
在快速开始部分已经介绍了 CPU
采样,对于其他采样,可以参考这段代码:
package mainimport ("math""math/rand""os""runtime/pprof"
)func main() {// 保存 CPU 采样数据file := "allocs.pprof"os.Remove(file)f, err := os.OpenFile(file, os.O_CREATE|os.O_RDWR, 0644)if err != nil {panic(err)}defer f.Close()// 测试程序for i := 0; i < 1000; i++ {nums := genRandomNumbers(10000)for _, v := range nums {_ = math.Pow(float64(v), rand.Float64())}}pprof.Lookup("allocs").WriteTo(f, 0)
}// 测试程序,生成一个随机数切片
func genRandomNumbers(n int) []int {nums := make([]int, n)for i := 1; i < n; i++ {nums[i] = rand.Int() * n}return nums
}