Go 程序的性能優化及 pprof 的使用
程序的性能優化無非就是對程序占用資源的優化。對於服務器而言,最重要的兩項資源莫過於 CPU 和內存。性能優化,就是在對於不影響程序數據處理能力的情況下,我們通常要求程序的 CPU 的內存占用盡量低。反過來說,也就是當程序 CPU 和內存占用不變的情況下,盡量地提高程序的數據處理能力或者說是吞吐量。
Go 的原生工具鏈中提供了非常多豐富的工具供開發者使用,其中包括 pprof。
對於 pprof 的使用要分成下面兩部分來說。
Web 程序使用 pprof
先寫一個簡單的 Web 服務程序。程序在 9876 端口上接收請求。
package main
import (
"bytes"
"io/ioutil"
"log"
"math/rand"
"net/http"
_ "net/http/pprof"
)
func main() {
http.HandleFunc("/test", handler)
log.Fatal(http.ListenAndServe(":9876", nil))
}
func handler(w http.ResponseWriter, r *http.Request) {
err := r.ParseForm()
if nil != err {
w.Write([]byte(err.Error()))
return
}
doSomeThingOne(10000)
buff := genSomeBytes()
b, err := ioutil.ReadAll(buff)
if nil != err {
w.Write([]byte(err.Error()))
return
}
w.Write(b)
}
func doSomeThingOne(times int) {
for i := 0; i < times; i++ {
for j := 0; j < times; j++ {
}
}
}
func genSomeBytes() *bytes.Buffer {
var buff bytes.Buffer
for i := 1; i < 20000; i++ {
buff.Write([]byte{'0' + byte(rand.Intn(10))})
}
return &buff
}
可以看到我們只是簡單地引入了 net/http/pprof
,並未顯示地使用。
啟動程序。
我們用 wrk
來簡單地模擬請求。
wrk -c 400 -t 8 -d 3m http://localhost:9876/test
這時我們打開 http://localhost:9876/debug/pprof
,會顯示如下頁面:
用戶可以點擊相應的鏈接瀏覽內容。不過這不是我們重點講述的,而且這些內容看起來並不直觀。
我們打開鏈接 http://localhost:9876/debug/pprof/profile
稍后片刻,可以下載到文件 profile
。
使用 Go 自帶的 pprof 工具打開。go tool pprof test profile
。(proof 后跟的 test 為程序編譯的可執行文件)
輸入 top
命令得到:
可以看到 cpu 占用前 10 的函數,我們可以對此分析進行優化。
只是這樣可能還不是很直觀。
我們輸入命令 web
(需要事先安裝 graphviz,macOS 下可以 brew install graphviz
),會在瀏覽器中打開界面如下:
可以看到 main.doSomeThingOne 占用了 92.46% 的 CPU 時間,需要對其進行優化。
Web 形式的 CPU 時間圖對於優化已經完全夠用,這邊再介紹一下火焰圖的生成。macOS 推薦使用 go-torch
工具。使用方法和 go tool pprof
相似。
go-torch test profile
會生成 torch.svg 文件。可以用瀏覽器打開,如圖。
剛才只是講了 CPU 的占用分析文件的生成查看,其實內存快照的生成相似。http://localhost:9876/debug/pprof/heap
,會下載得到 heap.gz
文件。
我們同樣可以使用 go tool pprof test heap.gz
,然后輸入 top
或 web
命令查看相關內容。
通用程序使用 pprof
我們寫的 Go 程序並非都是 Web 程序,這時候再使用上面的方法就不行了。
我們仍然可以使用 pprof 工具,但引入的位置為 runtime/pprof
。
這里貼出兩個函數,作為示例:
// 生成 CPU 報告
func cpuProfile() {
f, err := os.OpenFile("cpu.prof", os.O_RDWR|os.O_CREATE, 0644)
if err != nil {
log.Fatal(err)
}
defer f.Close()
log.Println("CPU Profile started")
pprof.StartCPUProfile(f)
defer pprof.StopCPUProfile()
time.Sleep(60 * time.Second)
fmt.Println("CPU Profile stopped")
}
// 生成堆內存報告
func heapProfile() {
f, err := os.OpenFile("heap.prof", os.O_RDWR|os.O_CREATE, 0644)
if err != nil {
log.Fatal(err)
}
defer f.Close()
time.Sleep(30 * time.Second)
pprof.WriteHeapProfile(f)
fmt.Println("Heap Profile generated")
}
兩個函數分別會生成 cpu.prof
和 heap.prof
文件。仍然可以使用 go tool pprof
工具進行分析,在此就不贅述。
Trace 報告
直接貼代碼:
// 生成追蹤報告
func traceProfile() {
f, err := os.OpenFile("trace.out", os.O_RDWR|os.O_CREATE, 0644)
if err != nil {
log.Fatal(err)
}
defer f.Close()
log.Println("Trace started")
trace.Start(f)
defer trace.Stop()
time.Sleep(60 * time.Second)
fmt.Println("Trace stopped")
}
使用工具 go tool trace
進行分析,會得到非常詳細的追蹤報告,供更深入的程序分析優化。由於報告內容比較復雜,且使用方法類似,就不繼續了。讀者可自行嘗試。
貼張網上的圖給大家大概看一下: