Golang 性能测试(2) 性能分析

本文介绍 golang 如何做性能分析。

对服务做了基准性能测试后，如果服务出现问题，可以通过性能分析工具，查出消耗资源的瓶颈，并做针对性的性能优化。

Golang 语言也为我们提供了方便的性能分析工具pprof，方便我们做必要的服务优化。pprof 可以做cpu分析，统计所有调用方法执行的时间片(通过采样); 可以查看内存分配，找到是否有内存泄漏，哪里泄露了（调用栈）；还可以查看Block、事件调用，互斥锁等。可谓麻雀虽小，五脏俱全。Golang 提供了两种分析的工具，一种是web工具，直接引入即可；另一种是命令行交互工具，需要抓取prof 数据，再做详细分析。

WEB 工具

golang 性能分析工具主要有几种，最常用的是使用web 界面的工具。我们举个简单的例子，将一个map数据做编码，编码100w次，例子如下：

package main

import "encoding/json"
import _ "net/http/pprof"
import "net/http"

func main() {
  mapData := 
  mapData := map[string]string{
    "abcdefg1":  "aaaaaaaaaaaaaaaaaaaa",
    "abcdefg2":  "aaaaaaaaaaaaaaaaaaaa",
    "abcdefg3":  "aaaaaaaaaaaaaaaaaaaa",
    "abcdefg4":  "aaaaaaaaaaaaaaaaaaaa",
    "abcdefg5":  "aaaaaaaaaaaaaaaaaaaa",
    "abcdefg6":  "aaaaaaaaaaaaaaaaaaaa",
    "abcdefg7":  "aaaaaaaaaaaaaaaaaaaa",
    "abcdefg8":  "aaaaaaaaaaaaaaaaaaaa",
    "abcdefg9":  "aaaaaaaaaaaaaaaaaaaa",
    "abcdefg10": "aaaaaaaaaaaaaaaaaaaa",
  }

  go func() {
    for i := 0; i < 100000000; i++ {
      _, _ = json.Marshal(data)
    }
  }()
  http.ListenAndServe("0.0.0.0:8080", nil)
}

引入 "net/http/pprof" 包，将自动在默认的http中添加相关 pprof 的处理方法（当然也可以自己添加了）。
我们通过访问 /debug/pprof/ 就可以打开对应的web 界面。

allocs 过去所有内存分配的采样。
block 查看阻塞同步的堆栈
cmdline 当前进程的命令行
goroutine 所有协程的调用栈
heap 当前活动对象的内存分配
mutex 竞态互斥锁的调用栈
profile 获取一个30s（可以通过seconds 参数指定）的cpu 采样prof 文件（可以用 go tool pprof 分析）
threadcreate 导致创建了新系统线程的调用栈
trace 抓一个当前执行的trace包，可以捕获各种事件(可以用go tool trace 做可视化分析)

命令行交互

命令行工具，需要先抓取一段采样数据，采样数据可以通过web 的 profile 链接直接下载，也可以不启动web服务，直接采样。直接采样的好处是，可以直接采样我们需要优化的代码段的数据，而web采样的数据不一定会抓到我们执行的代码段（毕竟是通过采样实现的）。下面我们写一个直接采样的例子：

package main

import "encoding/json"
import "runtime/pprof"
import "os"
import "log"

func main() {
  cpuprofile := "json_map.prof"
  mapData := map[string]string{
  	"abcdefg1":  "aaaaaaaaaaaaaaaaaaaa",
  	"abcdefg2":  "aaaaaaaaaaaaaaaaaaaa",
  	"abcdefg3":  "aaaaaaaaaaaaaaaaaaaa",
  	"abcdefg4":  "aaaaaaaaaaaaaaaaaaaa",
  	"abcdefg5":  "aaaaaaaaaaaaaaaaaaaa",
  	"abcdefg6":  "aaaaaaaaaaaaaaaaaaaa",
  	"abcdefg7":  "aaaaaaaaaaaaaaaaaaaa",
  	"abcdefg8":  "aaaaaaaaaaaaaaaaaaaa",
  	"abcdefg9":  "aaaaaaaaaaaaaaaaaaaa",
  	"abcdefg10": "aaaaaaaaaaaaaaaaaaaa",
  }

  if cpuprofile != "" {
  	f, err := os.Create(cpuprofile)
  	if err != nil {
  		log.Fatal(err)
  	}

  	pprof.StartCPUProfile(f)
  	defer pprof.StopCPUProfile()
  }

  for i := 0; i < 1000000; i++ {
  	_, _ = json.Marshal(mapData)
  }
}

然后我们通过如下命令进入交互模式：

[root@localhost pprof]# go tool pprof json_map.prof
File: json_map_1
Type: cpu
Time: Apr 11, 2020 at 6:49pm (CST)
Duration: 7.38s, Total samples = 7.12s (96.46%)
Entering interactive mode (type "help" for commands, "o" for options)
(pprof)

交互模式，也提供了丰富的命令查看prof文件中的数据，例如如下使用top10 查看代码执行cpu占比top10 的方法。

(pprof) top10
Showing nodes accounting for 3470ms, 48.74% of 7120ms total
Dropped 78 nodes (cum <= 35.60ms)
Showing top 10 nodes out of 87
      flat  flat%   sum%        cum   cum%
     570ms  8.01%  8.01%     1100ms 15.45%  encoding/json.(*encodeState).string
     550ms  7.72% 15.73%     1850ms 25.98%  runtime.mallocgc
     460ms  6.46% 22.19%      460ms  6.46%  runtime.memmove
     410ms  5.76% 27.95%      540ms  7.58%  runtime.mapaccess2
     320ms  4.49% 32.44%      350ms  4.92%  runtime.heapBitsSetType
     290ms  4.07% 36.52%      970ms 13.62%  runtime.typedmemmove
     230ms  3.23% 39.75%      230ms  3.23%  runtime.nextFreeFast
     220ms  3.09% 42.84%      220ms  3.09%  runtime.memclrNoHeapPointers
     210ms  2.95% 45.79%      210ms  2.95%  cmpbody
     210ms  2.95% 48.74%     6720ms 94.38%  encoding/json.mapEncoder.encode

还有其他功能，例如绘制调用图，内存分配图等，可以通过help查看:

go tool profile

[root@localhost pprof]# go tool pprof -http=:8080 json_map.prof

可以查看进程调用图，看到各调用函数的执行事件。

可以查看火焰图，具体分析哪些方法有优化空间。

还可以查看Peek (调用者与被调用者匹配关系)

可以从源码角度查看执行时间占比。

也可以通过反汇编的代码角度查看执行时间占比。

除此之外，还可以命令行方式直接抓取web工具中的profile 数据做分析。（实际看来和自己抓取没什么区别，只是方便了而已）

其他

golang 目前提供的性能分析工具已经比较齐全了。本文只是对目前已经使用的功能做简单总结，其他功能还待我们一起去探索。

备注：

本文使用的go版本为1.13

go tool trace