前言
在软件开发的过程中，我们常常追求卓越的性能和优化。然而，优化并非盲目猜测，而是依靠数据和事实的指引。正如在我们的项目中，我们不仅要依赖直观的感觉，更要依赖详实的数据来定位问题所在。这种数据驱动的方法可以让我们更加准确地找到问题的根本原因，而不是陷入细枝末节的纠结。
优化的过程中，我们要有明确的目标，即定位最大的瓶颈点。通过专注于主要的性能瓶颈，我们可以更高效地改善应用的性能。火焰图、性能分析工具等帮助我们深入了解应用的行为，找到真正影响性能的关键路径。
优化需要权衡时间、资源和效益。过度优化可能导致代码变得难以维护，甚至可能引入新的问题。我们应该在明确的数据支持下，有针对性地进行优化，不盲目地在每个细节上投入过多精力。
因此，在我们的项目中，让我们坚持依靠数据而不是猜测，定位最大瓶颈而不是细枝末节。同时，我们要保持冷静头脑，不要急于过早和过度优化。
性能分析工具 pprof
在Gin 框架中集成 pprof
- 导入 pprof 包： 首先，你需要在代码中导入 pprof 包。
- 注册 pprof 路由： 在 Gin 的路由中注册 pprof 的路由，以便访问各种性能分析数据。你可以在任何需要的地方注册，比如在 Gin 的路由初始化函数中
使用 pprof 进行性能分析
启动项目之后 可以通过 Web 页面来查看指标情况
以下是一些常用的性能指标以及对应的命令行参数：
-
查看CPU使用情况：
go tool pprof -http=:8080 "http://localhost:6060/debug/pprof/profile" -
查看内存分配情况：
go tool pprof -http=:8080 "http://localhost:6060/debug/pprof/heap" -
查看阻塞概况：
go tool pprof -http=:8080 "http://localhost:6060/debug/pprof/block" -
查看goroutine信息：
go tool pprof -http=:8080 "http://localhost:6060/debug/pprof/goroutine" -
查看线程创建概况：
go tool pprof -http=:8080 "http://localhost:6060/debug/pprof/threadcreate"
如果打开对应的页面发现报错Could not execute dot; may need to install graphviz.
则需要安装 graphviz 并配置好环境变量
下图是我的项目中 内存 分配情况的调用关系图一部分和火焰图
发现 sensitive 和 initFilter 相关的代码占用内存较大，这部分的代码是我的项目中进行敏感词过滤的部分，要将敏感词库文件加载入内存中，因此要耗费大量内存
下面使用命令行进行性能分析
启动项目后命令行输入
go tool pprof http://localhost:6060/debug/pprof/heap
进入交互界面，输入 top 可查看排名在前的内存占用
发现 seneitive 占用的内存较多
我在 main.go 文件删除初始化敏感词过滤器相关的代码后再查看内存使用情况，发现已经明显降低，如下图
在图纸可见 GetRedisDB 的函数占用较高的内存，我用list命令查看这部分函数的内容
我原本的代码中每次使用 redis 都调用一次这个函数，导致产生大量的redis连接
我改成如下代码后，复用了一个 redis.Client
再运行项目查看一下
原本的 GetRedisDB 所占用的内存已经退出 TOP10
至此内存占用从原来的 11932.68kB 减小到了 2573.51 kB
总结
以上是使用 pprof 进行性能优化和分析的基本步骤
