这是一篇翻译文章,我选择翻译它,一方面是给有需要的人看,另一方面也是为了我强化理解它以及实践它。

在尝试使用 Google 翻译到一半的时候,我顺手 Google 了一下,又看到了 Linux.cn 的翻译,本文也有借鉴,再次表示感谢。


如果你在使用 Go 开发程序,并且你们又发布在 GCP 上的,那么本文将会对你分析程序是一个很好的补充。

Google 最有趣的部分之一就是我们规模庞大的持续分析服务。我们可以看到谁在使用 CPU 和内存,我们可以持续地监控我们的生产服务以争用和阻止 profile ,并且我们可以生成分析和报告,并轻松地告诉我们可以进行哪些有重要影响的优化。

我简单研究了 Stackdriver Profiler,这是我们的新产品,它填补了针对云端用户在云服务范围内分析服务的空白。请注意,你无需在 Google 云平台上运行你的代码即可使用它。实际上,我现在每天都在开发时使用它。它也支持 Java 和 Node.js。

生产环境中分析

pprof 可安全地用于生产。我们针对 CPU 和堆分配分析会额外增加 5% 的开销。一个实例中每分钟收集 10 秒。如果你有一个 Kubernetes Pod 的多个副本,我们确保进行分摊收集。例如,如果你拥有一个 pod 的 10 个副本,那么开销将变为 0.5%。这使用户可以持续保持分析。

我们目前支持 Go 程序的 CPU,堆,互斥和线程分析。

为什么?

在解释如何在生产中使用分析器之前,先解释为什么你想要在生产中进行分析将对你有所帮助。

一些非常常见的情况是:

  • 调试仅在生产环境中可见的性能问题;
  • 了解 CPU 使用率以减少费用;
  • 了解争用的累积和优化的地方;
  • 了解新版本的影响,例如看到灰度和线上之间的区别;
  • 通过关联分析样本以了解延迟的根本原因来丰富你的分布式经验;

启用

Stackdriver Profiler 不能与 net/http/pprof 处理程序一起使用,并要求你在程序中安装和配置一个一行的代理。

go get cloud.google.com/go/profiler

在你的主函数中,启动分析器:

1
2
3
4
5
6
7
if err := profiler.Start(profiler.Config{
   Service:        "indexing-service",
   ServiceVersion: "1.0",
   ProjectID:      "bamboo-project-606", // optional on GCP
}); err != nil {
   log.Fatalf("Cannot start the profiler: %v", err) 
}

一旦你开始运行你的程序,profiler 软件包将每分钟报告给分析器 10 秒钟。

可视化

当分析被报告给后端后,你将在 https://console.cloud.google.com/profiler 上看到火焰图。你可以按标签过滤并更改时间范围,也可以按服务名称和版本进行细分。数据将会长达 30 天。

你可以选择其中一个可用的来分析,按服务,区域和版本分解,你可以在火焰中移动并通过标签进行过滤。

阅读火焰图

Brendan Gregg 非常全面地解释了火焰图可视化。Stackdriver Profiler 增加了一点它自己的特点。

我们将查看一个 CPU 分析,但这也适用于其他分析。

  • 最上面的 x 轴表示整个程序。火焰上的每个框表示调用路径上的一帧。框的宽度与执行该函数花费的 CPU 时间成正比。
  • 框从左到右排序,左边是花费最多的调用路径。
  • 来自同一包的帧具有相同的颜色。这里所有运行时功能均以绿色表示。
  • 你可以单击任何框进一步展开执行树。

你可以将鼠标悬停在任何框上查看任何帧的详细信息。

过滤

你可以显示、隐藏和高亮符号名称。如果你特别想了解某个特定调用或包的消耗,这些信息非常有用。

  • 选择你的过滤器。你可以组合多个过滤器。在这里,我们将高亮显示 runtime.memmove 。
  • 火焰将使用过滤器过滤帧并可视化过滤后的框。在这种情况下,它高亮显示所有 runtime.memmove 框。

参考资料

  1. continuous-profiling-of-go-programs
  2. Go 程序的持续分析

茶歇驿站

一个可以让你停下来看一看,在茶歇之余给你帮助的小站,这里的内容主要是后端技术,个人管理,团队管理,以及其他个人杂想。

茶歇驿站二维码