概要

profile就是定时采样，收集cpu，内存等信息，进而给出性能优化指导，golang 官方提供了golang自己的性能分析工具的用法，也给出了指导，官方的介绍

环境

golang环境， graphviz

生成profile方法

golang目前提供了3中profile，分别是 cpu profile, memery profile, blocking profile, 对于如何生成这些profile有两种办法，一种是使用 net/http/pprof 包，一种是需要自己手写代码，下面分别介绍一下

1. net/http/pprof 方法

这种方法是非常非常简单的，只需要引入 net/http/pprof 包就可以了，网页上可以查看

package main

import (
    "fmt"
    "log"
    "net/http"
    _ "net/http/pprof"
)

func main() {
    go func() {
        for {
            fmt.Println("hello world")
        }
    }()
    log.Fatal(http.ListenAndServe("0.0.0.0:8080", nil))
}

http://127.0.0.1:8080/debug/pprof 查看整体信息
http://127.0.0.1:8080/debug/pprof/profile 可以将cpu profile下载下来观察分析

从terminal进入profile，进行细致分析
go tool pprof http://localhost:6060/debug/pprof/profile
go tool pprof http://localhost:6060/debug/pprof/heap
go tool pprof http://localhost:6060/debug/pprof/block

2. 写代码的方法

func main() {
    cpuf, err := os.Create("cpu_profile")
    if err != nil {
        log.Fatal(err)
    }
    pprof.StartCPUProfile(cpuf)
    defer pprof.StopCPUProfile()

    ctx, _ := context.WithTimeout(context.Background(), time.Second*5)
    test(ctx)

    time.Sleep(time.Second * 3)
    memf, err := os.Create("mem_profile")
    if err != nil {
        log.Fatal("could not create memory profile: ", err)
    }
    if err := pprof.WriteHeapProfile(memf); err != nil {
        log.Fatal("could not write memory profile: ", err)
    }
    memf.Close()
}

func test(c context.Context) {
    i := 0
    j := 0
    go func() {
        m := map[int]int{}
        for {
            i++
            m[i] = i
        }
    }()
    go func() {
        m := map[int]int{}
        for {
            j++
            m[i] = i
        }
    }()
    select {
    case <-c.Done():
        fmt.Println("done, i", i, "j", j)
        return
    }
}

会生成两个profile，一个是cpu的，一个是内存的。进入proflie 方法

go tool pprof main profile
main 代表的是二进制文件，也就是编译出来的可执行文件
profile 就是上文中生成的profile，可以是cpu_profile, 也可以是mem_profile

对于cpu_profile 来说，代码开始的时候就可以开始统计了
mem_profile 部分代码如果写在代码开始的位置是统计不出来的，需要找到一个比较好的位置

如何分析 profile

1.示例代码如下

package main

import (
    "flag"
    "fmt"
    "log"
    "math/rand"
    "os"
    "runtime/pprof"
    "sort"
    "time"
)

var num = 100000000
var findNum = 10000000

var t = flag.String("t", "map", "use map")

func main() {
    cpuf, err := os.Create("cpu_profile")
    if err != nil {
        log.Fatal(err)
    }
    pprof.StartCPUProfile(cpuf)
    defer pprof.StopCPUProfile()

    flag.Parse()
    if *t == "map" {
        fmt.Println("map")
        findMapMax()
    } else {
        fmt.Println("slice")
        findSliceMax()
    }
}

func findMapMax() {
    m := map[int]int{}
    for i := 0; i < num; i++ {
        m[i] = i
    }

    for i := 0; i < findNum; i++ {
        toFind := rand.Int31n(int32(num))
        _ = m[int(toFind)]
    }
}

func findSliceMax() {
    m := make([]int, num)
    for i := 0; i < num; i++ {
        m[i] = i
    }

    for i := 0; i < findNum; i++ {
        toFind := rand.Int31n(int32(num))
        v := sort.SearchInts(m, int(toFind))
        fmt.Println(v)
    }
}

代码很简单，主要是为了介绍如何分析profile，达到效果即可，不要在意细节。
这段代码就是分别用 map, slice 两种数据结构, 先生成 num 个元素，在从map, slice 中 随机找到 findNum 个元素， 选用map 还是 slice 可以通过 -t 来指定，本demo采用 非 net/http/pprof 方式

2.准备工作

需要生成 profile 文件 和 二进制文件
生成二进制文件: go build main.go (执行命令后会生成 main 二进制文件)
生成 profile: ./main (不指定-t ，默认使用map数据结构,会生成 cpu_profile, 这个文件就是我们要分析的profile)

3.分析profile

• 现在准备工作做好了，我们目前生成了 main 二进制可执行文件，cpu_profile 性能分析需要的profile, 接下来我们要正式进入profile进行分析了

• go tool pprof main cpu_profile 执行这个命令就进入了profile 文件了，这时候我们已经可以开始分析代码了

• 输入help，可以查看都支持哪些操作，有很多命令可以根据需要进行选择，我们只介绍4个我自己比较喜欢用的命令 web, top, peek, list
  *web----- 在profile输入 web, 会生成网页版的调用分析图（需要安装 graphviz）如下图：

  image

  输入web命令后，会自动打开浏览器出现如下内容：

  image

这样就可以看到每个步骤占用多少时间了，可以对性能进行大致的分析，但是很多时候可能出现的并不是我们关心的，比如这个demo中看到的都是不认识的函数（其实都是map的runtime操作）

• top----- 在profile 中输入top，会列出来几个最耗时的操作

  image

因为性能统计都是采样操作，所以不是每次统计出来的都一样， 最重要的是经常统计出来的都是底层操作，并不是我们关心的，而且也不是每个人都能看得懂，我们更需要一种直观的办法，很直观的能把自己写的代码耗时都看出来，下面就介绍一种我个人觉得非常好的方法。

• peek,list 妙用
  peek 是用来查询 函数名字的(这个名字是list需要使用的名字，并不完全等于函数名)
  list 是用来将函数时间消耗列出来的
  1）list main.main

  image

2. peek findMapMax (因为根据1可以看出来消耗都在 findMapMax)

   image

   3）list main.findMapMax (根据2可以看出来名字是 main.findMapMax)

   image

妙用 peek list指令可以很直观的看出来，我们的代码问题在 m[i] = i, 这就说明了就是map的写操作耗费了38.75s, 而44行的读操作只用了2.35s, 针对这个demo，我们要优化的就是 m[i] = i ，因为这句操作已经语言级别的，我们是没有能力对他进行优化的，所以这时候如果需求只能用map，那么这个程序几乎没有优化空间了，如果需求可以使用其他的数据结构，那我们肯定会把map修改为slice，众所周知 map 每次存一个函数都要进行hash计算，而且存的多了到达一定的数量，还要重新对map进行重新分配空间的操作，所以肯定是耗时的。

总结

1. go run main.go -t=slice 会使用slice的数据结构，同学们可以自行按照文章的方法进行分析一下，检验一下自己掌握的如何。
2. 在profile中执行help命令，会列出所有的命令，有兴趣可以去研究
3. memory 也是同样的分析方法，demo 中 mem_profile 生成的位置可能需要调整，我没有进行验证，降低memory 使用也会大幅提升性能。
4. 还有一种 blocking profile 在手写方式中没有给出，有兴趣的可以自己google一下

过早的优化是万恶之源

](https://img.haomeiwen.com/i5659111/2ccd8741843d9033?imageMogr2/auto-orient/strip%7CimageView2/2/w/1240)](https://www.jianshu.com/u/a070959706be)

上海大坤哥 已关注

2017.04.01 10:59* 字数 1485 阅读 539评论 2喜欢 8

概要

profile就是定时采样，收集cpu，内存等信息，进而给出性能优化指导，golang 官方提供了golang自己的性能分析工具的用法，也给出了指导，官方的介绍

环境

golang环境， graphviz

生成profile方法

golang目前提供了3中profile，分别是 cpu profile, memery profile, blocking profile, 对于如何生成这些profile有两种办法，一种是使用 net/http/pprof 包，一种是需要自己手写代码，下面分别介绍一下

1. net/http/pprof 方法

这种方法是非常非常简单的，只需要引入 net/http/pprof 包就可以了，网页上可以查看

package main

import (
    "fmt"
    "log"
    "net/http"
    _ "net/http/pprof"
)

func main() {
    go func() {
        for {
            fmt.Println("hello world")
        }
    }()
    log.Fatal(http.ListenAndServe("0.0.0.0:8080", nil))
}

http://127.0.0.1:8080/debug/pprof 查看整体信息
http://127.0.0.1:8080/debug/pprof/profile 可以将cpu profile下载下来观察分析

从terminal进入profile，进行细致分析
go tool pprof http://localhost:6060/debug/pprof/profile
go tool pprof http://localhost:6060/debug/pprof/heap
go tool pprof http://localhost:6060/debug/pprof/block

2. 写代码的方法

func main() {
    cpuf, err := os.Create("cpu_profile")
    if err != nil {
        log.Fatal(err)
    }
    pprof.StartCPUProfile(cpuf)
    defer pprof.StopCPUProfile()

    ctx, _ := context.WithTimeout(context.Background(), time.Second*5)
    test(ctx)

    time.Sleep(time.Second * 3)
    memf, err := os.Create("mem_profile")
    if err != nil {
        log.Fatal("could not create memory profile: ", err)
    }
    if err := pprof.WriteHeapProfile(memf); err != nil {
        log.Fatal("could not write memory profile: ", err)
    }
    memf.Close()
}

func test(c context.Context) {
    i := 0
    j := 0
    go func() {
        m := map[int]int{}
        for {
            i++
            m[i] = i
        }
    }()
    go func() {
        m := map[int]int{}
        for {
            j++
            m[i] = i
        }
    }()
    select {
    case <-c.Done():
        fmt.Println("done, i", i, "j", j)
        return
    }
}

会生成两个profile，一个是cpu的，一个是内存的。进入proflie 方法

go tool pprof main profile
main 代表的是二进制文件，也就是编译出来的可执行文件
profile 就是上文中生成的profile，可以是cpu_profile, 也可以是mem_profile

对于cpu_profile 来说，代码开始的时候就可以开始统计了
mem_profile 部分代码如果写在代码开始的位置是统计不出来的，需要找到一个比较好的位置

如何分析 profile

1.示例代码如下

package main

import (
    "flag"
    "fmt"
    "log"
    "math/rand"
    "os"
    "runtime/pprof"
    "sort"
    "time"
)

var num = 100000000
var findNum = 10000000

var t = flag.String("t", "map", "use map")

func main() {
    cpuf, err := os.Create("cpu_profile")
    if err != nil {
        log.Fatal(err)
    }
    pprof.StartCPUProfile(cpuf)
    defer pprof.StopCPUProfile()

    flag.Parse()
    if *t == "map" {
        fmt.Println("map")
        findMapMax()
    } else {
        fmt.Println("slice")
        findSliceMax()
    }
}

func findMapMax() {
    m := map[int]int{}
    for i := 0; i < num; i++ {
        m[i] = i
    }

    for i := 0; i < findNum; i++ {
        toFind := rand.Int31n(int32(num))
        _ = m[int(toFind)]
    }
}

func findSliceMax() {
    m := make([]int, num)
    for i := 0; i < num; i++ {
        m[i] = i
    }

    for i := 0; i < findNum; i++ {
        toFind := rand.Int31n(int32(num))
        v := sort.SearchInts(m, int(toFind))
        fmt.Println(v)
    }
}

代码很简单，主要是为了介绍如何分析profile，达到效果即可，不要在意细节。
这段代码就是分别用 map, slice 两种数据结构, 先生成 num 个元素，在从map, slice 中 随机找到 findNum 个元素， 选用map 还是 slice 可以通过 -t 来指定，本demo采用 非 net/http/pprof 方式

2.准备工作

需要生成 profile 文件 和 二进制文件
生成二进制文件: go build main.go (执行命令后会生成 main 二进制文件)
生成 profile: ./main (不指定-t ，默认使用map数据结构,会生成 cpu_profile, 这个文件就是我们要分析的profile)

3.分析profile

• 现在准备工作做好了，我们目前生成了 main 二进制可执行文件，cpu_profile 性能分析需要的profile, 接下来我们要正式进入profile进行分析了

• go tool pprof main cpu_profile 执行这个命令就进入了profile 文件了，这时候我们已经可以开始分析代码了

• 输入help，可以查看都支持哪些操作，有很多命令可以根据需要进行选择，我们只介绍4个我自己比较喜欢用的命令 web, top, peek, list
  *web----- 在profile输入 web, 会生成网页版的调用分析图（需要安装 graphviz）如下图：

  image

  输入web命令后，会自动打开浏览器出现如下内容：

  image

这样就可以看到每个步骤占用多少时间了，可以对性能进行大致的分析，但是很多时候可能出现的并不是我们关心的，比如这个demo中看到的都是不认识的函数（其实都是map的runtime操作）

• top----- 在profile 中输入top，会列出来几个最耗时的操作

  image

因为性能统计都是采样操作，所以不是每次统计出来的都一样， 最重要的是经常统计出来的都是底层操作，并不是我们关心的，而且也不是每个人都能看得懂，我们更需要一种直观的办法，很直观的能把自己写的代码耗时都看出来，下面就介绍一种我个人觉得非常好的方法。

• peek,list 妙用
  peek 是用来查询 函数名字的(这个名字是list需要使用的名字，并不完全等于函数名)
  list 是用来将函数时间消耗列出来的
  1）list main.main

  image

2. peek findMapMax (因为根据1可以看出来消耗都在 findMapMax)

   image

   3）list main.findMapMax (根据2可以看出来名字是 main.findMapMax)

   image

妙用 peek list指令可以很直观的看出来，我们的代码问题在 m[i] = i, 这就说明了就是map的写操作耗费了38.75s, 而44行的读操作只用了2.35s, 针对这个demo，我们要优化的就是 m[i] = i ，因为这句操作已经语言级别的，我们是没有能力对他进行优化的，所以这时候如果需求只能用map，那么这个程序几乎没有优化空间了，如果需求可以使用其他的数据结构，那我们肯定会把map修改为slice，众所周知 map 每次存一个函数都要进行hash计算，而且存的多了到达一定的数量，还要重新对map进行重新分配空间的操作，所以肯定是耗时的。

总结

1. go run main.go -t=slice 会使用slice的数据结构，同学们可以自行按照文章的方法进行分析一下，检验一下自己掌握的如何。
2. 在profile中执行help命令，会列出所有的命令，有兴趣可以去研究
3. memory 也是同样的分析方法，demo 中 mem_profile 生成的位置可能需要调整，我没有进行验证，降低memory 使用也会大幅提升性能。
4. 还有一种 blocking profile 在手写方式中没有给出，有兴趣的可以自己google一下

过早的优化是万恶之源