9.3.4 性能剖析 Profiling
熟悉 Go 语言的开发者一定了解 pprof。当我们需要对软件性能调试与分析时，可以通过 pprof 的 CPU profiling 或 Memory profiling 功能来分析函数的耗时和内存占用情况。在可观测性领域，性能剖析（Profiling）和 Go 语言中的 pprof 作用相同，都是通过对动态程序进行剖析，生成程序运行时的动态画像（也就是 Profiles 数据）。从而帮助我们了解程序使用各类资源的全貌，确定代码和性能瓶颈之间的关联。
Profiles 数据一般表示成火焰图、堆栈图或内存分析图等形式，是从“是什么”到“为什么”这一过程中至关重要的依据。例如，通过链路追踪发现延迟产生的位置，再借助 Profiles 生成的火焰图进一步定位到具体的代码行。2021 年国内某站崩溃，工程师们就是使用火焰图观察到到一处 Lua 代码存在异常，并定位到问题的源头[1]。
图 9-20 Lua 级别的 CPU 火焰图
火焰图分析说明
- 火焰图的 y 轴代调用栈，每一层都是一个函数调用，栈越深火焰越高，调用关系从上而下，顶部就是正在执行的函数，下方都是它的父函数。
- x 轴代表抽样数，一个函数在 x 轴占据的宽度越宽，则说明它被抽样的次数越多，也就是说它的执行时间越长。
火焰图就是看顶层的哪个函数占据的宽度最大。只要有“平顶”，就表示该函数可能存在性能问题。火焰图颜色没有特殊含义，因为火焰图表示的是 CPU 的繁忙程度，所以一般选择暖色调。
可观测中的 Profiles 数据由多种不同的 Profiler 生成，常见的有：
- CPU Profiler（CPU 分析器）：用于分析哪些函数或方法在运行时消耗了最多的 CPU 时间。例如，通过 CPU Profiler，我们可以确定某个算法的优化是否减少了 CPU 使用率。
- Heap Profiler（堆分析器）：用于监测程序的内存使用情况，帮助发现内存泄漏或不必要的内存分配。例如，在 Java 应用中，Heap Profiler 可以帮助找到导致内存溢出的具体对象或数据结构。
- GPU Profiler（GPU 分析器）：用于分析图形处理单元（GPU）的利用情况，常用于游戏开发或图形密集型应用。
- Mutex Profiler（互斥锁分析器）：用于检测互斥锁的竞争情况，帮助优化多线程程序的并发性能。
- IO Profiler（I/O 分析器）：分析 I/O 操作的性能，如用来分析文件读写操作的延迟或网络请求的耗时，从而优化数据传输效率。
- Language-specific Profiler：特定于语言的分析器，如 JVM Profiler，专门用于分析运行在 Java 虚拟机上的应用程序。
过去，由于这些分析器开销很大，工程师们通常在万不得已的情况下才临时使用。不过，随着编程语言层面的 Java Flight Recorder、Async Profiler，操作系统层面的 systemTap、eBPF 等的低开销剖析方法的普及，常态化运行的持续性能剖析（Continuous Profiling）辅助程序员精准的抓取一些偶发故障的现场快照，也变得愈加可行。
参见《2021.07.13 我们是这样崩的》https://www.bilibili.com/read/cv17521097/ ↩︎