[TOC]

0x00 前言简述

在计算机性能调试领域里 profiling 是指对应用程序的画像，画像就是应用程序使用 CPU 和内存的情况。

Go语言是一个对性能特别看重的语言，所以其自带了 profiling 的库，本章将主要讲解怎么在 golang 中做 profiling。

Go语言项目中的性能优化主要有以下几个方面：
CPU profile：报告程序的 CPU 使用情况，按照一定频率去采集应用程序在 CPU 和寄存器上面的数据。
Memory Profile（Heap Profile）：报告程序的内存使用情况。
Block Profiling：报告 goroutines 不在运行状态的情况，可以用来分析和查找死锁等性能瓶颈。
Goroutine Profiling：报告 goroutines 的使用情况，以及 goroutine调用关系。

Q: 那如何进行程序性能数据的采集?
Go语言内置了获取程序的运行数据的工具，包括以下两个标准库：

• runtime/pprof：采集工具型应用运行数据进行分析
• net/http/pprof：采集服务型应用运行时数据进行分析

Tips: 当pprof被引用开启后，每隔一段时间（10ms）就会收集下当前的堆栈信息，获取各个函数占用的CPU以及内存资源；最后通过对这些采样数据进行分析，形成一个性能分析报告。

Tips: 通常在我们进行性能测试时会与基准测试联用，找出程序最需要优化的点，【非常注意】我们只在进行性能测试的时候才在代码中引入pprof。

0x01 性能调试工具实践

1.工具型应用

描述: 如果你的应用程序是运行一段时间就结束退出类型。那么最好的办法是在应用退出的时候把 profiling 的报告保存到文件中，进行分析。对于这种情况可以使用runtime/pprof库。

首先在你测试的代码中导入runtime/pprof工具: import "runtime/pprof", 其主要包含了CPU 和 内存等性能分析。

CPU性能分析: 它会在应用执行结束后生成一个文件，保存了程序执行过程中的 CPU profiling 数据, 得到采样数据之后，我们可以使用go tool pprof工具进行CPU性能分析。

// 开启CPU性能分析：
pprof.StartCPUProfile(w io.Writer)

// 停止CPU性能分析：
pprof.StopCPUProfile()

内存性能优化 得到采样数据之后，使用go tool pprof工具进行内存性能分析。

// 记录程序的堆栈信息
pprof.WriteHeapProfile(w io.Writer)

Tips: 默认它是使用-inuse_space进行统计，还可以使用-inuse-objects查看分配对象的数量。

2.服务型应用

描述: 如果你的应用程序是一直运行的，比如 web 应用，那么可以使用net/http/pprof库，它能够在提供 HTTP 服务进行分析。

首先，你需要在web server端代码中按如下方式导入net/http/pprof, 例如 import _ "net/http/pprof", 它表示只加载init方法而不是使用其的方法。

如果你的Web Server使用了默认的 http.DefaultServeMux 通常是代码直接使用 `http.ListenAndServe(“0.0.0.0:8000”, nil) , 按照上述要求导入即可。

如果你使用自定义的 Mux，则需要手动注册一些路由规则：

r.HandleFunc("/debug/pprof/", pprof.Index)
r.HandleFunc("/debug/pprof/cmdline", pprof.Cmdline)
r.HandleFunc("/debug/pprof/profile", pprof.Profile)
r.HandleFunc("/debug/pprof/symbol", pprof.Symbol)

r.HandleFunc("/debug/pprof/trace", pprof.Trace)

如果你使用的是gin框架，那么推荐使用github.com/gin-contrib/pprof，在代码中通过以下命令注册pprof相关路由: pprof.Register(router)

Tips: 总之,不管是那种方式，你的 HTTP 服务都拥有/debug/pprof endpoint，访问它会得到Server端程序相关的Allocs、Goroutine以及Heap等信息：

• /debug/pprof/profile：CPU profiling的路径，访问此链接会持续记录 30s并生成一个文件供下载。
• /debug/pprof/heap： Memory Profiling 的路径，访问这个链接会得到一个内存 Profiling 结果的文件。
• /debug/pprof/block：block Profiling 的路径
• /debug/pprof/goroutines：记录运行的 goroutines 列表，以及调用关系。

3.pprof 命令语法

描述: 不管是工具型应用还是服务型应用，我们使用相应的pprof库获取数据之后，下一步的都要对这些数据进行分析，我们可以使用go tool pprof命令行工具。

go tool pprof 最简单的使用方式为 go tool pprof [binary] [source] ,其中

• binary 是应用的二进制文件，用来解析各种符号；
• source 表示 profile 数据的来源，可以是本地的文件，也可以是 http 地址。

Tips: 非常注意获取的 Profiling 数据是动态的，要想获得有效的数据，请保证应用处于较大的负载（比如正在生成中运行的服务，或者通过其他工具模拟访问压力）。如果应用处于空闲状态，得到的结果可能没有任何意义。

pprof与性能测试结合
描述: go test, 命令有两个参数和 pprof 相关，它们分别指定生成的 CPU 和 Memory profiling 保存的文件：

• -cpuprofile：cpu profiling 数据要保存的文件地址
• -memprofile：memory profiling 数据要报文的文件地址

比如下面执行测试的同时，也会执行 CPU profiling，并把结果保存在 cpu.prof 文件中：go test -bench . -cpuprofile=cpu.prof

比如下面执行测试的同时，也会执行 Mem profiling，并把结果保存在 cpu.prof 文件中：go test -bench . -memprofile=./mem.prof

Tips: 特别注意Profiling 一般和性能测试一起使用,在前文我们也提到过，只有应用在负载高的情况下 Profiling 才有意义。

实践案例:

➜ go test -bench . -cpuprofile=cpu.prof
  # goos: linux
  # goarch: amd64
  # pkg: weiyigeek.top/studygo/Day08/07perfomance/testdemo
  # cpu: Intel(R) Core(TM) i5-3570 CPU @ 3.40GHz
  # BenchmarkFib1-4           365628              3098 ns/op
  # BenchmarkFibOpt1-4        592876              1946 ns/op
  # BenchmarkFib2-4             4468            230122 ns/op
  # BenchmarkFibOpt2-4          8101            142212 ns/op
  # PASS
  # ok      weiyigeek.top/studygo/Day08/07perfomance/testdemo       4.720s

➜ go tool pprof cpu.prof   
  # File: testdemo.test
  # Type: cpu
  # Time: Nov 29, 2021 at 10:58am (CST)
  # Duration: 4.72s, Total samples = 4.58s (97.12%)
  # Entering interactive mode (type "help" for commands, "o" for options)
  # (pprof) top3
  # Showing nodes accounting for 4.55s, 99.34% of 4.58s total
  # Dropped 31 nodes (cum <= 0.02s)
  # Showing top 3 nodes out of 10
  #       flat  flat%   sum%        cum   cum%
  #     4.55s 99.34% 99.34%      4.55s 99.34%  weiyigeek.top/studygo/Day08/07perfomance/testdemo.calcStep
  #         0     0% 99.34%      4.56s 99.56%  testing.(*B).launch
  #         0     0% 99.34%      4.57s 99.78%  testing.(*B).runN

4.简单示例

示例1.首先我们来写一段有问题的代码

// weiyigeek.top/studygo/Day08/07perfomance/pporftest/main.go
// 进行Go语言性能测试的用例代码。
package main

import (
  "flag"
  "fmt"
  "os"
  "runtime/pprof"
  "time"
)

// logicCode 函数中包含一段有问题的代码
func logicCode() {
  var c chan int // 未对通道c进行初始化 make(chan int)
  for {
    select {
    case v := <-c: // 此时处于阻塞的状态
      fmt.Printf("recv from chan, value:%v\n", v)
    default:
      // time.Sleep(time.Second)  // 问题解决办法
    }
  }
}

// main 性能测试入口函数
func main() {
  // 开发规范一致性
  var (
    isCPUPprof, isMemPprof bool
  )
  // flag包主要接收命令行参数以及解析，此时我们可以在命令行控制是否开启CPU和Mem的性能分析
  flag.BoolVar(&isCPUPprof, "cpu", false, "turn cpu pprof on")
  flag.BoolVar(&isMemPprof, "mem", false, "turn mem pprof on")
  flag.Parse()

  // 是否进行CPU心理测试
  if isCPUPprof {
    // 在当前可执行程序下创建一个cpu.pprof文件
    f1, err := os.Create("./cpu.pprof")
    if err != nil {
      fmt.Printf("create cpu pprof failed, err:%v\n", err)
      return
    }
    // 往文件中记录CPU Profile信息
    pprof.StartCPUProfile(f1)
    defer func() {
      pprof.StopCPUProfile()
      f1.Close()
    }()
  }

  // 进行性能测试的函数调用，此处时并发
  for i := 0; i < 8; i++ {
    go logicCode()
  }
  time.Sleep(20 * time.Second)

  // 是否进行内存分析?
  if isMemPprof {
    f2, err := os.Create("./mem.pprof")
    if err != nil {
      fmt.Printf("create mem pprof failed, err:%v\n", err)
      return
    }
    pprof.WriteHeapProfile(f2)
    f2.Close()
  }
}

编译执行:

➜  pporftest go build                             
➜  pporftest ./pporftest -cpu true  // 等待30秒后会在当前目录下生成一个cpu.pprof文件。
➜  pporftest ls
cpu.pprof  main.go  pporftest

当执行pporftest程序生成cpu.pprof文件后，我们可以通过下面的两种方式进行查看分析结果。

• 第一种，是使用go工具链里的pprof来进入交互界面查看分析结果。
• 第二种，是使用graphviz图形化工具，通过svg图的方式查看程序中详细的CPU占用情况

命令行交互界面

# 1.分析程序的cpu.pprof文件
$ go tool pprof cpu.pprof
File: pporftest
Type: cpu
Time: Nov 27, 2021 at 2:14pm (CST)
Duration: 20.17s, Total samples = 57.72s (286.19%)
Entering interactive mode (type "help" for commands, "o" for options)
(pprof) top  # 来查看程序中占用CPU前几位的函数：
Showing nodes accounting for 57.71s, 100% of 57.72s total
Dropped 5 nodes (cum <= 0.29s)
      flat  flat%   sum%        cum   cum%
    22.36s 38.74% 38.74%     41.66s 72.18%  runtime.selectnbrecv
    19.30s 33.44% 72.18%     19.30s 33.44%  runtime.chanrecv
    16.05s 27.81%   100%     57.71s   100%  main.logicCode   # 罪魁祸首其占用的CPU耗时累计已达到100%

# 结果中五个关键参数浅析
  # * flat：当前函数占用CPU的耗时
  # * flat：:当前函数占用CPU的耗时百分比
  # * sun%：函数占用CPU的耗时累计百分比
  # * cum：当前函数加上调用当前函数的函数占用CPU的总耗时
  # * cum%：当前函数加上调用当前函数的函数占用CPU的总耗时百分比
  # * 最后一列：函数名称

# 2.使用list 函数名命令查看具体的函数分析，例如执行list logicCode查看我们编写的函数的详细分析。
(pprof)  list logicCode
Total: 57.72s
ROUTINE ======================== main.logicCode in /home/weiyigeek/app/program/project/go/src/weiyigeek.top/studygo/Day08/07perfomance/pporftest/main.go
  16.05s     57.71s (flat, cum)   100% of Total
        .          .     12:// logicCode 函数中包含一段有问题的代码
        .          .     13:func logicCode() {
        .          .     14:   var c chan int // 未对通道c进行初始化
        .          .     15:   for {
        .          .     16:           select {
  16.05s     57.71s     17:           case v := <-c: // 此时处于阻塞的状态   # 可以看到就是此行有问题。
        .          .     18:                   fmt.Printf("recv from chan, value:%v\n", v)
        .          .     19:           default:
        .          .     20:
        .          .     21:           }
        .          .     22:   }

Tips: 在大多数的情况下，我们可以通过分析上面五列(关键指标)得出一个应用程序的运行情况，并对程序进行优化。

总结：通过上面的结果分析发现大部分CPU资源被17行占用，我们分析出select语句中的default没有内容会导致上面的case v:=<-c:一直执行, 我们在default分支添加一行time.Sleep(time.Second)即可, 此时我们再次查看分析结果:

➜ go build
➜ ./pporftest -cpu true
➜ go tool pprof cpu.pprof      
(pprof) top
Showing nodes accounting for 0, 0% of 0 total
      flat  flat%   sum%        cum   cum%

graphviz 可视化图形工具
项目地址: https://graphviz.gitlab.io/

# 1.graphviz工具安装(它会自动设置环境变量)
➜ sudo apt install graphviz # // Ubuntu
brew install graphviz     # // Mac

# 2.验证工具是否安装配置成功
➜ dot -version
dot - graphviz version 2.43.0 (0)
libdir = "/usr/lib/x86_64-linux-gnu/graphviz"
Activated plugin library: libgvplugin_dot_layout.so.6
Using layout: dot:dot_layout
Activated plugin library: libgvplugin_core.so.6
Using render: dot:core
Using device: dot:dot:core
The plugin configuration file:
        /usr/lib/x86_64-linux-gnu/graphviz/config6a
                was successfully loaded.
    render      :  cairo dot dot_json fig gd json json0 map mp pic pov ps svg tk visio vml vrml xdot xdot_json
    layout      :  circo dot fdp neato nop nop1 nop2 osage patchwork sfdp twopi
    textlayout  :  textlayout
    device      :  canon cmap cmapx cmapx_np dot dot_json eps fig gd gd2 gif gv imap imap_np ismap jpe jpeg jpg json json0 mp pdf pic plain plain-ext png pov ps ps2 svg svgz tk vdx vml vmlz vrml wbmp webp x11 xdot xdot1.2 xdot1.4 xdot_json xlib
    loadimage   :  (lib) eps gd gd2 gif jpe jpeg jpg png ps svg webp xbm

# 3.此时我们通过dot生成的图片查看程序的CPU占用情况。
➜ go build && ./pporftest -cpu true && go tool pprof cpu.pprof
File: pporftest
Type: cpu
(pprof) gif
Generating report in profile001.gif

weiyigeek.top-graphviz可视化性能占比查看

补充说明: 除了分析CPU性能数据，pprof也支持分析内存性能数据.
比如，使用下面的命令分析http服务的heap性能数据，查看当前程序的内存占用以及热点内存对象使用的情况。

# 查看内存占用数据
go tool pprof -inuse_space http://127.0.0.1:8080/debug/pprof/heap
go tool pprof -inuse_objects http://127.0.0.1:8080/debug/pprof/heap
# 查看临时内存分配数据
go tool pprof -alloc_space http://127.0.0.1:8080/debug/pprof/heap
go tool pprof -alloc_objects http://127.0.0.1:8080/debug/pprof/heap

0x02 第三方性能调试工具实践

1.Go-torch

描述: 火焰图（Flame Graph）是 Bredan Gregg 创建的一种性能分析图表，因为它的样子近似 🔥 而得名;
上面的 profiling 结果也是转换成火焰图，所以这里我们要介绍一个工具go-torch，它 是 uber 开源的一个工具，可以直接读取 golang profiling 数据，并生成一个火焰图的 svg 文件。

火焰图 svg 文件可以通过浏览器打开，它对于调用图的最优点是它是动态的，我们可以通过点击每个方块来 zoom in 分析它上面的内容。

火焰图的调用顺序从下到上，每个方块代表一个函数，它上面一层表示这个函数会调用哪些函数，方块的大小代表了占用 CPU 使用的长短。

Tips: 火焰图的配色并没有特殊的意义，默认的红、黄配色是为了更像火焰而已。

环境安装:

# 安装 go-torch
go get -v github.com/uber/go-torch

# 安装 FlameGraph
# Perl 安装 https://www.perl.org/get.html
git clone https://github.com/brendangregg/FlameGraph.git
# 将FlameGraph目录加入到操作系统的环境变量中。

# 最后在go-torch目录下执行
go install

工具参数浅析:

go-torch 格式与参数:
# -u –url：要访问的 URL，这里只是主机和端口部分
# -s –suffix：pprof profile 的路径，默认为 /debug/pprof/profile
# –seconds：要执行 profiling 的时间长度，默认为 30s
go-torch -u http://localhost:8080 -s /debug/pprof/profile –seconds 30

工具使用实践:

# 压测工具wrk
https://github.com/adjust/go-wrk

# 使用wrk进行压测:
go-wrk -n 50000 http://127.0.0.1:8080/book/list

# 在上面压测进行的同时，打开另一个终端执行, 然后30秒之后终端会初夏如下提示：Writing svg to torch.svg:
go-torch -u http://127.0.0.1:8080 -t 30

# 此外还可以借助火焰图分析内存性能数据：
go-torch -inuse_space http://127.0.0.1:8080/debug/pprof/heap
go-torch -inuse_objects http://127.0.0.1:8080/debug/pprof/heap
go-torch -alloc_space http://127.0.0.1:8080/debug/pprof/heap
go-torch -alloc_objects http://127.0.0.1:8080/debug/pprof/heap

然后我们使用浏览器打开torch.svg就能看到如下火焰图了。

Q: 如分析 Flame Graph 火焰图?

描述: 火焰图的y轴表示cpu调用方法的先后，x轴表示在每个采样调用时间内方法所占的时间百分比，越宽代表占据cpu时间越多。
通过火焰图我们就可以更清楚的找出耗时长的函数调用，然后不断的修正代码，重新采样，不断优化。

2.Go-wrk 压测工具

压测工具 wrk 后面使用到再介绍 推荐使用 https://github.com/wg/wrk 或 https://github.com/adjust/go-wrk.