13.10 性能調試：分析並優化 Go 程序

13.10.1 時間和內存消耗

可以用這個便捷腳本 xtime 來測量：

#!/bin/sh
/usr/bin/time -f ‘%Uu %Ss %er %MkB %C’ “$@”

在 Unix 命令行中像這樣使用 xtime goprogexec，這裏的 progexec 是一個 Go 可執行程序，這句命令行輸出類似：56.63u 0.26s 56.92r 1642640kB progexec，分別對應用戶時間，系統時間，實際時間和最大內存佔用。

13.10.2 用 go test 調試

如果代碼使用了 Go 中 testing 包的基準測試功能，我們可以用 gotest 標準的 -cpuprofile 和 -memprofile 標誌向指定文件寫入 CPU 或內存使用情況報告。

使用方式：go test -x -v -cpuprofile=prof.out -file x_test.go

編譯執行 x_test.go 中的測試，並向 prof.out 文件中寫入 cpu 性能分析信息。

13.10.3 用 pprof 調試

你可以在單機程序 progexec 中引入 runtime/pprof 包；這個包以 pprof 可視化工具需要的格式寫入運行時報告數據。對於 CPU 性能分析來說你需要添加一些代碼：

var cpuprofile = flag.String(“cpuprofile”, “”, “write cpu profile to file”)

func main() {
    flag.Parse()
    if *cpuprofile != “” {
        f, err := os.Create(*cpuprofile)
        if err != nil {
            log.Fatal(err)
        }
        pprof.StartCPUProfile(f)
        defer pprof.StopCPUProfile()
    }
...

代碼定義了一個名爲 cpuprofile 的 flag，調用 Go flag 庫來解析命令行 flag，如果命令行設置了 cpuprofile flag，則開始 CPU 性能分析並把結果重定向到那個文件。（os.Create 用拿到的名字創建了用來寫入分析數據的文件）。這個分析程序最後需要在程序退出之前調用 StopCPUProfile 來刷新掛起的寫操作到文件中；我們用 defer 來保證這一切會在 main 返回時觸發。

現在用這個 flag 運行程序：progexec -cpuprofile=progexec.prof

然後可以像這樣用 gopprof 工具：gopprof progexec progexec.prof

gopprof 程序是 Google pprofC++ 分析器的一個輕微變種；關於此工具更多的信息，參見http://code.google.com/p/google-perftools/。

如果開啓了 CPU 性能分析，Go 程序會以大約每秒 100 次的頻率阻塞，並記錄當前執行的 goroutine 棧上的程序計數器樣本。

此工具一些有趣的命令：

1）topN

用來展示分析結果中最開頭的 N 份樣本，例如：top5 它會展示在程序運行期間調用最頻繁的 5 個函數，輸出如下：

Total: 3099 samples
626 20.2% 20.2% 626 20.2% scanblock
309 10.0% 30.2% 2839 91.6% main.FindLoops
...

第 5 列表示函數的調用頻度。

2）web 或 web 函數名

該命令生成一份 SVG 格式的分析數據圖表，並在網絡瀏覽器中打開它（還有一個 gv 命令可以生成 PostScript 格式的數據，並在 GhostView 中打開，這個命令需要安裝 graphviz）。函數被表示成不同的矩形（被調用越多，矩形越大），箭頭指示函數調用鏈。

3）list 函數名 或 weblist 函數名

展示對應函數名的代碼行列表，第 2 列表示當前行執行消耗的時間，這樣就很好地指出了運行過程中消耗最大的代碼。

如果發現函數 runtime.mallocgc（分配內存並執行週期性的垃圾回收）調用頻繁，那麼是應該進行內存分析的時候了。找出垃圾回收頻繁執行的原因，和內存大量分配的根源。

爲了做到這一點必須在合適的地方添加下面的代碼：

var memprofile = flag.String(“memprofile”, “”, “write memory profile to this file”)
...

CallToFunctionWhichAllocatesLotsOfMemory()
if *memprofile != “” {
    f, err := os.Create(*memprofile)
    if err != nil {
        log.Fatal(err)
    }
    pprof.WriteHeapProfile(f)
    f.Close()
    return
}

用 -memprofile flag 運行這個程序：progexec -memprofile=progexec.mprof

然後你可以像這樣再次使用 gopprof 工具：gopprof progexec progexec.mprof

top5，list 函數名 等命令同樣適用，只不過現在是以 Mb 爲單位測量內存分配情況，這是 top 命令輸出的例子：

Total: 118.3 MB
    66.1 55.8% 55.8% 103.7 87.7% main.FindLoops
    30.5 25.8% 81.6% 30.5 25.8% main.*LSG·NewLoop
    ...

從第 1 列可以看出，最上面的函數佔用了最多的內存。

同樣有一個報告內存分配計數的有趣工具：

gopprof --inuse_objects progexec progexec.mprof

對於 web 應用來說，有標準的 HTTP 接口可以分析數據。在 HTTP 服務中添加

import _ “http/pprof”

會爲 /debug/pprof/ 下的一些 URL 安裝處理器。然後你可以用一個唯一的參數——你服務中的分析數據的 URL 來執行 gopprof 命令——它會下載並執行在線分析。

gopprof http://localhost:6060/debug/pprof/profile # 30-second CPU profile
gopprof http://localhost:6060/debug/pprof/heap # heap profile

在 Go-blog（引用 15）中有一篇很好的文章用具體的例子進行了分析：分析 Go 程序（2011年6月）。

性能調試：分析並優化 Go 程序

13.10 性能調試：分析並優化 Go 程序

13.10.1 時間和內存消耗

13.10.2 用 go test 調試

13.10.3 用 pprof 調試

鏈接

results matching ""

No results matching ""