一、golang 程式效能調優
在 golang 程式中，有哪些內容需要除錯優化？
一般常規內容：
- cpu：程式對cpu的使用情況 - 使用時長，佔比等
- 記憶體：程式對cpu的使用情況 - 使用時長，佔比，記憶體洩露等。如果在往裡分，程式堆、棧使用情況
- I/O：IO的使用情況 - 哪個程式IO佔用時間比較長
golang 程式中：
- goroutine：go的協程使用情況，呼叫鏈的情況
- goroutine leak：goroutine洩露檢查
- go dead lock：死鎖的檢測分析
- data race detector：資料競爭分析，其實也與死鎖分析有關
上面是在 golang 程式中，效能調優的一些內容。
有什麼方法工具除錯優化 golang 程式？
比如 linux 中 cpu 效能除錯，工具有 top，dstat，perf 等。
那麼在 golang 中，有哪些分析方法？
golang 效能除錯優化方法：
- Benchmark：基準測試，對特定程式碼的執行時間和記憶體資訊等進行測試
- Profiling：程式分析，程式的執行畫像，在程式執行期間，通過取樣收集的資料對程式進行分析
- Trace：跟蹤，在程式執行期間，通過採集發生的事件資料對程式進行分析
profiling 和 trace 有啥區別？
profiling 分析沒有時間線，trace 分析有時間線。
在 golang 中，應用方法的工具呢？
這裡介紹 pprof 這個 golang 工具，它可以幫助我們除錯優化程式。
它的最原始程式是 gperftools - https://github.com/gperftools/gperftools，golang 的 pprof 是從它而來的。
二、pprof 介紹
簡介
pprof 是 golang 官方提供的效能調優分析工具，可以對程式進行效能分析，並視覺化資料，看起來相當的直觀。
當你的 go 程式遇到效能瓶頸時，可以使用這個工具來進行除錯並優化程式。
本文將對下面 golang 中 2 個監控效能的包 pprof 進行運用：
- runtime/pprof：採集程式執行資料進行效能分析，一般用於後臺工具型應用。
- net/http/pprof：對 runtime/pprof 的二次封裝，一般應用於 http server ，採集 http server 執行時資料進行分析。
pprof 開啟後，每隔一段時間就會採集當前程式的堆疊資訊，獲取函式的 cpu、記憶體等使用情況。通過對取樣的資料進行分析，形成一個資料分析報告。
pprof 以 profile.proto 的格式儲存資料，然後根據這個資料生成視覺化的分析報告，支援文字形式和圖形形式報告。
profile.proto 裡具體的資料格式是 protocol buffers。
pprof 使用模式
-
Report generation：報告生成
-
Interactive terminal use：互動式終端
-
Web interface：Web 介面
三、runtime/pprof
前提條件
先安裝 pprof： go get -u github.com/google/pprof。
除錯分析 golang 程式，要開啟 profile 然後開始取樣資料。
取樣資料的方式：
- 第 1 種，在 go 程式中新增如下程式碼：
StartCPUProfile 為當前 process 開啟 CPU profiling 。
StopCPUProfile 停止當前的 CPU profile。當所有的 profile 寫完了後它才返回。
// 開啟 cpu 採集分析：
pprof.StartCPUProfile(w io.Writer)
// 停止 cpu 採集分析：
pprof.StopCPUProfile()
WriteHeapProfile 把記憶體 heap 相關的內容寫入到檔案中
pprof.WriteHeapProfile(w io.Writer)
- 第 2 種，在 benchmark 測試的時候
go test -cpuprofile cpu.prof -memprofile mem.prof -bench .
- 還有一種，對 http server 採集資料
go tool pprof $host/debug/pprof/profile
程式示例
go version go1.13.9
例子 1
我們用第 1 種方法，在程式中新增分析程式碼，demo.go :
package main
import (
"bytes"
"flag"
"log"
"math/rand"
"os"
"runtime"
"runtime/pprof"
"sync"
)
var cpuprofile = flag.String("cpuprofile", "", "write cpu profile to `file`")
var memprofile = flag.String("memprofile", "", "write mem profile to `file`")
func main() {
flag.Parse()
if *cpuprofile != "" {
f, err := os.Create(*cpuprofile)
if err != nil {
log.Fatal("could not create CPU profile: ", err)
}
defer f.Close()
if err := pprof.StartCPUProfile(f); err != nil {
log.Fatal("could not start CPU profile: ", err)
}
defer pprof.StopCPUProfile()
}
var wg sync.WaitGroup
wg.Add(200)
for i := 0; i < 200; i++ {
go cyclenum(30000, &wg)
}
writeBytes()
wg.Wait()
if *memprofile != "" {
f, err := os.Create(*memprofile)
if err != nil {
log.Fatal("could not create memory profile: ", err)
}
defer f.Close()
runtime.GC()
if err := pprof.WriteHeapProfile(f); err != nil {
log.Fatal("cound not write memory profile: ", err)
}
}
}
func cyclenum(num int, wg *sync.WaitGroup) {
slice := make([]int, 0)
for i := 0; i < num; i++ {
for j := 0; j < num; j++ {
j = i + j
slice = append(slice, j)
}
}
wg.Done()
}
func writeBytes() *bytes.Buffer {
var buff bytes.Buffer
for i := 0; i < 30000; i++ {
buff.Write([]byte{'0' + byte(rand.Intn(10))})
}
return &buff
}
編譯程式、採集資料、分析程式：
- 編譯 demo.go
go build demo.go
- 用 pprof 採集資料，命令如下：
./demo.exe --cpuprofile=democpu.pprof --memprofile=demomem.pprof
說明：我是 win 系統，這個 demo 就是 demo.exe ，linux 下是 demo
- 分析資料，命令如下：
go tool pprof democpu.pprof
go tool pprof 簡單的使用格式為：go tool pprof [binary] [source]
- binary： 是應用的二進位制檔案，用來解析各種符號
- source： 表示 profile 資料的來源，可以是本地的檔案，也可以是 http 地址
要了解 go tool pprof 更多命令使用方法，請檢視文件：
go tool pprof --help
注意：
獲取的 Profiling 資料是動態的，要想獲得有效的資料，請保證應用處於較大的負載（比如正在生成中執行的服務，或者通過其他工具模擬訪問壓力）。否則如果應用處於空閒狀態，得到的結果可能沒有任何意義。
（後面會遇到這種問題）
分析資料，基本的模式有 2 種：
- 一個是命令列互動分析模式
- 一個是圖形視覺化分析模式
命令列互動分析
- 分析上面採集的資料，命令：
go tool pprof democpu.pprof
| 欄位 | 說明 |
|---|---|
| Type： | 分析型別，這裡是 cpu |
| Duration： | 程式執行的時長 |
Duration 下面還有一行提示，這是互動模式（通過輸入 help 獲取幫助資訊，輸入 o 獲取選項資訊）。
可以看出，go 的 pprof 操作還有很多其他命令。
- 輸入 help 命令，出來很多幫助資訊：
Commands 下有很多命令資訊，text ，top 2個命令解釋相同，輸入這個 2 個看看：
- 輸入 top，text 命令
top 命令：對函式的 cpu 耗時和百分比排序後輸出
top後面還可以帶引數，比如： top 15
輸出了相同的資訊。
| 欄位 | 說明 |
|---|---|
| flat | 當前函式佔用 cpu 耗時 |
| flat % | 當前函式佔用 cpu 耗時百分比 |
| sum% | 函式佔用 cpu 時間累積佔比，從小到大一直累積到 100% |
| cum | 當前函式加上呼叫當前函式的函式佔用 cpu 的總耗時 |
| %cum | 當前函式加上呼叫當前函式的函式佔用 cpu 的總耗時佔比 |
從欄位資料我們可以看出哪一個函式比較耗費時間，就可以對這個函式進一步分析。
分析用到的命令是 list 。
list 命令：可以列出函式最耗時的程式碼部分，格式：list 函式名
從上面取樣資料可以分析出總耗時最長的函式是 main.cycylenum，用 list cyclenum 命令進行分析，如下圖：
發現最耗時的程式碼是 62 行：slice = append(slice, j) ，這裡耗時有 1.47s ，可以對這個地方進行優化。
這裡耗時的原因，應該是 slice 的實時擴容引起的。那我們空間換時間，固定 slice 的容量，make([]int, num * num)
視覺化分析
A. pprof 圖形視覺化
除了上面的命令列互動分析，還可以用圖形化來分析程式效能。
圖形化分析前，先要安裝 graphviz 軟體，
- 下載地址：graphviz地址，
下載對應的平臺安裝包，安裝完成後，把執行檔案 bin 放入 Path 環境變數中，然後在終端輸入 dot -version 命令檢視是否安裝成功。
生成視覺化檔案：
有 2 個步驟，根據上面採集的資料檔案 democpu.pprof 來進行視覺化：
- 命令列輸入：go tool pprof democpu.pprof
- 輸入 web 命令
在命令列裡輸入 web 命令，就可以生成一個 svg 格式的檔案，用瀏覽器開啟即可檢視 svg 檔案。
執行上面 2 個命令如下圖：
用瀏覽器檢視生成的 svg 圖：
(檔案太大，只擷取了一小部分圖，完整的圖請自行生成檢視)
關於圖形的一點說明：
- 每個框代表一個函式，理論上框越大表示佔用的 cpu 資源越多
- 每個框之間的線條代表函式之間的呼叫關係，線條上的數字表示函式呼叫的次數
- 每個框中第一行數字表示當前函式佔用 cpu 的百分比，第二行數字表示當前函式累計佔用 cpu 的百分比
B. 火焰圖 Flame Graph
火焰圖 (Flame Graph) 是效能優化專家 Bredan Gregg 建立的一種效能分析圖。Flame Graphs visualize profiled code。
火焰圖形狀如下：
（來自：https://github.com/brendangregg/FlameGraph）
上面用 pprof 生成的取樣資料，要把它轉換成火焰圖，就要使用一個轉換工具 go-torch，這個工具是 uber 開源，它是用 go 語言編寫的，可以直接讀取 pprof 採集的資料，並生成一張火焰圖， svg 格式的檔案。
- 安裝 go-torch：
go get -v github.com/uber/go-torch
- 安裝 flame graph：
- 安裝 perl 環境：
生成火焰圖的程式 FlameGraph 是用 perl 寫的，所以先要安裝執行 perl 語言的環境。
- 安裝 perl 環境：https://www.perl.org/get.html
- 把執行檔案 bin 加入 Path 中
- 在終端下執行命令：
perl -h，輸出了幫助資訊，則說明安裝成功
- 驗證 FlameGraph 是否安裝成功：
進入到 FlameGraph 安裝目錄，執行命令，./flamegraph.pl --help
輸出資訊說明安裝成功
- 生成火焰圖：
重新進入到檔案 democpu.pprof 的目錄，然後執行命令：
go-torch -b democpu.pprof
上面命令預設生成名為 torch.svg 的檔案，用瀏覽器開啟檢視：
自定義輸出檔名，後面加 -f 引數：
go-torch -b democpu.pprof -f cpu_flamegraph.svg
火焰圖說明：
火焰圖 svg 檔案，你可以點選上面的每個方塊來檢視分析它上面的內容。
火焰圖的呼叫順序從下到上，每個方塊代表一個函式，它上面一層表示這個函式會呼叫哪些函式，方塊的大小代表了佔用 CPU 使用時長長短。
go-torch 的命令格式：
go-torch [options] [binary] <profile source>
go-torch 幫助文件：
想了解更多 go-torch 用法，請用 help 命令檢視幫助文件，
go-torch --help。或檢視 go-torch README 文件 。