性能分析工具 pprof： 性能调优的前提是对应用程序性能表现有实际的数据指标，对于Go程序，有一个很方便的工具就是pprof!
这里有一个开源项目，已经制造了一些问题代码，需要进行排查
wolfogre/go-pprof-practice: go pprof practice. (github.com)
实际分析排查过程 排查 CPU 问题
命令行分析 go tool pprof "http://localhost:6060/debug/pprof/profile?seconds=10"
top 命令 list 命令
熟悉 web 页面分析
调用关系图，火焰图
go tool pprof -http=:8080 "http://localhost:6060/debug/pprof/cpu"
排查堆内存问题
go tool pprof -http=:8080 "http://localhost:6060/debug/pprof/heap"
排查协程问题
go tool pprof -http=:8080 "http://localhost:6060/debug/pprof/goroutine"
排查锁问题
go tool pprof -http=:8080 "http://localhost:6060/debug/pprof/mutex"
排查阻塞问题
go tool pprof -http=:8080 "http://localhost:6060/debug/pprof/block"
pprof 的采样过程和原理
CPU 采样
堆内存采样
协程和系统线程采样
阻塞操作和锁竞争采样
CPU采样
CPU采样会记录所有调用栈和他们所占用的时间
在采样时，进程会每秒暂停一百次，每次记录当前的调度信息。汇总后，根据调用栈在采样中出现的次数来推断函数的运行时间
堆内存采样
采样程序通过内存分配器在堆上分配和释放的内存，记录分配/释放的内存大小和数量
采样率：每分配512KB记录一次
采样时间：从程序运行开始到采样时
采样指标：alloc_space，alloc_objects，inuse_spac，inuse_objects
计算方式：inuse = alloc - free
协程和系统线程采样
协程：记录所有用户发起且在运行中的协程（即入口非runtime开头的）runtime.main的调用栈信息
线程：记录程序创建所有系统线程的信息
阻塞操作和锁竞争采样
业务优化
流程：
建立服务性能评估手段
分析性能数据，定位性能瓶颈
重点优化项改造
优化效果验证
建立服务性能评估手段 之所以不用benchmark是因为时间服务逻辑比较复杂，希望从更高的层面分析服务的性能问题，同时机器在不同负载下的性能也会不同
评估手段建立后，产出一个服务的性能指标分析报告
有了服务优化前的性能报告和一些性能采样数据，我们可以进行性能瓶颈分析
业务服务常见的性能问题可能是使用的基础组件不规范
类似日志使用不归发，一部分是调试日志发布到线上，一部分是线上服务在不同的调用链路上数据有差别，测试场景日志还好，但是到了真实线上全景场景，会导致日志数量增加影响性能
另外常见的性能问题就是高并发场景的优化不足
重点优化项改造：
正确性实际基础！
性能优化的前提是保证正确性，使用在变动较大的性能优化上线之前，需要进行正确性验证，借助自动化手段保证优化后程序的正确性
优化效果验证：
用同样的数据对优化后的服务进行压测，同时压测并不能保证和线上表现完全一致，有时还要通过线上的表现在进行分析改进，是个长期的过程
基础库优化
适应范围更广，覆盖更多服务
AB 实验 SDK 的优化：
分析基础库核心逻辑和性能瓶颈
完善改造方案，按需获取，序列化协议优化
内部压测验证
推广业务服务落地验证
Go语言优化
适应范围最广，Go 服务都有收益
优化方式
优化内存分配策略
优化代码编译流程，生成更高效的程序
内部压测验证
推广业务服务落地验证
总结
性能评估要依靠数据，用实际的结果做决策
对于pprof工具，可以通过分析实际的程序，熟悉相关功能，理解好基本原理，后续能够更好的解决性能问题
在真正的服务性能调优流程中，链路会很长，重点是要保证正确性，不影响功能，同时定位好问题
