前言
想要进行性能优化，首先瞩目在 Go 自身提供的工具链来作为分析依据：
- net/http/pprof：采集 HTTP Server 的运行时数据进行分析
pprof开启后，每隔一段时间（10ms）就会收集下当前的堆栈信息，获取格格函数占用的CPU以及内存资源；最后通过对这些采样数据进行分析，形成一个性能分析报告。
操作
- 导入pprof包 首先，我们需要在代码中导入pprof包。在需要进行性能分析的地方，我们可以插入pprof的代码，用来记录相关的性能数据。
- 启动pprof服务 在代码中添加启动pprof服务的代码，这样我们就可以通过浏览器访问pprof的可视化界面，查看性能数据。例如，我们可以使用以下代码来启动pprof服务：
import (
_ "net/http/pprof"
)
func main() {
go func() {
if err := http.ListenAndServe(":6060", nil); err != nil {
log.Fatal(err)
}
//...
}
运行后，即可进行性能数据查看
浏览器输入localhost:端口+/debug/pprof/，该界面可以看到内存、block、协程、堆等分配的情况以及锁的操作等。
打开命令行，输入 go tool pprof "http://localhost:6060/debug/pprof/profile?seconds=10"即可进入pprof工具
-
收集性能数据 在应用程序运行时，我们可以使用命令行工具或浏览器访问pprof服务来收集性能数据。以下是一些常用的命令行工具：
-
go tool pprof：用于分析CPU和内存数据。
-
go-torch：用于生成火焰图，帮助我们可视化代码的热点。
-
go tool trace：用于分析代码的执行过程。
-
分析性能数据 一旦我们收集到性能数据，就可以使用pprof工具来进行分析。pprof提供了丰富的命令和选项，可以帮助我们深入理解应用程序的性能问题。一些常用的pprof命令如下：
-
top：显示耗时最高的函数列表，例如：
以上内容分析：
`flat`： 当前函数本身的执行耗时
`flat%`：`flat`占`CPU`总时间的比例
`sum%`： 上面每一行的`flat%`总和
`cum`： 当前函数本身加上其周期函数的总耗时
`cum%`： `cum`占`CPU`总时间的比例
- 或者通过web进行访问：输入命令web，可以看到可视化的性能分析
pprof的采样过程和原理
CPU采样过程:
采样对象：函数调用和他们占用的时间
采样率：100次/秒，固定值
采样时间：从手动启动到手动结束
操作系统：每10ms向进程发送一次SIGPROF信号
进程：每次接收到SIGPROF会记录调用堆栈
写缓冲：每100ms读取已经记录的调用栈并写入输出流
Heap-堆内存采样过程：
采样程序通过内存分配器在堆上分配和释放内存，记录分配/释放的大小和数量
采样率：每分配512KB记录一次，可在运行开头修改，1为每次分配均记录
采样时间：从程序运行开始到采样时
采样指标：alloc_space, alloc_objects, inuse_space, inuse_objects
计算方式：inuse = alloc - free
Goroutine-协程&ThreadCreate-线程创建
Goroutine：记录所有用户发起且在运行中的goroutine(即入口非runtime开头的)runtime.main的调用栈信息
ThreadCreate：记录程序创建的所有系统线程的信息
Block-阻塞&Mutex-锁
阻塞操作——采样阻塞操作的次数和耗时
采样率：阻塞耗时超过阈值的才会被记录，1为每次阻塞均记录
锁竞争——采样争抢锁的次数和耗时
采样率：只记录固定比例的锁操作，1为每次加锁均记录
常见的优化技巧
除了使用pprof工具进行性能分析外，还可以采取一些常见的优化技巧来提升Go应用程序的性能。还有一些常见的优化技巧：
- 减少内存分配：尽量避免频繁的内存分配和垃圾回收操作。
- 使用并发编程：利用Go语言的并发特性来提高程序的并行性和吞吐量。
- 减少系统调用：避免不必要的系统调用，尽量使用内存缓存和异步IO等技术减少IO操作。
- 优化算法和数据结构：选择高效的算法和数据结构，能够显著提升程序的性能。
