Untuk diagnosis prestasi golang, cukup membaca artikel ini

Kami terdedah kepada masalah diagnosis prestasi setiap hari, yang secara amnya terbahagi kepada dua situasi Satu ialah aplikasi dalam talian benar-benar mempunyai masalah prestasi; dilancarkan; yang terakhir memerlukan bantuan ujian tekanan This Nothing untuk menyatakan.

Untuk aplikasi GO, alat diagnostik prestasi terbahagi terutamanya kepada dua lapisan: tahap OS dan tahap aplikasi GO (go tool pprof /trace /gc)

Diagnosis OS

Diagnosis sistem, secara amnya kami menumpukan pada tiga aspek: CPU, Memori, I/O

1.1 CPU

CPU utama yang memfokuskan pada bebanan CPU dan diagnosis Penggunaan Purata CPU. Gunakan arahan top

yang biasa digunakan untuk menyemak penggunaan cpu dan beban pelayan.

Purata beban: 0.14 0.07 0.06 masing-masing mewakili purata beban mesin dalam 1 minit, 5 minit dan 15 minit yang lalu Mengikut pengalaman, jika nilai beban kurang daripada 0.7*nombor CPU, ia adalah perkara biasa. dan ia melebihi atau mencapai bilangan teras CPU Jika empat atau lima kali ganda, beban sistem akan menjadi tinggi.

Penukaran konteks CPU boleh dilihat melalui arahan vmstat Senario di mana penukaran konteks berlaku adalah seperti berikut:

1. jadual tugasan biasa akan digunakan seterusnya. . Tugas semasa menyerahkan CPU

2. Multi-tugas merampas sumber dan digantung kerana ia tidak tersedia

3. Gangguan perkakasan
   

1.2 Memori

Dari perspektif sistem pengendalian, sama ada memori boleh digunakan secara percuma untuk menyemak penggunaan memori.

Anda boleh melihat VIRT memori maya dan memori fizikal RES yang digunakan oleh proses melalui arahan atas Mengikut formula VIRT = SWAP + RES, anda boleh mengira partition swap (Swap) yang digunakan oleh aplikasi tertentu swap partition akan menjejaskan prestasi aplikasi Anda boleh Laraskan nilai swappiness menjadi sekecil mungkin.

1.3 I/O

I/O termasuk cakera I/O dan rangkaian I/O Secara amnya, cakera lebih terdedah kepada kesesakan I/O. Anda boleh menyemak status baca dan tulis cakera melalui iostat

, dan anda boleh melihat sama ada cakera I/O adalah normal melalui menunggu I/O CPU.

Jika cakera I/O sentiasa dalam keadaan tinggi, ini bermakna cakera terlalu perlahan atau rosak dan telah menjadi kesesakan prestasi Pengoptimuman aplikasi atau penggantian cakera diperlukan.

Selain arahan yang biasa digunakan seperti atas, ps, vmstat, iostat, dll., terdapat alat Linux lain yang boleh mendiagnosis masalah sistem, seperti mpstat, tcpdump, netstat, pidstat, sar dan alat diagnostik prestasi Linux yang lain seperti yang ditunjukkan di bawah:

GO Diagnosa Aplikasi

telah menyediakan kita dengan banyak alat diagnostik API dan ekosistem prestasi. pergi permohonan. Yang biasa kami gunakan secara kasar boleh dibahagikan kepada dua kategori:

• Profil mengumpul peristiwa tertentu semasa pelaksanaan program dan mengumpul statistik pensampelan untuk memudahkan lokasi masalah yang tepat

• Pengesanan, digunakan untuk menganalisis kod panggilan atau pengguna Kelewatan sepanjang hayat permintaan dan boleh merangkumi berbilang proses Go. 🎜

2.1 profiling

profil secara amnya dipanggil analisis prestasi Untuk program, ia adalah pelbagai maklumat gambaran semasa program sedang berjalan, termasuk status penghunian CPU, dll., status ingatan. . Mudah untuk menganalisis senario program yang mahal atau sering dipanggil.

Bagaimana nak guna?

1. Pertama kod profil dikebumikan dalam

import _ "net/http/pprof"


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

2.

3. Gunakan alat go pprof menganalisis syot kilat profil yang disimpan, seperti menganalisis maklumat timbunan di atas

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

2.1.1 Pemprofilan CPU

go tool pprof heap.tar.gz

2.1.1 Pemprofilan CPU

boleh membantu kami memperlahankan Pemprofilan CPU

masalah pelaksanaan fungsi

• C Masalah penggunaan PU yang berlebihan

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

• Kaedah baris arahan: Surih senarai atas arahan biasa
  atas: Lihat 10 maklumat fungsi teratas yang diisih mengikut jumlah CPU yang diisih

• flat: Fungsi semasa menempati masa CPU (

tidak termasuk fungsi lain yang dipanggil

• )

• flat%: peratusan CPU yang digunakan oleh fungsi semasa dalam jumlah masa CPU

  🎜:🎜🎜 jumlah peratusan rata setiap baris sebelumnya🎜🎜🎜🎜 merangkap: jumlah terkumpul, berapa lama fungsi semasa dan sub-fungsinya menduduki CPU 🎜🎜🎜🎜cum%: jumlah terkumpul sebagai peratusan daripada jumlah🎜

       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。

Atas ialah kandungan terperinci Untuk diagnosis prestasi golang, cukup membaca artikel ini. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!