golang效能診斷看這篇就夠了

我們日常接觸效能診斷問題，一般分為兩種情況，一是線上應用真的出現效能問題；二是我們需要對準備上線的系統進行效能預估；後者需要壓力測試輔助進行，此處不表。

針對GO應用，效能診斷工具主要分為兩層:OS層面與GO應用層面(go tool pprof /trace /gc)

OS診斷

系統診斷，我們大致上主要關註三個面向: CPU 、Memory、I/O

1.1 CPU

3. #CPU診斷主要關注平均負載（Load Average），CPU使用率，上下文切換（Context Switch）。常用
4. top

   指令查看cpu使用率以及伺服器負載狀況。

5. 平均負載:0.14 0.07 0.06 分別表示過去1分鐘、5分鐘、15分鐘的機器負載的平均值，根據經驗，若負載數值小於0.7*CPU個數則正常，超過或達到CPU核數的四、五倍，則系統的負載就明顯偏高。

   CPU的上下文切換情況可###透過#########vmstat#########指令可以查看，上下文切換發生的場景如下幾種:##################時間片用完，CPU正常調度下一個任務##################被其他優先順序較高的任務搶佔##################執行任務碰到I/O阻塞，掛起目前任務，切換到下一個任務###### #############使用者程式碼主動掛起目前任務讓出CPU###################多任務搶佔資源，因為沒搶到而被掛起######

6. 硬體中斷
   

#1.2  Memory

從作業系統角度，記憶體關注應用程式是否足夠，可以使用free –m 指令查看記憶體的使用情況。

透過top 指令可以查看進程使用的虛擬記憶體VIRT 和實體記憶體RES，根據公式VIRT = SWAP RES 可以推算出具體應用使用的交換分區（Swap）情況，使用交換分區過大會影響應用效能，可以將swappiness 值調到盡可能小。

1.3 I/O

I/O 包含磁碟I/ O 和網路I/O，一般情況下磁碟更容易出現I/O 瓶頸。透過iostat可以查看磁碟的讀寫情況，透過 CPU 的 I/O wait 可以看出磁碟 I/O 是否正常。

如果磁碟 I/O 一直處於很高的狀態，表示磁碟太慢或故障，成為了效能瓶頸，需要進行應用最佳化或磁碟更換。

除了常用的top、 ps、vmstat、iostat 等指令，還有其他Linux 工具可以診斷系統問題，如mpstat、tcpdump、netstat、pidstat、sar 等更多Linux效能診斷工具如下圖：

GO應用診斷

• ####go生態已經為我們提供了大量的API和診斷工具來幫助我們解決go應用的效能問題。我們常用的大致可以分為兩類:###############Profiling 收集程式執行過程中的具體事件，並抽樣統計方便精確定位問題######## ####Tracing 一種偵測程式碼的方法，用於分析呼叫或使用者請求整個生命週期中的延遲，且可以跨越多個Go進程。 ###

2.1 profiling

profile一般稱為效能分析，對程式而言，就是程式運行時的各種概況信息，包括cpu佔用情況、記憶體狀況、執行緒情況等。方便分析昂貴或頻繁呼叫的程式場景。

如何使用？

1.首先profiling程式碼埋入

#

import _ "net/http/pprof"


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

##2.保存特定時間點的profile，例如儲存heap資訊

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

3.使用go tool pprof 分析保存的profile快照，如分析上述heap資訊

go tool pprof heap.tar.gz

2.1. 1  CPU Profiling

pprof可以幫忙我們分析函數執行緩慢問題 

 C#PU佔用過高問題

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

命令列方式: 常用指令top  list traces

top: 查看依照佔用記憶體或cpu多少排序的前10的函數資訊

• flat:目前函數所佔用的CPU時長（

  不包含其呼叫的其他函數）

• flat% :目前函數使用CPU佔總CPU時長的百分比

• sum%:前面每一行flat百分比的和

##cum: 累計量，當前函數及其子函數佔用CPU時間長度 
cum%:累計量佔總量的百分比

       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。

以上是golang效能診斷看這篇就夠了的詳細內容。更多資訊請關注PHP中文網其他相關文章！