准备工作

在对 go 的性能进行分析之前，我们需要做一些准备工作，具体如下

image.png

在代码中嵌入性能分析的 API

image.png

你可以分析程序在执行时的 CPU
你可以分析内存
还有很多内容，你都可以选择监控

package main

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

const (
    col = 10000
    row = 10000
)

func fillMatrix(m *[row][col]int) {
    s := rand.New(rand.NewSource(time.Now().UnixNano()))

    for i := 0; i < row; i++ {
        for j := 0; j < col; j++ {
            m[i][j] = s.Intn(100000)
        }
    }
}

func calculate(m *[row][col]int) {
    for i := 0; i < row; i++ {
        tmp := 0
        for j := 0; j < col; j++ {
            tmp += m[i][j]
        }
    }
}

func main() {
    //创建输出文件
    f, err := os.Create("cpu.prof")  // 创建一个文件句柄，这个会收集程序在执行的时候的 CPU 状态
    if err != nil {
        log.Fatal("could not create CPU profile: ", err)
    }

    // 获取系统信息
    if err := pprof.StartCPUProfile(f); err != nil { // 监控开始
        log.Fatal("could not start CPU profile: ", err)
    }
    defer pprof.StopCPUProfile()  // 在程序结束的时候结束监控

    // 主逻辑区，进行一些简单的代码运算
    x := [row][col]int{}
    fillMatrix(&x)
    calculate(&x)

    f1, err := os.Create("mem.prof")  // 做一个句柄，用于收集程序的内存状态
    if err != nil {
        log.Fatal("could not create memory profile: ", err)
    }
    //runtime.GC()                                       // GC，获取最新的数据信息
    if err := pprof.WriteHeapProfile(f1); err != nil {  // 写入内存信息
        log.Fatal("could not write memory profile: ", err)
    }
    f1.Close()  // 关闭内存监控

    f2, err := os.Create("goroutine.prof")  // 打开一个句柄，用于收集其他信息
    if err != nil {
        log.Fatal("could not create groutine profile: ", err)
    }

    if gProf := pprof.Lookup("goroutine"); gProf == nil {  // 使用 lookup 可以选择你想要监控的类型，这里选择的是协程
        log.Fatal("could not write groutine profile: ")
    } else {
        gProf.WriteTo(f2, 0)
    }
    f2.Close()

}

如果你想了解其他可以监控的内容，可以在下面寻找

image.png

go build prof.go 创建二进制文件
执行这个二进制文件，在目录中会出现相关的分析文件
使用 go tool pprof pro xxx.prof ，可以进入相关文件的控制台
在控制台中，使用 top 、list 等命令可以查看详细内容
使用 svg 可以生成图，你可以用浏览器打开

使用火炬图 go-torch

在目录下使用 go-torch xxx.prof ，可以生成火炬图

使用 http 持续监控

image.png

使用斐波那契数列的代码作为例子

package main

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

func GetFibonacciSerie(n int) []int {
    ret := make([]int, 2, n)
    ret[0] = 1
    ret[1] = 1
    for i := 2; i < n; i++ {
        ret = append(ret, ret[i-2]+ret[i-1])
    }
    return ret
}

func index(w http.ResponseWriter, r *http.Request) {
    w.Write([]byte("Welcome!"))
}

func createFBS(w http.ResponseWriter, r *http.Request) {
    var fbs []int
    for i := 0; i < 1000000; i++ {
        fbs = GetFibonacciSerie(50)
    }
    w.Write([]byte(fmt.Sprintf("%v", fbs)))

}

func main() {
    http.HandleFunc("/", index)
    http.HandleFunc("/fb", createFBS)
    log.Fatal(http.ListenAndServe(":8081", nil))
}

你只需要 run 这个文件，然后可以正常访问他
进入 http://127.0.0.1:8081/debug/pprof/ 可以进入一个新能分析的网页
如果你觉得这样并不好，可以使用命令 go tool pprof http://127.0.0.1:8081/debug/pprof/profile，这样会分析接下来三十秒之内的新能变化
使用 go-torch http://127.0.0.1:8801/debug/pprof/profile 可以生成火炬图