golang pprof使用
golang pprof使用
（1.）采用http的方式来采集pprof的性能分析数据。
// pprof 的init函数会将pprof里的一些handler注册到http.DefaultServeMux上
// 当不使用http.DefaultServeMux来提供http api时，可以查阅其init函数，自己注册handler
import(
_ "github.com/mkevac/debugcharts" // 可选，添加后可以查看几个实时图表数据
_ "net/http/pprof" // 必须，引入 pprof 模块
)
go func() {
http.ListenAndServe("0.0.0.0:8080", nil)
}()
（2.）访问界面
http://localhost:8080/debug/pprof/
http://localhost:8080/debug/charts/
cpu（CPU Profiling）: HOST/debug/pprof/profile，默认进行 30s 的 CPU Profiling，得到一个分析用的 profile 文件
block（Block Profiling）：HOST/debug/pprof/block，查看导致阻塞同步的堆栈跟踪
goroutine：$HOST/debug/pprof/goroutine，查看当前所有运行的 goroutines 堆栈跟踪
heap（Memory Profiling）: HOST/debug/pprof/heap，查看活动对象的内存分配情况
mutex（Mutex Profiling）：HOST/debug/pprof/mutex，查看导致互斥锁的竞争持有者的堆栈跟踪
threadcreate：HOST/debug/pprof/threadcreate，查看创建新OS线程的堆栈跟踪
（3.）内存分析
http://127.0.0.1:8080/debug/pprof/heap?debug=1`
//通过命令连接到进程中 查看正在使用的一些内存相关信息
go tool pprof -inuse_space http://127.0.0.1:8080/debug/pprof/heap // top20 -cum
// 推荐使用界面查看
go tool pprof -http=:8081 http://$HOSTIP:6060/debug/pprof/heap // 可以访问界面，端口8081
// 生成调用图
go tool pprof -alloc_space -cum -svg http://127.0.0.1:8080/debug/pprof/heap > heap.svg
用--inuse_space来分析程序常驻内存的占用情况;
用--alloc_objects来分析内存的临时分配情况，可以提高程序的运行速度。
runtime.ReadMemStats()读取的runtime.MemStats信息。
Sys 进程从系统获得的内存空间，虚拟地址空间。
HeapAlloc 进程堆内存分配使用的空间，通常是用户new出来的堆对象，包含未被gc掉的。
HeapSys 进程从系统获得的堆内存，因为golang底层使用TCmalloc机制，会缓存一部分堆内存，虚拟地址空间。
PauseNs 记录每次gc暂停的时间(纳秒)，最多记录256个最新记录。
NumGC 记录gc发生的次数。
top会列出5个统计数据：
flat: 本函数占用的内存量。
flat%: 本函数内存占使用中内存总量的百分比。
sum%: 前面每一行flat百分比的和，比如第2行虽然的100% 是 100% + 0%。
cum: 是累计量，加入main函数调用了函数f，函数f占用的内存量，也会记进来。
cum%: 是累计量占总量的百分比。
(4.) CPU分析
go tool pprof http://localhost:6060/debug/pprof/profile\?seconds\=60
(4.)火焰图
（1） 安装 PProf
$ go get -u github.com/google/pprof
（2） 启动 PProf 可视化界面:
$ pprof -http=:8080 cpu.prof
go tool pprof -http=:6061 http://localhost:6060/debug/pprof/block
安装go-torch
(1.)安装FlameGraph脚本
git clone https://github.com/brendangregg/FlameGraph.git
cp FlameGraph/flamegraph.pl /usr/local/bin
(2.)安装go-torch
go get -v github.com/uber/go-torch
// 使用
go-torch -u http://10.11.209.102:911 -t 30
go-torch -u http://10.0.2.15:6060 --suffix=/debug/pprof/block -p > torch.svg
（5.）通过性能测试分析
go test -bench=BenchmarkStorageXXX -cpuprofile cpu.out -memprofile mem.out // 生成cpu、mem的pprof文件
#分析cpu
go-torch storage.test cpu.out
#分析内存
go-torch --colors=mem -alloc_space storage.test mem.out
go-torch --colors=mem -inuse_space storage.test mem.out
go-torch -u http://localhost:8080/debug/pprof/ -p > profile-local.svg
go-torch -u http://localhost:8080/debug/pprof/heap -p > heap-local.svg
(6.)go-stress-testing压力测试
./go-stress-testing -c 1 -n 100 -u https://www.baidu.com/
-c 表示并发数
-n 每个并发执行请求的次数，总请求的次数 = 并发数 * 每个并发执行请求的次数
-u 需要压测的地址
https://github.com/link1st/go-stress-testing
相关链接
https://segmentfault.com/a/1190000016412013
https://lrita.github.io/2017/05/26/golang-memory-pprof/
https://software.intel.com/content/www/us/en/develop/blogs/debugging-performance-issues-in-go-programs.html
https://segmentfault.com/a/1190000016412013
https://www.shangmayuan.com/a/42a2cf18901445aa89d9a897.html
https://cizixs.com/2017/09/11/profiling-golang-program/
https://ijackey.com/beego-pprof-性能分析工具使用-334.html
https://www.cnblogs.com/qcrao-2018/p/11832732.html
https://github.com/guyan0319/golang_development_notes/blob/master/zh/1.8.md
