转自：https://huoding.com/2016/08/18/531
很多人感冒发烧的时候，往往会模仿神农氏尝百草的路子：先尝尝抗病毒的药，再试试抗细菌的药，甭管家里有什么药挨个试，什么中药西药，瞎猫总会碰上死耗子，如此做法自然是不可取的，正确的做法应该是去医院验个血，确诊后再对症下药。
让我们回想一下我们一般是如何调试程序的：通常是在没有数据的情况下依靠主观臆断来瞎蒙，而不是考虑问题到底是什么引起的！毫无疑问，调优程序性能问题的时候，同样需要对症下药。好消息是 Brendan D. Gregg 发明了火焰图，可以一针见血的指出程序的性能瓶颈，坏消息是除了 OpenResty社区，很少看到还有其他人使用火焰图。
常见的火焰图类型有 On-CPU，Off-CPU，还有 Memory，Hot/Cold，Differential 等等。下面给出某个 PHP 程序的 On-CPU 类型的火焰图例子：
Flame Graph
Flame Graph
关于火焰图详细的介绍可以参考 Blazing Performance with Flame Graphs，简而言之：整个图形看起来就像一团跳动的火焰，这也正是其名字的由来。燃烧在火苗尖部的就是 CPU 正在执行的操作，不过需要说明的是颜色是随机的，本身并没有特殊的含义，纵向表示调用栈的深度，横向表示消耗的时间。因为调用栈在横向会按照字母排序，并且同样的调用栈会做合并，所以一个格子的宽度越大越说明其可能是瓶颈。综上所述，主要就是看那些比较宽大的火苗，特别留意那些类似平顶山的火苗。
要生成火焰图，必须要有一个顺手的 Tracer 工具，如果操作系统是 Linux 的话，那么选择通常是 perf，systemtap 中的一种。其中 perf 相对更常用，多数 Linux 都包含了它，有兴趣的读者稍后可以参考 Linux Profiling at Netflix中的介绍，尤其是里面关于如何处理 Broken stacks 问题的描述，建议多看几遍，而 systemtap 相对更强大，不过缺点是你需要先学会它本身的编程语言，如果你和我一样觉得麻烦，那么我强烈推荐你使用春哥的 nginx-systemtap-toolkit，乍一看名字你可能会误以为这个工具包是 nginx 专用的，实际上这里面很多工具适用于任何 C/CPP 语言编写的程序：
sample-bt：用来生成 On-CPU 火焰图的采样数据（DEMO）
sample-bt-off-cpu：用来生成 Off-CPU 火焰图的采样数据（DEMO）
那么什么时候使用 On-CPU 火焰图？什么时候使用 Off-CPU 火焰图呢？取决于当前的瓶颈到底是什么，如果是 CPU 则使用 On-CPU 火焰图，如果是 IO 或锁 则使用 Off-CPU 火焰图。如果无法确定，那么可以通过压测工具来确认：通过压测工具看看能否让 CPU 使用率趋于饱和，如果能那么使用 On-CPU 火焰图，如果不管怎么压，CPU 使用率始终上不来，那么多半说明程序被 IO 或锁卡住了，此时适合使用 Off-CPU 火焰图。如果还是确认不了，那么不妨 On-CPU 火焰图和 Off-CPU 火焰图都搞搞，正常情况下它们的差异会比较大，如果两张火焰图长得差不多，那么通常认为 CPU 被其它进程抢占了。
在采样数据的时候，最好通过压测工具对程序持续施压，以便采集到足够的样本。关于压测工具的选择，如果选择 ab 的话，那么务必记得开启 -k 选项，以避免耗尽系统的可用端口。此外，我建议尝试使用诸如 wrk 之类更现代的压测工具。
请按照官方说明来安装。需要着重说明的是，当你安装 kernel-devel 和 kernel-debuginfo 的时候，务必保证所安装的版本和当前内核版本一致，以 CentOS 为例：
shell> yum install yum-utilsshell> yum install kernel-develshell> debuginfo-install kernel
当生成的火焰图中有很多十六进制的乱码时，那么意味着对应程序缺失了 debuginfo，可以借助 gdb 来确认这一点，方法如下所示：
shell> gdb -p <PID>
好消息是如果缺失了某些 debuginfo，那么 gdb 会在结尾提示你用 debuginfo-install 命令来安装，坏消息是如果你直接运行多半没有效果，因为 CentOS 缺省没有激活对应的仓库，所以需要在「/etc/yum.repos.d/CentOS-Debuginfo.repo」中设置 enabled=1。
要想熟练的使用火焰图的话，最好的方法就是多看别人的例子。春哥在微博上发过很多例子，这里我列举最具代表性的几个，版权自然归春哥所有：
微博来源：通过 Off-CPU 火焰图可以发现有一个使用互斥锁的 HTTP Cache 检查代码让绝大部分的 Off-CPU 时间都花在了等待进程锁上：
微博来源：在移除了那个引发互斥锁瓶颈的历史代码之后，从图上我们可以清楚地看到 open() 系统调用是下一个最明显的性能瓶颈：
微博来源：启用 nginx 的 open_file_cache 指令可以对打开的文件句柄进行缓存，从而节约昂贵的 open() 系统调用。但是缓存容量并不是越大越好，比如当达到 20000 个元素的容量时，共享内存的锁就成了瓶颈。
如果没有火焰图，我们可能会在解决一个问题后引入另一个问题。
实际使用火焰图的时候，因为 perf / systemtap 本身对系统性能影响较小，所以我们可以在线上随时采样数据来分析性能，我们甚至可以写一个脚本，自动化定期绘制系统运行状况的火焰图，如此一来，即便发生性能故障时我们没有第一时间在现场，也可以随时根据火焰图历史快照来确诊问题的根源。
网友评论