grafana jpprof 使用的一些问题
容器运行版本问题
- 如下图
可以看出使用的也是基于libasyncProfiler 所以容器运行环境本地比较重要,parca java 解决方案也是使用了类似的技术(alpine 镜像就比较费事了,推荐使用其他java 技基础镜像,比如 amazoncorretto:11.0.17)
容器运行cap能力权限问题
因为需要perf_event 但是默认容器运行的时候是没有开启的,所以需要特殊处理下,主要是需要添加linux capability 能力,docker 可以参考如下 (开启所有能力)
docker run -d --cap-add all dalongrong/jpprof-springboot-learning
同时还需要配置一些内核参数
sh -c " echo 0 > /proc/sys/kernel/kptr_restrict"
sh -c " echo 1 > /proc/sys/kernel/perf_event_paranoid"
jdk 版本问题
最小jdk 版本是jdk 11,jdk 8 是不能运行的,从使用到的技术来说jdk8 理论上也是可以的,只是目前grafana 使用的jdk 11 构建编写的,我们可以仿照自己调整下(内部还使用了jfr)
windows 支持
从当前来说是不支持Windows的,主要是linux 以及mac 系统
实际对于性能优化辅助的效果
因为java jvm jit 的的原因,实际上这类语言基于此中模式进行调用链以及性能分析并不是特别的好,会有符号表以及jit 的因素造成数据不是很准确,如果需要准备的处理对于jvm 我们需要添加一些参数,同时当前jpprof 只支持cpuprofiling 具体可以参考async-profiler 项目
参考调用链
基于spring boot 的
说明
下边包含了一个spring boot 同时构建容器的示例可以参考
参考资料
https://github.com/parca-dev/parca-demo/tree/main/java
https://github.com/grafana/JPProf
https://github.com/jvm-profiling-tools/async-profiler
https://github.com/rongfengliang/jpprof-springboot-learning
https://github.com/rongfengliang/php-nginx-docker