golang学习笔记-pprof性能分析2

前言

golang自带非常强大的性能分析工具，它可以在Go程序的运行中以精致的细节显示所有运行时事件，今天我们就了解一下go tool trace的强大之处。

一、概述

go tool trace 显示了非常之多的信息，为了简单起见，我们先概括的看一下他显示了些什么，下面是我生成的所有trace目录，具体的如图上所示，我们逐个分析。

二、详细

1、view trace
打开一个view trace，过程可能需要一点时间，稍作等待，打开之后看到的画面如下，包含一些注解：

Heap：查看堆的使用情况，可以查看任何时刻的堆情况。下一次GC的时间，当前使用的内存情况。如下：

Threads:当前的线程使用情况，如下图：


Proc x：当前“核”的groutines执行情况（具体内容还没看懂什么鬼）

最右侧的统计信息：

2、Goroutine analysis
打开Goroutine analysis看到的所有的goroutines和对应所在的模块，N表示当前模块（函数）启动的goroutines的数目，如下图：

随机点开一个，CmpServer/MyKafka.(*MyProducer).run 查看具体的信息：

3、Network blocking profile
4、Synchronization blocking profile
5、Syscall blocking profile
6、Scheduler latency profile
7、User-defined tasks
8、User-defined regions
3~8不逐个展开（还不明白流程图具体代表的什么意思）

三、go-torch性能分析

曾今对go自带的性能分析工具pprof简单做了一些记录，文章详见 pprof性能分析1 和 pprof性能分析2 ，pprof产生的性能报告确实能够比较直观的看出来存在性能瓶颈的地方，但是对于比较大的服务来说，错综复杂的粗细线条明显能够混乱分析者的视线，这时候go-torch变体现出了他的优势。
上述一、章节中引入的pprof包是对golang自带的性能工具pprof的简单封装，通过监听本地的6060端口，生产pprof的性能文件同时也响应go-torch的指令。

1. 安装火焰图的生成工具

1）安装go-torch工具
go get github.com/uber/go-torch
2）安装brandangregg的火焰图生产工具
git clone git@github.com:brendangregg/FlameGraph.git，安装完成生成工具之后，将flamegraph.h所在的目录加入到环境变量中

2. 编译并运行服务

用postman或者web页面向服务发送http://localhost:6060/start开始采集pprof性能数据，发送http://localhost:6060/stop停止采集pprof性能数据。在另一个shell终端上输入go-torch -u http://localhost:6060 --seconds 60 -f cpu.svg表示开始采集cpu的性能火焰图且持续60s的时间，到达采集结束时间后生成cpu.svg的火焰图，改文件用现代浏览器打开即可查看，如下：

说明：

• 栈帧(Stack frame,调用链)垂直堆叠，显示栈的深度
• 帧的宽度代表一个方法的运行的时间占比
• 如果一个方法被调用者调用，它会显示多次，分列在不同的调用者的堆栈上。(译者注：这点和pprof工具不同，pprof至显示一个方法的框，上面的时间标签是所有的调用者调用的时间）
• 颜色是任意的(arbitrary)， 横坐标根据字母顺序排列

参考：

https://blog.csdn.net/csdnnews/article/details/81009432
https://making.pusher.com/go-tool-trace/
[Go 大杀器之跟踪剖析 trace]https://eddycjy.gitbook.io/golang/di-9-ke-gong-ju/go-tool-trace
[an-introduction-to-go-tool]https://about.sourcegraph.com/go/an-introduction-to-go-tool-trace-rhys-hiltner/
[Garbage Collection In Go]https://www.ardanlabs.com/blog/2019/05/garbage-collection-in-go-part2-gctraces.html