欢迎您访问程序员文章站本站旨在为大家提供分享程序员计算机编程知识!
您现在的位置是: 首页  >  IT编程

golang利用pprof与go-torch如何做性能分析

程序员文章站 2022-03-07 08:04:40
前言 软件开发过程中,项目上线并不是终点。上线后,还要对程序的取样分析运行情况,并重构现有的功能,让程序执行更高效更稳写。 golang的工具包内自带pprof功能,使找...

前言

软件开发过程中,项目上线并不是终点。上线后,还要对程序的取样分析运行情况,并重构现有的功能,让程序执行更高效更稳写。 golang的工具包内自带pprof功能,使找出程序中占内存和cpu较多的部分功能方便了不少。加上uber的火焰图,可视化显示,让我们在分析程序时更简单明了。

pprof有两个包用来分析程序一个是net/http/pprof另一个是runtime/pprof,net/http/pprof只是对runtime/pprof包进行封装并用http暴露出来,如下图源码所示:

golang利用pprof与go-torch如何做性能分析

使用net/http/pprof分析web服务

pprof分析web项目,非常的简单只需要导入包即可。

_ "net/http/pprof"

编写一个小的web服务器

package main

import (
 _ "net/http/pprof"
 "net/http"
 "time"
 "math/rand"
 "fmt"
)

var count int64 = 0
func main() {
 go calcount()

 http.handlefunc("/test", test)
 http.handlefunc("/data", handlerdata)

 err := http.listenandserve(":9909", nil )
 if err != nil {
 panic(err)
 }
}

func handlerdata(w http.responsewriter, r *http.request) {
 qurl := r.url
 fmt.println(qurl)
 fibrev := fib()
 var fib uint64
 for i:= 0; i < 5000; i++ {
 fib = fibrev()
 fmt.println("fib = ", fib)
 }
 str := randomstr(randomint(100, 500))
 str = fmt.sprintf("fib = %d; string = %s", fib, str)
 w.write([]byte(str))
}

func test(w http.responsewriter, r *http.request) {
 fibrev := fib()
 var fib uint64
 index := count
 arr := make([]uint64, index)
 var i int64
 for ; i < index; i++ {
 fib = fibrev()
 arr[i] = fib
 fmt.println("fib = ", fib)
 }
 time.sleep(time.millisecond * 500)
 str := fmt.sprintf("fib = %v", arr)
 w.write([]byte(str))
}

func fib() func() uint64 {
 var x, y uint64 = 0, 1
 return func() uint64 {
 x, y = y, x + y
 return x
 }
}

var letterrunes = []rune("abcdefghijklmnopqrstuvwxyzabcdefghijklmnopqrstuvwxyz1234567890")
func randomstr(num int) string {
 seed := time.now().unixnano()
 if seed <= 0 {
 seed = time.now().unixnano()
 }
 rand.seed(seed)
 b := make([]rune, num)
 for i := range b {
 b[i] = letterrunes[rand.intn(len(letterrunes))]
 }
 return string(b)
}

func randomint(min, max int) int {
 rand.seed(time.now().unixnano())
 return rand.intn(max - min + 1) + min
}

func calcount() {
 timeinterval := time.tick(time.second)

 for {
 select {
 case i := <- timeinterval:
  count = int64(i.second())
 }
 }
}

web服务监听9909端口

web服务器有两个http方法

test: 根据当前的秒数做斐波那契计算

data: 做一个5000的斐波那契计算并返回一个随机的字符串

运行程序,通过访问 http://192.168.3.34:9909/debug/pprof/可以查看web版的profiles相关信息

golang利用pprof与go-torch如何做性能分析

这几个路径表示的是

/debug/pprof/profile:访问这个链接会自动进行 cpu profiling,持续 30s,并生成一个文件供下载

/debug/pprof/block:goroutine阻塞事件的记录。默认每发生一次阻塞事件时取样一次。

/debug/pprof/goroutines:活跃goroutine的信息的记录。仅在获取时取样一次。

/debug/pprof/heap: 堆内存分配情况的记录。默认每分配512k字节时取样一次。

/debug/pprof/mutex: 查看争用互斥锁的持有者。

/debug/pprof/threadcreate: 系统线程创建情况的记录。 仅在获取时取样一次。

除了这些golang为我提供了更多方便的方法,用于分析,下面我们来用命令去访问详细的信息

我们用wrk来访问我们的两个方法,这样我们的服务会处在高速运行状态,取样的结果会更准确

wrk -c 20 -t 5 -d 3m http://192.168.3.34:9909/data
wrk -c 20 -t 5 -d 3m http://192.168.3.34:9909/test

分析cpu使用情况

使用命令分析cpu使用情况

go tool pprof httpdemo http://192.168.3.34:9909/debug/pprof/profile

在默认情况下,go语言的运行时系统会以100 hz的的频率对cpu使用情况进行取样。也就是说每秒取样100次,即每10毫秒会取样一次。为什么使用这个频率呢?因为100 hz既足够产生有用的数据,又不至于让系统产生停顿。并且100这个数上也很容易做换算,比如把总取样计数换算为每秒的取样数。实际上,这里所说的对cpu使用情况的取样就是对当前的goroutine的堆栈上的程序计数器的取样。

默认的取样时间是30s 你可以通过-seconds 命令来指定取样时间 。取样完成后会进入命令行状态:

golang利用pprof与go-torch如何做性能分析

可以输入help查看相关的命令.这里说几个常用的命令

top命令,输入top命令默认是返加前10的占用cpu的方法。当然人可以在命令后面加数字指定top数

golang利用pprof与go-torch如何做性能分析

list命令根据你的正则输出相关的方法.直接跟可选项o 会输出所有的方法。也可以指定方法名

golang利用pprof与go-torch如何做性能分析

如: handlerdata方法占cpu的74.81%

web命令:以网页的形式展现:更直观的显示cpu的使用情况

golang利用pprof与go-torch如何做性能分析

分析内存使用情况

和分析cpu差不多使用命令

go tool pprof httpdemo http://192.168.3.34:9909/debug/pprof/heap

默认情况下取样时只取当前内存使用情况,可以加可选命令alloc_objects,将从程序开始时的内存取样

go tool pprof -alloc_objects httpdemo http://192.168.3.34:9909/debug/pprof/heap

和cpu的命令一样,top list web。不同的是这里显示的是内存使用情况而已。这里我就不演示了。

golang利用pprof与go-torch如何做性能分析

安装go-torch

还有更方便的工具就是uber的了

安装很简单

go get github.com/uber/go-torch
cd $gopath/src/github.com/uber/go-torch
git clone https://github.com/brendangregg/flamegraph.git

然后运行flamegraph下的 拷贝flamegraph.pl 到 /usr/local/bin

火焰图分析cpu

使用命令

go-torch -u http://192.168.3.34:9909 --seconds 60 -f cpu.svg

会在当前目录下生成cpu.svg文件,使用浏览器打开

golang利用pprof与go-torch如何做性能分析

更直观的看到应用程序的问题。handlerdata方法占用的cpu时间过长。然后就是去代码里分析并优化了。

火焰图分析内存

使用命令

go-torch http://192.168.3.34:9909/debug/pprof/heap --colors mem -f mem.svg

会在当前目录下生成cpu.svg文件,使用浏览器打开

golang利用pprof与go-torch如何做性能分析

使用runtime/pprof分析项目

如果你的项目不是web服务,比如是rpc服务等,就要使用runtime/pprof。他提供了很多方法,有时间可以看一下源码

golang利用pprof与go-torch如何做性能分析

我写了一个简单的工具类。用于调用分析

package profapp

import (
 "os"
 "rrnc_im/lib/zaplogger"
 "go.uber.org/zap"
 "runtime/pprof"
 "runtime"
)

func startcpuprof() {
 f, err := os.create("cpu.prof")
 if err != nil {
  zaplogger.error("create cpu profile file error: ", zap.error(err))
  return
 }
 if err := pprof.startcpuprofile(f); err != nil {
  zaplogger.error("can not start cpu profile, error: ", zap.error(err))
  f.close()
 }
}

func stopcpuprof() {
 pprof.stopcpuprofile()
}


//--------mem
func profgc() {
 runtime.gc() // get up-to-date statistics
}

func savememprof() {
 f, err := os.create("mem.prof")
 if err != nil {
  zaplogger.error("create mem profile file error: ", zap.error(err))
  return
 }

 if err := pprof.writeheapprofile(f); err != nil {
  zaplogger.error("could not write memory profile: ", zap.error(err))
 }
 f.close()
}

// goroutine block
func saveblockprofile() {
 f, err := os.create("block.prof")
 if err != nil {
  zaplogger.error("create mem profile file error: ", zap.error(err))
  return
 }

 if err := pprof.lookup("block").writeto(f, 0); err != nil {
  zaplogger.error("could not write block profile: ", zap.error(err))
 }
 f.close()
}

在需要分析的方法内调用这些方法就可以 比如我是用rpc开放了几个方法

type testprof struct {

}

func (*testprof) startcpuproact(context.context, *im_test.testrequest, *im_test.testrequest) error {
 profapp.startcpuprof()
 return nil
}

func (*testprof) stopcpuprofact(context.context, *im_test.testrequest, *im_test.testrequest) error {
 profapp.stopcpuprof()
 return nil
}


func (*testprof) profgcact(context.context, *im_test.testrequest, *im_test.testrequest) error {
 profapp.profgc()
 return nil
}

func (*testprof) savememact(context.context, *im_test.testrequest, *im_test.testrequest) error {
 profapp.savememprof()
 return nil
}

func (*testprof) saveblockprofileact(context.context, *im_test.testrequest, *im_test.testrequest) error {
 profapp.saveblockprofile()
 return nil
}

调用

proftest.startcpuproact(context.todo(), &im_test.testrequest{})

 time.sleep(time.second * 30)
 proftest.stopcpuprofact(context.todo(), &im_test.testrequest{})

 proftest.savememact(context.todo(), &im_test.testrequest{})
 proftest.saveblockprofileact(context.todo(), &im_test.testrequest{})

思想是一样的,会在当前文件夹内导出profile文件。然后用火焰图去分析,就不能指定域名了,要指定文件

 go-torch httpdemo cpu.prof 
 go-torch httpdemo mem.prof

总结

以上就是这篇文章的全部内容了,希望本文的内容对大家的学习或者工作具有一定的参考学习价值,如果有疑问大家可以留言交流,谢谢大家对的支持。