一、性能分析类型
1.CPU性能分析
CPU性能分析是最常见的性能分析类型。启动CPU分析时，运行时每隔10ms中断一次，采集正在运行协程的堆栈信息。
程序运行结束后，可以根据收集的数据，找到最热代码路径。
一个函数在分析阶段出现的次数越多，则该函数的代码路径(code path)花费的时间占总运行时间的比重越大。
2.内存性能分析
内存性能分析记录堆内存分配信息，忽略栈内存的分配。
内存分析启动时，默认每1000次采样1次，这个比例是可以调整的。因为内存性能分析是基于采样的，因此基于内存分析数据来判断程序所有的内存使用情况是很困难的。
3.阻塞性能分析
阻塞性能分析是go特点的。
阻塞性能分析用来记录一个协程用来等待共享资源所花费的时间，这用来判断程序并发瓶颈是很有用。阻塞的场景包括：
- 在没有缓冲的信道上发送或接受数据。
- 在空的信道上接受数据或在满的信道上发送数据。
- 尝试获取一个已被其他协程占用的排他锁。
一般情况下，当所有的 CPU 和内存瓶颈解决后，才会考虑这一类分析。
二、cpu性能分析
1.生成pporf
go 性能分析接口位于runtime/pprof 中：
测试代码：生成5组数据，进行冒泡排序：
main.go
想要度量这段代码的性能，只需要在main函数最前加两行代码：
main()
go run main.go > cpu.pprof
当然也可以将输出直接导入到文件中：
2.分析数据
此时得到cpu.pprof 文件：
go tool pprof -http=:9999 cpu.pprof 如果提升Graphviz没有安装： apt installgraphviz (ubuntu)
访问localhost:9999 得到：
除了在网页中查看外，还可以使用交互式命令进行查看：
go tool pprof cpu.pprof
使用top 查看到 bubbleSort函数占用cpu最多。
还可以使用top --cum，按照cum(累计消耗)排序：
使用help 查看帮助：
三、内存性能分析
下面为一段字符串拼接代码，我们对它进行内存分析：
我们使用另外一个性能分析库"github.com/pkg/profile" 它内部封装了 runtime/pprof 接口，使用起来更加简单。
cpu性能分析：
内存性能分析：
profile包会自动在/tmp目录下生成profile文件
go tool pprof -http=:9999 /tmp/profile575547387/mem.pprof
可以看见concat 消耗了 524 KB, 而randomString消耗了 21KB,为什么相差这么大呢？
因为go中的字符串不可修改，使用+ 连接字符串会导致重新生成新的字符串，将 + 两边的子字符串拷贝到新的字符串去。那这种设计多次字符串拼接的场景该如何优化呢？使用strings.Builder
优化后的代码：
优化后可以看到concat 函数使用了71KB 内存，randomString函数使用了 21kb 内存。
四、benchmark 生成 profile
使用benchmark 进行基准测试时，除了直接查看结果，还可以生成profile
testing支持cpu、mem、block
- -cpuprofile=$FILE
- -memprofile=$FILE, -memprofilerate=N 调整记录速率为原来的 1/N。
- -blockprofile=$FILE
fib_test.go
go test -bench=. test/bench/fib -cpuprofile=cpu.pprof
go tool pprof -test cpu.pprof
go tool pprof 支持多种输出格式：
go tool pprof
