golang性能监控

背景

性能测试主要用于go benchmark等压力测试的场景下，进行cpu和内存的使用分析。这边主要使用pprof来进行性能的采集

性能查看

topN

先使用命令进行cpu profiling分析

go tool pprof ./backend_server http://localhost:port/debug/pprof/profile

进入命令行后使用命令topN即可看到最耗时的N项调用

(pprof)top5

调用树同上先进行cpu profiling分析, 再执行命令(pprof)web, 即可看到调用树

火焰图

使用go-torch将pprof生成的结果展示成火焰图的形式

brew install perl
go get github.com/uber/go-torch
git clone https://github.com/brendangregg/FlameGraph.git
# 将FlameGraph代码加入环境变量下
export $PATH=$PATH:/path/to/FlameGraph

# 运行生成svg格式火焰图
go-torch -u localhost:{pprof_port}

本地启用http端口读取pprof生成的profile文件，可以快捷获取go自带火焰图和调用树等信息

go tool pprof -http=:{web_port} pprof.samples.cpu.004.pb.gz

使用方式

程序应区分运行模式，默认TEST模式启用pprof，其他模式包括DEBUG模式不启用，以免造成性能损耗。

// 原生http
// 隐式导入pprof包, 即可进行性能采集检测
import _ "net/http/pprof"

func main() {
    // 开启用于pprof的端口
    http.ListenAndServe("localhost:10001", nil)
}

// gin
// 隐式导入pprof包
import _ "net/http/pprof"
import "github.com/gin-contrib/pprof"

func main() {
    // ...
    r := gin.New()
    pprof.Register(r)
    // ...
}

// grpc
// 隐式导入pprof包
import _ "net/http/pprof"

func main() {
    // 在grpc监听的端口外额外监听一个http端口用于记录pprof结果
    runtime.SetBlockProfileRate(1)
    go func() {
        http.ListenAndServe(":10001", nil)
    }()
}

参数调试

例如像如下进行采样:

# cpu性能分析 (默认采样30秒 采样频率每秒100次)
go tool pprof http://localhost:10001/debug/pprof/profile
# 内存性能分析
go tool pprof http://localhost:10001/debug/pprof/heap

当程序的CPU使用率相对较低，或者程序中的操作非常快，这种低频的采样可能就无法获取到精准到信息，导致自己得到的性能分析图或者火焰图不准确。
这种情况下我们可以通过设置环境变量手动调整采样频率，提高采样的频数:

PPROF_SAMPLE_RATE=1000 go run main.go

参考

PREVIOUSk8s基础知识和名词整理

NEXTpostgres协议学习