Go性能分析工具

前言

作为后端研发，性能分析是我们在研发过程中必然会会遇到的环节，接口耗时、堆栈溢出、内存泄露等等。所谓工欲善其事必先利其器，之前在java中我们是使用arthas这一大神器，不得不说确实好用，想了解arthas的可以看下我之前的文章：Arthas性能分析工具。本节内容我们带来Go的分析神器pprof的使用，帮助我们分析各种性能问题。

pprof介绍

pprof是GoLang程序性能分析工具，和arthas这种工具不一样，pprof是内置在Go里面的，我们只需要开启对应的功能就可以进行采集，本质上还是生成对应的性能数据文件，然后通过pprof打开。不过pprof还提供了web形式的访问，这对于server程序而言真实太方便了，通过http的交互方式，我们就可以进入性能分析的界面。

开启pprof

pprof可以支持单机程序和server项目，单机程序的话我们需要在程序里面硬编码，通过的打点的方式告诉pprof采集CPU、内存等文件，然后文件会落入指定的路径最终进行分析。但是我们实际开发场景大都是server项目，所以这里我也以server项目来举例说明。

1、Go原生的http服务框架

当采用go原生的http服务框架，使用pprof非常的简单：只需要导入net/http/pprof包即可。代码如下：

package mainimport ("fmt""net/http"_ "net/http/pprof"
)func HelloWorld(w http.ResponseWriter, r *http.Request) {fmt.Fprintln(w, "hello world")
}func main() {http.HandleFunc("/", HelloWorld)err := http.ListenAndServe(":8080", nil)if err != nil {fmt.Println(err)}
}

2、使用gin框架实现的服务

这个也是我们常用的一种方式，Gin框架如果要添加pprof, 可以借助github.com/gin-contrib/pprof包，并且在项目启动的入口位置注册一下pprof，代码如下：

package routersimport ("github.com/gin-contrib/pprof""github.com/gin-contrib/pprof"  //引入gin对应的pprof包"github.com/gin-gonic/gin""go-server/app/controller"
)func init() {//创建一个gin示例router := gin.Default()pprof.Register(router)  //注册pprof//注册路径user := router.Group("/performance"){user.GET("/pertest", controller.CollectPerformance)}//监听端口router.Run(":8080")
}

server类型的项目，启动之后出现如下日志说明注册pprof成功：

浏览器中访问：localhost:8080/debug/pprof

各项指标说明：

pprof分析

性能分析

性能分析主要是分析程序的耗时情况，这个在pprof是采集CPU的信息，在CPU的采集信息里会有每个函数占用CPU片段的时间，这个也间接的反应了函数的耗时时长。

通过上面这些步骤开启pprof之后，接下来我们就要进行数据的采集，pprof并不是默认采集数据的，而是需要手动去采集一段时间的性能数据（默认是30s），所以开启这个不需要担心会对系统造成负担，只要不主动采集，pprof是不会进行工作。

开启CPU采集通过访问url地址：http://<host>:<port>/debug/pprof/profile，可以带参数?seconds = 60表示采集60s，访问这个地址之后，程序会block住等待一定的时间，在这个时间内我们进行的操作就会被采集进去，一般采用交互式命令的方式开启采集：

go tool pprof http://<host>:<port>/debug/pprof/profile

开启采集之后我们就可以立即访问需要测试的程序，然后采集数据，在本示例中我通过一个接口来模拟数据:

访问http://localhost:8080/performance/pertest地址会调用CollectPerformance这个函数，在这个函数中调用了另外一个耗时函数：

func CollectPerformance(ctx *gin.Context) {performanceWait()  //这是一个耗时函数
}func performanceWait() {for i := 2000000; i >= 0; i-- {fmt.Println(i)}
}

访问程序之后，pprof的交互界面经过默认的采集时间之后就可以进行查看数据了，下面就是分析阶段了：

1、top n 按照函数耗时排序，展示前多少个

这里重点看cum这个值，这个值表示的是函数本身执行的时间和调用其他函数的时间，我们可以直接按照cum来排序，top 20 -cum

各项指标说明：

2、list

list命令有点类似于arthas中的trace，可以列出程序的具体的耗时信息，比如上面我看到performanceWait这个函数耗时较长，那么通过list去看一下：

上面看到在20行消耗的cpu时间片最长，因为这里有一个很大的循环

注意：

pprof采集的数据是这段时间的总和，比如上面的1.35s表示这段时间程序执行时间的总和，不是平均值
上述时间是函数CPU的时间，不一定是函数真实的运行时间，比如在函数里有一行time.sleep(13 * time.Second)，这个时间并不会计算进去

内存分析

内存分析这里我们主要是分析堆内存，也是我们平时程序作用的地方。pprof提供了堆内存的检测方式，可以通过实施快照的方式帮助我们dump内存数据并且进行分析。

dump堆内存：go tool pprof http://localhost:6060/debug/pprof/heap

访问上面的地址pprof就会dump出当时的堆内存情况，这个和cpu的prfile不一样，不是执行完就block住等待数据产生，而是直接dump出执行时间点的堆内存信息

我在接口中编写一个不断申请内存的程序，导致最终内存溢出，通过文件进行分析。

func CollectHeap(ctx *gin.Context) {tick := time.Tick(time.Second)var buf []bytestime := time.Now()for range tick {// 1秒1M内存buf = append(buf, make([]byte, 1024*1024)...)fmt.Printf("%f\n", time.Now().Sub(stime).Seconds())}
}

访问接口让程序执行，然后通过heap快照内存后进行分析，分析的方式和cpu一样，也是top和list命令：

执行top可以看到CollectHeap这个函数占用内存很高，通过list可以定位到具体的哪一行

再测试一个大对象占用的场景，在函数里定义一个map，循环往里面放数据。

package controllerimport ("fmt""github.com/gin-gonic/gin""github.com/google/uuid""go-server/app/models""time"
)var userMap = map[string]models.User{}func CollectHeap(ctx *gin.Context) {for i := 1000000; i >= 0; i-- {uuid := uuid.New().String()user := models.User{Name: uuid,Age:  i,}userMap[uuid] = user}
}

访问接口执行程序，然后看下堆内存情况

通过top可以看到在CollectHeap函数中有内存占用比较大

通过list可以看到在map赋值这一行占用内存最多，这里有一点和Java不太一样，就是pprof的分析都是基于函数为基础，所有所有的都显示到函数执行上，比如Java的内存分析会直接分析到对象，某个具体的map，但是Go里面还是对应函数执行，会有一点点不直观

goroutine分析

分析goroutine主要是分析阻塞这种情况，比如系统中存在大量的goroutine没有执行完，导致泄露

代码示例：

func CollectGoroutine(ctx *gin.Context) {outCh := make(chan int) //无缓冲channelstime := time.Now()// 每1s个goroutinefor {time.Sleep(1 * time.Second)go alloc(outCh)fmt.Printf("last: %dseconds\n", int(time.Now().Sub(stime).Seconds()))}
}// alloc分配1M内存，goroutine会阻塞，不释放内存,导致泄漏
func alloc(outCh chan<- int) {buf := make([]byte, 1024*1024*1)_ = len(buf)fmt.Println("alloc make buffer done")outCh <- 0fmt.Println("alloc finished")
}

访问接口会不断开启goroutine分配内存，并且系统中的goutinue数量会不断上升，具体分析如下：

pprof分析goroutine推荐使用web界面访问的方式，这种访问也是实时的，每次访问都是实时的快照系统中的gotoutine情况，有两种分析方式：

1、goroutine总览：http://localhost:8080/debug/pprof/goroutine?debug=1