一 Go性能调优

​ Go语言的性能主要是体现在四个方面:

​ A. CPU profile :报告cpu的使用情况，使用一定频率采集程序在cpu和寄存器上的数据；

​ B. 内存 profile（heap profile）：报告程序内存使用情况；

​ C. Block profiling: 报告goroutine阻塞，不再运行的情况；用来查找和分析死锁；

​ D. Groutine profling: 报告goroutine的使用情况，区分调用关系；

​ 常用工具:

​ runtime/pprof：采集工具型应用的数据；

​ net/http/pprof：采集服务型应用运行数据信息；

​

二 工具型应用性能分析（runtime/pprof）

A. CPU分析

1
2
3
4
5
6
7
8
9
10
11
import (
	"runtime/pprof"
)

f, err := os.Create("./cpu.pprof")
err = pprof.StartCPUProfile(f)
defer pprof.StopCPUProfile()
if err != nil {
		fmt.Println("pprof error")
		return
}

然后使用 go tool pprof *.pprof 即可进行数据分析

B. 内存分析

1
2
f2, err := os.Create("./memory.pprof")
err = pprof.WriteHeapProfile(f2)

然后采用 go tool工具分析，默认采用-sample_index=inuse_space, 可以使用inuse_objects查看分配对象数量

三 服务型性能分析（net/http/pprof）

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36

import (
	"fmt"
	"log"
	"net/http"
	_ "net/http/pprof"
)

func index(w http.ResponseWriter, r *http.Request) {
	fmt.Fprintln(w, "Hello sxk！")
}



func main() {
	mtx := http.DefaultServeMux
	
	// 自定义mtx
	// mtx := http.NewServeMux()
	//mtx.HandleFunc("/debug/pprof/", pprof.Index)
	//mtx.HandleFunc("/debug/pprof/cmdline", pprof.Cmdline)
	//mtx.HandleFunc("/debug/pprof/profile", pprof.Profile)
	//mtx.HandleFunc("/debug/pprof/symbol", pprof.Symbol)
	//mtx.HandleFunc("/debug/pprof/trace", pprof.Trace)

	mtx.HandleFunc("/index", index)

	server := &http.Server{
		Addr: "127.0.0.1:8088",
		Handler: mtx,
	}

	if err := server.ListenAndServe(); err != nil {
		log.Fatal("http error!")
	}
}

只需要在服务上放导入**_ “net/http/pprof”**即可；

然后在浏览器上访问: Addr/debug/pprof 即可，得到下图：

net/http/pprof

四 内存使用矢量图查看工具

1
brew install graphviz

安装完成后，需要讲其添加到执行文件目录下，通常是/usr/local/bin目录。

使用 dot -version判断是否安装成功。

graphviz

在使用 go tool pprof *.pprof 打开交互界面后:

pprof交互页面

输入web后，将自动保存一个pprof001.svg矢量图。

文件位置:

1
file:///private/var/folders/g4/40wbk_1d10g7p0g9jsz2t_z40000gn/T/pprof001.svg

在浏览器中打开如下图所示:

pprof001.svg

在上述图纸中(没有函数调用):

每个框代表一个函数，理论上框的越大表示占用的CPU资源越多。 方框之间的线条代表函数之间的调用关系。 线条上的数字表示函数调用的次数。 方框中的第一行数字表示当前函数占用CPU的百分比，第二行数字表示当前函数累计占用CPU的百分比。

五 火焰图性能分析

  1. 安装FlameGraph，FlameGraph是profile数据的可视化层工具。

    1
    git clone https://github.com/brendangregg/FlameGraph.git

  2. 将应用拷贝在可执行目录下

    1
    cp ./flamegraph.pl /usr/local/bin

  3. 终端测试是否安装成功

    1
    flamegraoh.pl -h

  4. 安装成功的结果

    framegraph.pl

  5. 安装go-torch，在有framegraph的支持下，安装go-torch展示profile的输出

    1
    go get -v github.com/uber/go-torch

  6. 使用go-torch -h查看是否安装完成

    go-torch

  7. 准备压测工具 wrk

    1
    推荐使用https://github.com/wg/wrk 或 https://github.com/adjust/go-wrk
    1
    go get -v github.com/adjust/go-wrk

    压测使用方法:

    1
    go-wrk -n 100 http://127.0.0.1:8088/index

    结果:

  8. 开启go-torch 检查并生成矢量图

    1
    go-torch -u http://127.0.0.1:8088 -t 30

    就是在30秒，生成一个torch.svg矢量图;

    参数说明:

    -u: 指定访问的url和端口 (-url=)

    -s: 指定pprof proflie的存储路径，默认 /debug/pprof/profile

    -seconds: 指定profiling监控的时间长度，默认30s

  9. 执行结束后，生成torch.svg矢量图

  10. 打开火焰图结果如下（右键/打开方式/浏览器打开）

    火焰图

    如上图所示：

    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。

六 pprof与性能测试结合

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：

参数1: -cpuprofile：cpu profiling 数据要保存的文件地址

参数2: -memprofile：memory profiling 数据要报文的文件地址

在进行性能测试，可以执行CPU和Mem的profiling，并保存在文件中：

如下：

CPU profiling

1
go test -bench . -cpuprofile=cpu.prof

Mem profiling

1
go test -bench . -memprofile=./mem.prof