Go 程式的效能最佳化及 pprof 的使用

程式的效能最佳化無非就是對程式佔用資源的最佳化。對於伺服器而言，最重要的兩項資源莫過於 CPU 和記憶體。效能最佳化，就是在對於不影響程式資料處理能力的情況下，我們通常要求程式的 CPU 的記憶體佔用盡量低。反過來說，也就是當程式 CPU 和記憶體佔用不變的情況下，盡量地提高程式的資料處理能力或者說是輸送量。

Go 的原生工具鏈中提供了非常多豐富的工具供開發人員使用，其中包括 pprof。

對於 pprof 的使用要分成下面兩部分來說。

Web 程式使用 pprof

先寫一個簡單的 Web 服務程式。程式在 9876 連接埠上接收請求。

package mainimport (    "bytes"    "io/ioutil"    "log"    "math/rand"    "net/http"    _ "net/http/pprof")func main() {    http.HandleFunc("/test", handler)    log.Fatal(http.ListenAndServe(":9876", nil))}func handler(w http.ResponseWriter, r *http.Request) {    err := r.ParseForm()    if nil != err {        w.Write([]byte(err.Error()))        return    }    doSomeThingOne(10000)    buff := genSomeBytes()    b, err := ioutil.ReadAll(buff)    if nil != err {        w.Write([]byte(err.Error()))        return    }    w.Write(b)}func doSomeThingOne(times int) {    for i := 0; i < times; i++ {        for j := 0; j < times; j++ {        }    }}func genSomeBytes() *bytes.Buffer {    var buff bytes.Buffer    for i := 1; i < 20000; i++ {        buff.Write([]byte{'0' + byte(rand.Intn(10))})    }    return &buff}

可以看到我們只是簡單地引入了 net/http/pprof ，並未顯示地使用。

啟動程式。

我們用 wrk 來簡單地類比請求。

wrk -c 400 -t 8 -d 3m http://localhost:9876/test

這時我們開啟 http://localhost:9876/debug/pprof，會顯示如下頁面：

img

使用者可以點擊相應的連結瀏覽內容。不過這不是我們重點講述的，而且這些內容看起來並不直觀。

我們開啟連結 http://localhost:9876/debug/pprof/profile 稍後片刻，可以下載到檔案 profile。

使用 Go 內建的 pprof 工具開啟。go tool pprof test profile。（proof 後跟的 test 為程式編譯的可執行檔）

輸入 top 命令得到：

img

可以看到 cpu 佔用前 10 的函數，我們可以對此分析進行最佳化。

只是這樣可能還不是很直觀。

我們輸入命令 web（需要事先安裝 graphviz，macOS 下可以 brew install graphviz），會在瀏覽器中開啟介面如下：

img

可以看到 main.doSomeThingOne 佔用了 92.46% 的 CPU 時間，需要對其進行最佳化。

Web 形式的 CPU 時間圖對於最佳化已經完全夠用，這邊再介紹一下火焰圖的產生。macOS 推薦使用 go-torch 工具。使用方法和 go tool pprof 相似。

go-torch test profile 會產生 torch.svg 檔案。可以用瀏覽器開啟，。

img

剛才只是講了 CPU 的佔用分析檔案的產生查看，其實記憶體快照的產生相似。http://localhost:9876/debug/pprof/heap，會下載得到 heap.gz 檔案。

我們同樣可以使用 go tool pprof test heap.gz，然後輸入 top 或 web 命令查看相關內容。

imgimg

通用程式使用 pprof

我們寫的 Go 程式並非都是 Web 程式，這時候再使用上面的方法就不行了。

我們仍然可以使用 pprof 工具，但引入的位置為 runtime/pprof 。

這裡貼出兩個函數，作為樣本：

// 產生 CPU 報告func cpuProfile() {    f, err := os.OpenFile("cpu.prof", os.O_RDWR|os.O_CREATE, 0644)    if err != nil {        log.Fatal(err)    }    defer f.Close()    log.Println("CPU Profile started")    pprof.StartCPUProfile(f)    defer pprof.StopCPUProfile()    time.Sleep(60 * time.Second)    fmt.Println("CPU Profile stopped")}// 產生堆記憶體報告func heapProfile() {    f, err := os.OpenFile("heap.prof", os.O_RDWR|os.O_CREATE, 0644)    if err != nil {        log.Fatal(err)    }    defer f.Close()    time.Sleep(30 * time.Second)    pprof.WriteHeapProfile(f)    fmt.Println("Heap Profile generated")}

兩個函數分別會產生 cpu.prof 和 heap.prof 檔案。仍然可以使用 go tool pprof 工具進行分析，在此就不贅述。

Trace 報告

直接貼代碼:

// 產生追蹤報告func traceProfile() {    f, err := os.OpenFile("trace.out", os.O_RDWR|os.O_CREATE, 0644)    if err != nil {        log.Fatal(err)    }    defer f.Close()    log.Println("Trace started")    trace.Start(f)    defer trace.Stop()    time.Sleep(60 * time.Second)    fmt.Println("Trace stopped")}

使用工具 go tool trace 進行分析，會得到非常詳細的追蹤報告，供更深入的程式分析最佳化。由於報告內容比較複雜，且使用方法類似，就不繼續了。讀者可自行嘗試。

貼張網上的圖給大家大概看一下：

img

每個golang包只需要一篇最好的文章 系列
http://www.nextblockchain.top/books/golangpackage/summary