linux pprof工具安装,Golang性能分析工具PProf的使用/Go GC监控

Golang提供了强大的代码性能分析工具PProf，能够非常方便的监控代码运行性能。性能分析可以采用命令行方式 go tool pprof 同时也提供直观的http可视化方式，非常方便。

数据采集

性能分析基础数据的获取有三种方式：

1> runtime/pprof 包

2> net/http/pprof 包

3> go test 时添加收集参数

runtime/pprof 包的使用[不推荐使用]

针对于应用程序，通过命令行的启动参数来生成prof文件，再使用go tool pprof工具进行分析，如

Go

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

37

38

39

packagemain

import(

// "flag"

// "log"

// "os"

"runtime/pprof"

)

varcpuprofile=flag.String("cpuprofile","","write cpu profile to file")

funcmain(){

flag.Parse()

if*cpuprofile!=""{

f,err:=os.Create(*cpuprofile)

// if err != nil {

// log.Fatal(err)

// }

err=pprof.StartCPUProfile(f)

// if err != nil {

// log.Fatal(err)

// }

deferpprof.StopCPUProfile()

}

// for {

// Add("test")

// }

}

// func Add(str string) string {

// data := []byte(str)

// sData := string(data)

// var sum = 0

// for i := 0; i < 10000; i++ {

// sum += i

// }

// return sData

// }

运行 ./app.exe -cpuprofile=cpu.prof

分析 go tool pprof cpu.prof

注意，实际测试时得到的cpu.prof文件总是为空，原因未知

net/http/pprof 包的使用[推荐]

net/http/pprof 对 runtime/pprof 进行了封装，并在http端口上暴露出来，入口为 IP:PORT/debug/pprof/

a>若应用为web服务器，只需引入包即可 _ "net/http/pprof"，会自动注册路由到/debug/pprof/

b>若为服务时程，可开启一个goroutine开启端口并监听，如

go func(){log.Println(http.ListenAndServe(":8080",nil))}()

Go

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

packagemain

import(

"log"

"net/http"

_"net/http/pprof"

)

funcmain(){

// 性能分析

gofunc(){

log.Println(http.ListenAndServe(":8080",nil))

}()

// 实际业务代码

for{

Add("test")

}

}

funcAdd(strstring)string{

data:=[]byte(str)

sData:=string(data)

varsum=0

fori:=0;i<10000;i++{

sum+=i

}

returnsData

}

访问 http://127.0.0.1:8080/debug/pprof/  即可实时查看性能数据，业面如下：

Vim

1

2

3

4

5

6

7

8

9

10

11

12

13

14

/debug/pprof/

Typesofprofilesavailable:

CountProfile

2allocs#所有过去内存分析采样

0block#导致同步原语阻塞的堆栈跟踪

0cmdline#程序启动参数

4goroutine#所有当前goroutine堆栈跟踪

2heap#活动对象内存分配采样

0mutex#互斥锁跟踪

0profile#生成cpuprofile文件生成文件使用gotoolpprof工具分析

8threadcreate#创建系统线程的堆栈跟踪

0trace#对当前程序执行的跟踪生成文件使用gotooltrace工具分析

fullgoroutinestackdump#显示所有goroutine的堆栈

其中 go tool trace 工具会打开 http://127.0.0.1:1089/ 通过网页方式显示结果

Vim

1

2

3

4

5

6

7

8

Viewtrace#视图跟踪

Goroutineanalysis

Networkblockingprofile

Synchronizationblockingprofile#同步阻塞

Syscallblockingprofile

Schedulerlatencyprofile#调度延迟

User-definedtasks

User-definedregions

go test 时添加收集参数

需要创建测试文件

go test支持的参数非常多，如

-cpuprofile=cpu.prof

-memprofile=mem.prof

数据分析

命令行方式

对生成的profile文件，可使用go tool pprof profilename来分析，如

Python

1

2

3

4

5

6

7

8

9

10

11

12

13

14

15

16

gotoolpprofC:\Users\ddonl\Desktop\profile

Type:cpu

Time:Feb18,2019at11:36am(CST)

Duration:30.13s,Totalsamples=29.89s(99.20%)

Enteringinteractivemode(type"help"forcommands,"o"foroptions)

(pprof)top5

Showingnodesaccountingfor29.43s,98.46%of29.89stotal

Dropped32nodes(cum<=0.15s)

Showingtop5nodesoutof9

flatflat%sum%cumcum%

29.18s97.62%97.62%29.52s98.76%main.Add

0.13s0.43%98.06%0.24s0.8%runtime.mallocgc

0.05s0.17%98.23%0.27s0.9%runtime.newstack

0.04s0.13%98.36%0.29s0.97%runtime.slicebytetostring

0.03s0.1%98.46%29.55s98.86%main.main

(pprof)

常用的命令还有：

go tool pprof http://localhost:8080/debug/pprof/profile  默认采集需要30秒

go tool pprof http://localhost:8080/debug/pprof/heap

go tool pprof http://localhost:8080/debug/pprof/block

go tool pprof http://localhost:8080/debug/pprof/mutex

web可视化方式

在 go tool pprof 下输入 web 命令，注意默认端口为8080

go tool pprof -http=:8000 http://localhost:8080/debug/pprof/heap  查看内存使用

go tool pprof -http=:8000 http://localhost:8080/debug/pprof/profile 查看cpu占用

注意，需要提前安装 Graphviz 用于画图

下载地址：https://graphviz.gitlab.io/download/

windows：https://graphviz.gitlab.io/_pages/Download/windows/graphviz-2.38.zip

解压下，添加环境变量 Path下添加 C:\Go\graphviz\bin   (这里我解压在 C:\Go\graphviz 目录)

测试：命令提示符下 dot -V # 打印版本信息

若是Linux，yum install graphviz   # 默认安装版本为为2.30 依赖项较多

访问地址：http://localhost:8000/ui/

图形视图：面积超大，代表时间越长

top 视图：

火焰图：

Peek:

代码视图：

简易指标输出 expvar

Go

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

37

38

39

40

41

42

43

44

45

46

47

48

49

50

51

52

53

54

55

56

57

58

packagemain

import(

"encoding/json"

//"expvar"

//"net/http"

"fmt"

"runtime"

"time"

)

typeMonitorstruct{

Allocuint64`json:"堆内存"`// 堆内存字节分配数

TotalAllocuint64`json:"最大堆内存"`// 堆中分配最大字节数

Sysuint64`json:"系统内存"`// 从系统中获得的总内存

Mallocsuint64`json:"分配对象"`// 分配对象数

Freesuint64`json:"释放对象"`// 释放对象数

LiveObjectsuint64`json:"存活对象"`// 存活对象数

PauseTotalNsuint64`json:"GC时间"`// 总GC暂停时间

NumGCuint32`json:"GC次数"`

NumGoroutineint`json:"协程数"`// goroutine数量

}

funcNewMonitor(durationint){

varmMonitor

varrtmruntime.MemStats

varinterval=time.Duration(duration)*time.Second

//var goroutines = expvar.NewInt("num_goroutine")

for{

// 读取内存状态信息

runtime.ReadMemStats(&rtm)

m.NumGoroutine=runtime.NumGoroutine()

//goroutines.Set(int64(m.NumGoroutine))

m.Alloc=rtm.Alloc

m.TotalAlloc=rtm.TotalAlloc

m.Sys=rtm.Sys

m.Mallocs=rtm.Mallocs

m.Frees=rtm.Frees

m.LiveObjects=m.Mallocs-m.Frees

m.PauseTotalNs=rtm.PauseTotalNs

m.NumGC=rtm.NumGC

b,_:=json.Marshal(m)

fmt.Println(string(b))

}

}

funcmain(){

goNewMonitor(1)// 性能数据

select{}// 业务逻辑

//http.ListenAndServe(":8080", nil)

}

在正常程序中，添加 go NewMonitor(1) 每隔指定时间在控制台输出性能数据

此外，内置包 expvar 可以在/debug/vars 中输出cmdline、memstats的json数据，若要向其中添加输出内容，如输出 num_goroutine 用于显示协程数量，核心语句如下：

import "expvar"

var goroutines = expvar.NewInt("num_goroutine")

goroutines.Set(int64(m.NumGoroutine))

Go GC监控

方式1：GODEBUG=gctrace=1

go build -o main

GODEBUG=gctrace=1 ./main

方式2：go tool trace

在代码中添加：

f, _ := os.Create("trace.out")

defer f.Close()

trace.Start(f)

defer trace.Stop()

然后运行程序，等程序运行完成，执行以下命令

go tool trace trace.out

# 需要等到程序执行完成 需要使用chrome浏览器(实测firefox有问题)

方式3：debug.ReadGCStats

方式4：runtime.ReadMemStats

Shell

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

37

38

39

40

41

42

43

44

45

46

47

48

49

50

51

52

53

54

55

56

57

58

59

packagemain

import(

//"os"

//"runtime/trace"

"fmt"

"runtime"

"runtime/debug"

"time"

)

funcallocate(){

_=make([]byte,1<<20)

}

//以代码的方式实现对感兴趣指标的监控

funcprintGCStats(){

t:=time.NewTicker(time.Second)

s:=debug.GCStats{}

for{

select{

case

debug.ReadGCStats(&s)

fmt.Printf("gc %d last@%v, PauseTotal %v\n",s.NumGC,s.LastGC,s.PauseTotal)

}

}

}

//直接通过运行时的内存相关的API进行监控

funcprintMemStats(){

t:=time.NewTicker(time.Second)

s:=runtime.MemStats{}

for{

select{

case

runtime.ReadMemStats(&s)

fmt.Printf("gc %d last@%v, next_heap_size@%vMB\n",s.NumGC,time.Unix(int64(time.Duration(s.LastGC).Seconds()),0),s.NextGC/(1<<20))

}

}

}

funcmain(){

//方式2：gotooltrace

//f,_:=os.Create("trace.out")

//deferf.Close()

//trace.Start(f)

//defertrace.Stop()

//方式3：debug.ReadGCStats

//goprintGCStats()

//方式4：runtime.ReadMemStats

goprintMemStats()

forn:=1;n<10000;n++{

allocate()

}

}

喜欢 (8)or分享 (0)