Go语言的工具链对开发者非常友好，内置了很多性能调优、测试的工具，比如CPU分析器pprof、Uber开源的用于生成火焰图的go-torch、流量拷贝工具goreplay等，这些工具极大的提高了开发者效率，下面就笔者的使用分别进行总结。

pprof

Go的强大之处是它已经在语言层面集成了profile采样工具，允许程序在运行时使用它们，使用Go的profiler能获取以下样本信息：

1.cpu profile：报告程序的CPU使用情况，按照一定频率去采集应用程序在CPU和寄存器上的数据。

   /debug/pprof/profile：访问这个链接会自动进行 CPU profiling，持续 30s，并生成一个文件供下载

2.memory profile（heap profile）：报告程序内存的使用情况。

   /debug/pprof/heap： Memory Profiling 的路径，访问这个链接会得到一个内存 Profiling 结果的文件。

3.block profile：报告goroutines不在运行状态的情况，可以用来分析和查找死锁等性能瓶颈。

   /debug/pprof/block：block Profiling 的路径。

4.goroutine profile：报告goroutines的使用情况，有哪些goroutine，它们的调用关系是怎样的。

   /debug/pprof/goroutines：运行的 goroutines 列表，以及调用关系

Go中在net/http/pprof 和runtime/pprof 两个地方提供性能监测的包，但其实net/http/pprof中只是使用runtime/pprof包进行封装了一下，并在http端口上暴露出来。

常用命令

*top

top $N 用于显示前N个占用CPU最高的函数， top \$N –cum表示前N个累积占用CPU最高的函数。（累积，是指采样的栈里面存在这个函数，也就是它的整个子调用链的占有时间都累加起来 ）

*list

list $function 可以展示这个function中每一行占用的情况。

*web

使用web可以打开一个可视化的图。

注意： ubuntu通过sudo apt-get install -y graphviz安装可视化工具。

如何使用

*web服务器

对于web服务器，可以直接引入_ "net/http/pprof" ，然后在浏览器中使用http://local:port/debug/pprof 即可直接查看当前web服务器的CPU占用情况和内存使用情况。具体使用请查看参考资料。

*服务程序

对于服务程序，也可选择使用net/http/pprof包，首先引入net/http/pprof包，然后开启一个单独的goroutine来开启端口监听。

//例子
go func() {
log.Println(http.ListenAndServe("localhost:8080", http.DefaultServeMux))
}

*应用程序

如果你的程序只是一个应用程序，比如计算fabonacci数列，对于这种情况，你需要使用runtime/pprof 。以下实例代码展示cpu和内存的profile:

var cpuprofile = flag.String("cpuprofile", "", "write cpu profile to `file`")
var memprofile = flag.String("memprofile", "", "write memory profile to `file`")
func main() {
  flag.Parse()
  if *cpuprofile != "" {
      f, err := os.Create(*cpuprofile)
      if err != nil {
          log.Fatal("could not create CPU profile: ", err)
      }
      if err := pprof.StartCPUProfile(f); err != nil {
          log.Fatal("could not start CPU profile: ", err)
      }
      defer pprof.StopCPUProfile()
  }
  // ... rest of the program ...
  if *memprofile != "" {
      f, err := os.Create(*memprofile)
      if err != nil {
          log.Fatal("could not create memory profile: ", err)
      }
      runtime.GC() // get up-to-date statistics
      if err := pprof.WriteHeapProfile(f); err != nil {
          log.Fatal("could not write memory profile: ", err)
      }
      f.Close()
  }
}

注意：

1. 程序运行时需加入–cpuprofile参数，例如./fabonacci --cpuprofile=fabnacci.prof，此时程序运行的信息会记录到.prof后缀的文件中。
2. 使用go tool pprof fabnacci.prof （应用程序的prof文件），进入pprof提示界面，输入web命令可以查看在/tmp目录下生产的svg文件。（需要安装graphviz）
3. 获取的 Profiling 数据是动态的，要想获得有效的数据，请保证应用处于较大的负载（比如正在生成中运行的服务，或者通过其他工具模拟访问压力）。否则如果应用处于空闲状态，得到的结果可能没有任何意义。

go-torch

go-torch是Uber公司开源的一款针对Golang程序的火焰图生成工具，能收集 stack traces，并把它们整理成火焰图，直观地程序给开发人员。go-torch是基于使用BrendanGregg创建的火焰图工具生成直观的图像，很方便地分析Go的各个方法所占用的CPU的时间。

如何安装

准备环境

  git clone https://github.com/brendangregg/FlameGraph.git
  cp flamegraph.pl /usr/local/bin

注意： 在终端输入flamegraph.pl -h检验是否安装FlameGraph成功

安装go-torch

  go get -v github.com/uber/go-torch

常用命令

go-torch工具的使用非常简单，没有任何参数时，它会尝试从http://localhost:8080/debug/pprof/profile获取profiling数据，常用的三个参数如下：

1. -u –url：要访问的URL，这里只是主机和端口部分（eg：http://localhost:9090）
2. -s –suffix：pprof profile的路径，默认为/debug/pprof/profile
3. –seconds：要执行profiling的时间长度，默认为30s

如何使用及火焰图介绍

样例——go-torch -u http://localhost:9090 -t 30

1. y轴表示调用栈，每一层都是一个函数。调用栈越深，火焰就越高，顶部就是正在执行的函数，下方都是它的父函数。
2. x 轴表示抽样数，如果一个函数在 x 轴占据的宽度越宽，就表示它被抽到的次数多，即执行的时间长。注意，x 轴不代表时间，而是所有的调用栈合并后，按字母顺序排列的。
3. 火焰图就是看顶层的哪个函数占据的宽度最大。只要有”平顶”（plateaus），就表示该函数可能存在性能问题。

goreplay

gorepaly是一个开源工具，抓取生产环境流量，并使用真实流量持续测试系统。它使用raw-socket抓取系统流量，并根据指定的url，将流量进行转发。

如何安装

可以到 https://github.com/buger/gor/releases 下载特定版本及平台的二进制包，并放在可执行目录下。 （当前支持的系统有 Windows, Linux x64 and Mac OS）

linux 64位安装示例

wget https://github.com/buger/goreplay/releases/download/v0.16.1/gor_0.16.1_x64.tar.gz
tar -xvf gor_0.16.1_x64.tar.gz
cp goreplay /usr/local/bin

如何使用

抓取数据包

sudo goreplay --input-raw :8080 --output-stdout

将抓到的包打印到终端，进行查看，原理类似于tcpdump。

重放数据包

sudo goreplay --input-raw :8080 --output-http="http://localhost:8111"

使用–out-stdout参数替换–out-http，并加上要转发的url，就可以将抓到的包转发到目的地。

保存以及重放

保存数据包到requests.gor文件

sudo gorelay --input-raw :8080 --output-file=requests.gor

重放requests.gor数据包

sudo --input-file requests.gor --output-http="http://localhost:8111"

可以使用–output-file和–input-file来保存、重放数据包

常用命令

简单的HTTP流量复制

$ gor --input-raw :80 --output-http "http://staging.com"

HTTP流量复制频率控制(获取每秒超过10个请求)

$ gor --input-tcp :28020 --output-http "http://staging.com|10"

HTTP流量复制缩小

$ gor --input-raw :80 --output-tcp "replay.local:28020|10%"

HTTP流量记录到本地文件

$ gor --input-raw :80 --output-file requests.gor

HTTP流量回放和压测

$ gor --input-file "requests.gor|200%" --output-http "staging.com"

HTTP流量过滤复制

$ gor --input-raw :8080 --output-http staging.com --output-http-url-regexp ^www.

自定义一些流量复制的参数

$ gor --input-raw :80 --output-http 192.168.2.6:8000 --http-allow-method POST --http-set-header 'User-Agent: Gor' -output-http-workers=1 -http-allow-url test.php

将流量复制两份到不同的测试服务

$ gor --input-tcp :28020 --output-http "http://staging.com" --output-http "http://dev.com"

将流量像负载均衡一样分配到不同的服务器

$ gor --input-tcp :28020 --output-http "http://staging.com" --output-http "http://dev.com" --split-output true

更多相关技术内容咨询欢迎前往并持续关注六星社区了解详情。

程序员编程交流QQ群：805358732

如果你想用Python开辟副业赚钱，但不熟悉爬虫与反爬虫技术，没有接单途径，也缺乏兼职经验
关注下方微信公众号：Python编程学习圈，获取价值999元全套Python入门到进阶的学习资料以及教程，还有Python技术交流群一起交流学习哦。