Pour le diagnostic des performances Golang, il suffit de lire cet article

Nous sommes quotidiennement exposés à des problèmes de diagnostic de performances, qui sont généralement divisés en deux situations : l'une est que les applications en ligne ont réellement des problèmes de performances ; l'autre est que nous devons estimer les performances du système qui est prêt à fonctionner ; lancé ; ce dernier nécessite l’aide de stress tests pour exprimer ce Rien.

Pour les applications GO, les outils de diagnostic des performances sont principalement divisés en deux couches : le niveau du système d'exploitation et le niveau de l'application GO (outil go pprof /trace /gc)

Diagnostic du système d'exploitation

Diagnostic du système, nous nous concentrons généralement sur trois aspects : CPU, mémoire, E/S

1.1 CPU

Le diagnostic du CPU se concentre principalement sur la charge moyenne et l'utilisation du CPU, le changement de contexte. Utilisez la commande top couramment utilisée pour vérifier l'utilisation du processeur et la charge du serveur.

Charge moyenne : 0,14 0,07 0,06 représente respectivement la charge moyenne de la machine au cours des dernières 1 minute, 5 minutes et 15 minutes. Selon l'expérience, si la valeur de charge est inférieure à 0,7*nombre de CPU, c'est normal, et il dépasse ou atteint le nombre de cœurs de processeur. S'il est quatre ou cinq fois, la charge du système sera évidemment élevée.

Le changement de contexte du CPU peut être visualisé via la commande vmstat Les scénarios dans lesquels le changement de contexte se produit sont les suivants :

1. La tranche de temps est utilisée et le CPU planifie normalement la tâche suivante.

2. Être préempté par d'autres tâches avec une priorité plus élevée

3. La tâche d'exécution rencontre un blocage d'E/S, suspend la tâche en cours et passe à la tâche suivante

4. Le code utilisateur se bloque activement La tâche en cours abandonne le CPU

5. Le multitâche saisit les ressources et est suspendu car il n'est pas disponible

6. Interruption matérielle
   

1.2 Mémoire

Du point de vue du système d'exploitation, la mémoire se soucie de savoir si le processus d'application est suffisant. Vous pouvez utiliser la commande free –m. pour vérifier l'utilisation de la mémoire.

Vous pouvez visualiser la mémoire virtuelle VIRT et la mémoire physique RES utilisées par le processus via la commande top Selon la formule VIRT = SWAP + RES, vous pouvez calculer la partition d'échange (Swap) utilisée par l'application spécifique en utilisant trop. La partition d'échange affectera les performances de l'application. Vous pouvez ajuster la valeur de swappiness pour qu'elle soit aussi petite que possible.

1.3 E/S

Les E/S incluent les E/S de disque et les E/S de réseau. Généralement, les disques sont plus sujets aux goulots d'étranglement d'E/S. Vous pouvez vérifier l'état de lecture et d'écriture du disque via iostat, et vous pouvez voir si les E/S du disque sont normales grâce à l'attente d'E/S du CPU.

Si les E/S du disque sont toujours dans un état élevé, cela signifie que le disque est trop lent ou défectueux et est devenu un goulot d'étranglement des performances. Une optimisation de l'application ou un remplacement de disque est nécessaire.

En plus des commandes couramment utilisées telles que top, ps, vmstat, iostat, etc., il existe d'autres outils Linux qui peuvent diagnostiquer les problèmes du système, tels que mpstat, tcpdump, netstat, pidstat, sar et d'autres outils de diagnostic des performances Linux. comme indiqué ci-dessous :

GO Application Diagnosis

L'écosystème go nous a fourni un grand nombre d'API et d'outils de diagnostic pour nous aider à résoudre les problèmes de performances de allez les applications. Ceux que nous utilisons couramment peuvent être grossièrement divisés en deux catégories :

• Le profilage collecte des événements spécifiques lors de l'exécution du programme et collecte des statistiques d'échantillonnage pour faciliter la localisation précise des problèmes

• Le traçage est une méthode de détection de code, utilisée pour analyser les appels ou les utilisateurs Retardent tout au long de la durée de vie de la demande et peuvent s'étendre sur plusieurs processus Go.

2.1 profilage

le profil est généralement appelé analyse des performances. Pour un programme, il s'agit de diverses informations de présentation lorsque le programme est en cours d'exécution, notamment l'occupation du processeur, l'état de la mémoire, l'état des threads, etc. . Pratique pour analyser des scénarios de programmes coûteux ou fréquemment appelés.

Comment utiliser ?

1. Le premier code de profilage est enterré dans

import _ "net/http/pprof"


func main() {
    go func() {
        log.Println(http.ListenAndServe("0.0.0.0:9090", nil))
    }()
    ...
}

2.

3. Utilisez l'outil go pprof analyse l'instantané de profil enregistré, par exemple en analysant les informations de tas ci-dessus

curl http://localhost:6060/debug/pprof/heap --output heap.tar.gz

2.1.1 Profilage du processeur

pprof peut nous aider à analyser le lent problème d'exécution de fonction

C Le problème de l'utilisation excessive du PU

go tool pprof heap.tar.gz

Méthode de ligne de commande : traces de la liste des commandes courantes

haut : affichez les 10 principales informations sur les fonctions triées par la quantité de mémoire ou de CPU occupée

flat : La fonction actuelle occupe la durée du CPU (

• n'inclut pas les autres fonctions qu'elle appelle

  )

  flat% : le pourcentage de CPU utilisé par la fonction actuelle dans la durée totale du CPU

• sum % : la somme des pourcentages forfaitaires de chaque ligne précédente

• cum : montant cumulé, combien de temps la fonction actuelle et ses sous-fonctions occupent le CPU

• cum% : montant cumulé en pourcentage du total

       cum>=flat

list: 查看某个函数的代码 以及该函数每行代码的指标信息

traces:打印所有函数调用栈 以及调用栈的指标信息

UI界面方式：从服务器download下生成的sample文件  

go tool pprof -http=:8080 pprof.xxx.samples.cpu.001.pb.gz

Flame graph很清晰得可以看到当前CPU被哪些函数执行栈占用

1.2 Heap Profiling

go tool pprof http://localhost:6060/debug/pprof/heap?second=10

命令行 UI查看方式 同理

graph中方框越大 占用内存越多  火焰图 宽度越大 占用内存越多

SAMPLE->inuse_objects可以查看当前的对象数量 这个参数对于分析gc线程占用较高cpu时很有用处 它侧重查看对象数量

inuse_space图可以查看具体的内存占用

毕竟对于10个100m的对象和1亿个10字节的对象占用内存几乎一样大，但是回收起来一亿个小对象肯定比10个大对象要慢很多。

go tool pprof -inuse_space http://localhost:6060/debug/pprof/heap : 分析应用程序的常驻内存占用情况 （默认）
go tool pprof -alloc_objects http://localhost:6060/debug/pprof/heap: 分析应用程序的内存临时分配情况

1.3 并发请求问题 查看方式跟上面类似。

go tool pprof http://localhost:6060/debug/pprof/goroutine
go tool pprof http://localhost:6060/debug/pprof/block
go tool pprof http://localhost:6060/debug/pprof/mutex

2.2 tracing

trace并不是万能的，它更侧重于记录分析 采样时间内运行时系统具体干了什么。

收集trace数据的三种方式:

1. 使用runtime/trace包 调用trace.Start()和trace.Stop()

2. 使用go test -trace=28897b20adb25fbae118a3f80f538dec测试标识

3. 使用debug/pprof/trace handler 获取运行时系统最好的方法

例如，通过 

go tool pprof http://localhost:6060/debug/pprof/trace?seconds=20 > trace.out

获取运行时服务的trace信息，使用

go tool trace trace.out

 会自动打开浏览器展示出UI界面

其中trace view 只能使用chrome浏览器查看，这里go截止1.14版本存在一个 bug，解决办法如下：

go tool trace trace.out 无法查看trace view
go bug:https://github.com/golang/go/issues/25151
mac 解决版本：安装gotip
go get golang.org/dl/gotip
gotip download
then  使用 gotip tool trace trace.out即可

获取的trace.out 二进制文件也可以转化为pprof格式的文件

go tool trace -pprof=TYPE trace.out > TYPE.pprof
Tips:生成的profile文件 支持 network profiling、synchronization profiling、syscall profiling、scheduler profiling
go tool pprof TYPE.pprof

使用gotip tool trace trace.out可以查看到trace view的丰富操作界面：

操作技巧：

ctrl + 1  选择信息

ctrl + 2 移动选区

ctrl + 3 放大选区

ctrl + 4 指定选区区间

shift + ? 帮助信息

AWSD跟游戏快捷键类似 玩起来跟顺手

整体的控制台信息 如下图：

• 时间线: 显示执行的时间单元 根据时间的纬度不同 可以调整区间

• 堆: 显示执行期间内存的分配和释放情况

• 协程(Goroutine): 显示每个时间点哪些Goroutine在运行 哪些goroutine等待调度 ，其包含 GC 等待（GCWaiting）、可运行（Runnable）、运行中（Running）这三种状态。

goroutine区域选中时间区间

OS线程(Machine): 显示在执行期间有多少个线程在运行，其包含正在调用 Syscall（InSyscall）、运行中（Running）这两种状态。

• 虚拟处理器Processor: 每个虚拟处理器显示一行，虚拟处理器的数量一般默认为系统内核数。数量由环境变量GOMAXPROCS控制

• 协程和事件: 显示在每个虚拟处理器上有什么 Goroutine 正在运行，而连线行为代表事件关联。

每个Processor分两层，上一层表示Processor上运行的goroutine的信息，下一层表示processor附加的事件比如SysCall 或runtime system events

ctrl+3 放大选区，选中goroutine 可以查看，特定时间点 特定goroutine的执行堆栈信息以及关联的事件信息

goroutine analysis

点击goroutine的id 可以跳到trace view 详细查看goroutine具体干了什么

名称	含义
Execution	执行时间
Network wait	网络等待时间
Sync Block	同步阻塞时间
Blocking syscall	系统调用阻塞时间
Scheduler wait	调度等待时间
GC Sweeping	GC清扫时间
GC Pause	GC暂停时间

实践 一个延迟问题诊断

当我们一个执行关键任务的协程从运行中被阻塞。这里可能的原因：被syscall阻塞 、阻塞在共享内存(channel/mutex etc)、阻塞在运行时(如 GC)、甚至有可能是运行时调度器不工作导致的。这种问题使用pprof很难排查，

使用trace只要我们确定了时间范围就可以在proc区域很容易找到问题的源头

上图可见，GC 的MARK阶段阻塞了主协程的运行

2.3 GC

golang的gc算法是根据标记清除改进的三色标记法，大概流程:

初始所有对象都是白色

1. Stack scan阶段:从root出发扫描所有可达对象，标记为灰色并放入待处理队列；root包括全局指针和goroutine栈上的指针

2. Mark阶段:1.从待处理队列取出灰色对象，将其引用的对象标记为灰色并放入队列，自身标记为黑色 2. re-scan全局指针和栈，因为mark和用户程序并行运行，故过程1的时候可能会有新的对象分配，这时需要通过写屏障(write barrier)记录下来；re-scan再完成检查；

3. 重复步骤Mark阶段，直到灰色对象队列为空，执行清扫工作（白色即为垃圾对象）

go的三色标记法也存在STW(Stop The World),大致有两个场景

1. GC即将开始时，需要STW 做一些准备工作， 如enable write barrier

2. re-scan也需要STW，否则上面Mark阶段的re-scan无法终止

通过GODEBUG=gctrace=1可以开启gc日志，查看gc的结果信息

$ GODEBUG=gctrace=1 go run main.go   
gc 1 @0.001s 19%: 0.014+3.7+0.015 ms clock, 0.11+2.8/5.7/3.2+0.12 ms cpu, 5->6->6 MB, 6 MB goal, 8 P
gc 2 @0.024s 6%: 0.004+3.4+0.010 ms clock, 0.032+1.4/4.5/5.3+0.085 ms cpu, 13->14->13 MB, 14 MB goal, 8 P
gc 3 @0.093s 3%: 0.004+6.1+0.027 ms clock, 0.032+0.19/11/15+0.22 ms cpu, 24->25->22 MB, 26 MB goal, 8 P
scvg: 0 MB released
scvg: inuse: 4, idle: 58, sys: 63, released: 58, consumed: 4 (MB)
scvg: 0 MB released
scvg: inuse: 4, idle: 58, sys: 63, released: 58, consumed: 4 (MB)
scvg: 0 MB released
scvg: inuse: 4, idle: 58, sys: 63, released: 58, consumed: 4 (MB)
scvg: 0 MB released
scvg: inuse: 4, idle: 58, sys: 63, released: 58, consumed: 4 (MB)

格式

gc # @#s #%: #+#+# ms clock, #+#/#/#+# ms cpu, #->#-># MB, # MB goal, # P

含义

gc#：GC 执行次数的编号，每次叠加。

@#s：自程序启动后到当前的具体秒数。

#%：自程序启动以来在GC中花费的时间百分比。

#+...+#：GC 的标记工作共使用的 CPU 时间占总 CPU 时间的百分比。

#->#-># MB：分别表示 GC 启动时, GC 结束时, GC 活动时的堆大小.

#MB goal：下一次触发 GC 的内存占用阈值。

#P：当前使用的处理器 P 的数量。

拓展

当我们的程序陷入CPU 和IO混和负载过高时，我们使用pprof profile只能检测出CPU耗时的函数，但是屏蔽了IO等待过长的函数。

https://github.com/felixge/fgprof  给出了一个解决方案：

具体做法是:用一个后台协程在采样时间区间内每秒99次调用runtime.GoruntineProfile，返回的结果忽略了协程当时消耗CPU还是非消耗CPU的区别 进行统计，保存在内存中的map中，可导出转化为pprof

具体用法：

package main
 
import(
    _ "net/http/pprof"
    "github.com/felixge/fgprof"
)
 
func main() {
    http.DefaultServeMux.Handle("/debug/fgprof", fgprof.Handler())
    go func() {
        log.Println(http.ListenAndServe(":6060", nil))
    }()
 
    // <code to profile>
}
 
git clone https://github.com/brendangregg/FlameGraph
cd FlameGraph
curl -s &#39;localhost:6060/debug/fgprof?seconds=3&#39; > fgprof.fold
./flamegraph.pl fgprof.fold > fgprof.svg

如果遇到这种CPU消耗型和非CPU消耗型混合的情况下 可以试试排查下。

Ce qui précède est le contenu détaillé de. pour plus d'informations, suivez d'autres articles connexes sur le site Web de PHP en chinois!