## 11.5. 剖析 基準測試(Benchmark)對于衡量特定操作的性能是有幫助的，但是當我們試圖讓程序跑的更快的時候，我們通常并不知道從哪里開始優化。每個碼農都應該知道Donald Knuth在1974年的“Structured Programming with go to Statements”上所說的格言。雖然經常被解讀為不重視性能的意思，但是從原文我們可以看到不同的含義： > 毫無疑問，對效率的片面追求會導致各種濫用。程序員會浪費大量的時間在非關鍵程序的速度上，實際上這些嘗試提升效率的行為反倒可能產生很大的負面影響，特別是當調試和維護的時候。我們不應該過度糾結于細節的優化，應該說約97%的場景：過早的優化是萬惡之源。 > > 當然我們也不應該放棄對那關鍵3%的優化。一個好的程序員不會因為這個比例小就裹足不前，他們會明智地觀察和識別哪些是關鍵的代碼；但是僅當關鍵代碼已經被確認的前提下才會進行優化。對于很多程序員來說，判斷哪部分是關鍵的性能瓶頸，是很容易犯經驗上的錯誤的，因此一般應該借助測量工具來證明。 當我們想仔細觀察我們程序的運行速度的時候，最好的方法是性能剖析。剖析技術是基于程序執行期間一些自動抽樣，然后在收尾時進行推斷；最后產生的統計結果就稱為剖析數據。 Go語言支持多種類型的剖析性能分析，每一種關注不同的方面，但它們都涉及到每個采樣記錄的感興趣的一系列事件消息，每個事件都包含函數調用時函數調用堆棧的信息。內建的`go test`工具對幾種分析方式都提供了支持。 CPU剖析數據標識了最耗CPU時間的函數。在每個CPU上運行的線程在每隔幾毫秒都會遇到操作系統的中斷事件，每次中斷時都會記錄一個剖析數據然后恢復正常的運行。 堆剖析則標識了最耗內存的語句。剖析庫會記錄調用內部內存分配的操作，平均每512KB的內存申請會觸發一個剖析數據。 阻塞剖析則記錄阻塞goroutine最久的操作，例如系統調用、管道發送和接收，還有獲取鎖等。每當goroutine被這些操作阻塞時，剖析庫都會記錄相應的事件。 只需要開啟下面其中一個標志參數就可以生成各種分析文件。當同時使用多個標志參數時需要當心，因為一項分析操作可能會影響其他項的分析結果。 ``` $ go test -cpuprofile=cpu.out $ go test -blockprofile=block.out $ go test -memprofile=mem.out ``` 對于一些非測試程序也很容易進行剖析，具體的實現方式，與程序是短時間運行的小工具還是長時間運行的服務會有很大不同。剖析對于長期運行的程序尤其有用，因此可以通過調用Go的runtime API來啟用運行時剖析。 一旦我們已經收集到了用于分析的采樣數據，我們就可以使用pprof來分析這些數據。這是Go工具箱自帶的一個工具，但并不是一個日常工具，它對應`go tool pprof`命令。該命令有許多特性和選項，但是最基本的是兩個參數：生成這個概要文件的可執行程序和對應的剖析數據。 為了提高分析效率和減少空間，分析日志本身并不包含函數的名字；它只包含函數對應的地址。也就是說pprof需要對應的可執行程序來解讀剖析數據。雖然`go test`通常在測試完成后就丟棄臨時用的測試程序，但是在啟用分析的時候會將測試程序保存為foo.test文件，其中foo部分對應待測包的名字。 下面的命令演示了如何收集并展示一個CPU分析文件。我們選擇`net/http`包的一個基準測試為例。通常最好是對業務關鍵代碼的部分設計專門的基準測試。因為簡單的基準測試幾乎沒法代表業務場景，因此我們用-run=NONE參數禁止那些簡單測試。 ``` $ go test -run=NONE -bench=ClientServerParallelTLS64 \ -cpuprofile=cpu.log net/http PASS BenchmarkClientServerParallelTLS64-8 1000 3141325 ns/op 143010 B/op 1747 allocs/op ok net/http 3.395s $ go tool pprof -text -nodecount=10 ./http.test cpu.log 2570ms of 3590ms total (71.59%) Dropped 129 nodes (cum <= 17.95ms) Showing top 10 nodes out of 166 (cum >= 60ms) flat flat% sum% cum cum% 1730ms 48.19% 48.19% 1750ms 48.75% crypto/elliptic.p256ReduceDegree 230ms 6.41% 54.60% 250ms 6.96% crypto/elliptic.p256Diff 120ms 3.34% 57.94% 120ms 3.34% math/big.addMulVVW 110ms 3.06% 61.00% 110ms 3.06% syscall.Syscall 90ms 2.51% 63.51% 1130ms 31.48% crypto/elliptic.p256Square 70ms 1.95% 65.46% 120ms 3.34% runtime.scanobject 60ms 1.67% 67.13% 830ms 23.12% crypto/elliptic.p256Mul 60ms 1.67% 68.80% 190ms 5.29% math/big.nat.montgomery 50ms 1.39% 70.19% 50ms 1.39% crypto/elliptic.p256ReduceCarry 50ms 1.39% 71.59% 60ms 1.67% crypto/elliptic.p256Sum ``` 參數`-text`用于指定輸出格式，在這里每行是一個函數，根據使用CPU的時間長短來排序。其中`-nodecount=10`參數限制了只輸出前10行的結果。對于嚴重的性能問題，這個文本格式基本可以幫助查明原因了。 這個概要文件告訴我們，HTTPS基準測試中`crypto/elliptic.p256ReduceDegree`函數占用了將近一半的CPU資源，對性能占很大比重。相比之下，如果一個概要文件中主要是runtime包的內存分配的函數，那么減少內存消耗可能是一個值得嘗試的優化策略。 對于一些更微妙的問題，你可能需要使用pprof的圖形顯示功能。這個需要安裝GraphViz工具，可以從 http://www.graphviz.org 下載。參數`-web`用于生成函數的有向圖，標注有CPU的使用和最熱點的函數等信息。 這一節我們只是簡單看了下Go語言的數據分析工具。如果想了解更多，可以閱讀Go官方博客的“Profiling Go Programs”一文。