前言
写了几吨代码，实现了几百个接口。功能测试也通过了，终于成功的部署上线了。
结果，性能不佳，什么鬼？😭
想做性能分析
PProf
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，本文将带你学习、使用 Go 后花园，涉及如下：
是什么
pprof 是用于可视化和分析性能分析数据的工具。
pprof 以
profile.proto
读取分析样本的集合，并生成报告以可视化并帮助分析数据（支持文本和图形报告）。
profile.proto 是一个 Protocol Buffer v3 的描述文件，它描述了一组 callstack 和 symbolization 信息， 作用是表示统计分析的一组采样的调用栈，是很常见的 stacktrace 配置文件格式。
支持什么使用模式
可以做什么
-
CPU Profiling：CPU 分析，按照一定的频率采集所监听的应用程序 CPU（含寄存器）的使用情况，可确定应用程序在主动消耗 CPU 周期时花费时间的位置
-
Memory Profiling：内存分析，在应用程序进行堆分配时记录堆栈跟踪，用于监视当前和历史内存使用情况，以及检查内存泄漏
-
Block Profiling：阻塞分析，记录 goroutine 阻塞等待同步（包括定时器通道）的位置
-
Mutex Profiling：互斥锁分析，报告互斥锁的竞争情况
一个简单的例子
我们将编写一个简单且有点问题的例子，用于基本的程序初步分析。
编写 demo 文件
（1）demo.go，文件内容：
package main
import (
"log"
"net/http"
_ "net/http/pprof"
"github.com/EDDYCJY/go-pprof-example/data"
)
func main() {
go func() {
for
{
log.Println(data.Add("https://github.com/EDDYCJY"))
}
}()
http.ListenAndServe("0.0.0.0:6060", nil)
}
（2）data/d.go，文件内容：
package data
var datas []string
func Add(str string) string {
data := []byte(str)
sData := string(data)
datas = append(datas,
sData)
return sData
}
运行这个文件，你的 HTTP 服务会多出 /debug/pprof 的 endpoint 可用于观察应用程序的情况。
分析
一、通过 Web 界面
查看当前总览：访问
http
:
//127.0.0.1:6060/debug/pprof/
：
/debug/pprof/
profiles:
0 block
5 goroutine
3 heap
0 mutex
9 threadcreate
full goroutine stack dump
这个页面中有许多子页面，咱们继续深究下去，看看可以得到什么？
-
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
二、通过交互式终端使用
（1）go tool pprof http://localhost:6060/debug/pprof/profile?seconds=60
$ go tool pprof http://localhost:6060/debug/pprof/profile\?seconds\=60
Fetching profile over HTTP
from http://localhost:6060/debug/pprof/profile?seconds=60
Saved profile in /Users/eddycjy/pprof/pprof.samples.cpu.007.pb.gz
Type: cpu
Duration: 1mins, Total samples = 26.55s (44.15%)
Entering interactive mode (type "help" for commands, "o" for options)
(pprof)
执行该命令后，需等待 60 秒（可调整 seconds 的值），pprof 会进行 CPU Profiling。结束后将默认进入 pprof 的交互式命令模式，可以对分析的结果进行查看或导出。具体可执行
pprof help
查看命令说明。
(pprof) top10
Showing nodes accounting for 25.92s, 97.63% of 26.55s total
Dropped
85 nodes (cum <= 0.13s)
Showing top 10 nodes out of 21
flat flat% sum% cum cum%
23.28s 87.68% 87.68% 23.29s 87.72% syscall.Syscall
0.77s 2.90% 90.58% 0.77s 2.90% runtime.memmove
0.58s 2.18% 92.77% 0.58s 2.18% runtime.freedefer
0.53s 2.00% 94.76% 1.42s 5.35% runtime.scanobject
0.36s 1.36%
96.12% 0.39s 1.47% runtime.heapBitsForObject
0.35s 1.32% 97.44% 0.45s 1.69% runtime.greyobject
0.02s 0.075% 97.51% 24.96s 94.01% main.main.func1
0.01s 0.038% 97.55% 23.91s 90.06% os.(*File).Write
0.01s 0.038% 97.59% 0.19s 0.72% runtime.mallocgc
0.01s 0.038% 97.63% 23.30s 87.76% syscall.Write
说明：
-
flat：给定函数上运行耗时
-
flat%：同上的 CPU 运行耗时总比例
-
sum%：给定函数累积使用 CPU 总比例
-
cum：当前函数加上它之上的调用运行总耗时
-
cum%：同上的 CPU 运行耗时总比例
最后一列为函数名称，在大多数的情况下，我们可以通过这五列得出一个应用程序的运行情况，加以优化 🤔。
（2）go tool pprof http://localhost:6060/debug/pprof/heap
$ go tool pprof http://localhost:6060/debug/pprof/heap
Fetching profile over HTTP from http://localhost:6060/debug/pprof/heap
Saved profile in /Users/eddycjy/pprof/pprof.alloc_objects.alloc_space.inuse_objects.inuse_space.008.pb.gz
Type: inuse_space
Entering interactive mode (type "help" for commands, "o" for options)
(pprof) top
Showing nodes accounting for 837.48MB, 100% of 837.48MB total
flat flat% sum% cum cum%
837.48MB 100% 100% 837.48MB 100% main.main.func1
说明：
（3） go tool pprof http://localhost:6060/debug/pprof/block
（4） go tool pprof http://localhost:6060/debug/pprof/mutex
三、PProf 可视化界面
这是令人期待的一小节。在这之前，我们需要简单的编写好测试用例来跑一下。
编写测试用例：
（1）新建 data/d_test.go，文件内容：
package data
import "testing"
const url = "https://github.com/EDDYCJY"
func TestAdd(t *testing.T)
