TEN 框架 GO 项目
使用 gperftools 来分析您的程序的 CPU 使用率和堆内存使用率。以下步骤介绍了如何准备环境、使用 gperftools 来分析您的程序，以及分析性能数据。
安装 gperftools
要在 Ubuntu 上安装 gperftools，请运行以下命令：
apt update && apt install -y google-perftools
ln -s /usr/lib/x86_64-linux-gnu/libtcmalloc.so.4 /usr/lib/libtcmalloc.so
ln -s /usr/lib/x86_64-linux-gnu/libprofiler.so.0 /usr/lib/libprofiler.so
使用 gperftools 分析 CPU 使用率
要分析您的程序的 CPU 使用率，请运行以下命令：
export LD_PRELOAD=/usr/lib/libtcmalloc.so
export CPUPROFILE=/.../cpu
exec /.../program
程序退出时，将生成一个 CPU 性能数据文件。数据将存储在 /.../cpu.0001.prof 文件中。
如果您想定期生成 CPU 性能数据，可以设置 CPUPROFILE_FREQUENCY 环境变量。例如，要每 30 秒生成一次 CPU 性能数据，请运行以下命令：
LD_PRELOAD=/usr/lib/libtcmalloc.so CPUPROFILE=/.../cpu CPUPROFILE_FREQUENCY=30 exec /.../program
分析 CPU 性能数据
要分析 CPU 性能数据，请运行以下命令：
google-pprof --text /.../program /.../cpu.0001.prof > /.../cpu.0001.prof.txt
google-pprof --text --base=/.../cpu.0001.prof /.../program /.../cpu.0002.prof > /.../diff.txt
使用 gperftools 分析堆内存使用率
要分析您的程序的堆内存使用率，请运行以下命令：
export LD_PRELOAD=/usr/lib/libtcmalloc.so
export HEAPPROFILE=/.../heap
export HEAP_PROFILE_TIME_INTERVAL=30
exec /.../program
建议使用 HEAP_PROFILE_TIME_INTERVAL 环境变量来定期生成堆内存性能数据。所有堆内存性能数据将存储在 HEAPPROFILE 目录中。
分析堆内存性能数据
每个生成的堆内存性能数据文件都将具有 .heap 扩展名。要分析堆内存性能数据，您可以将 .heap 文件转换为人类可读的文本格式。例如，要将 /.../heap 中的 .heap 文件转换为文本格式，请运行以下命令：
google-pprof --text /.../program /.../heap.0001.heap > /.../heap.0001.heap.txt
性能数据将如下所示：
Total: 19.7 MB
16.0 81.3% 81.3% 16.0 81.3% lws_zalloc
2.9 14.6% 95.9% 3.3 16.7% setAgoraStreamChannelParameters
...
您还可以将 .heap 文件转换为其他格式，例如 PDF 或 SVG。例如，要将 /.../heap 中的 .heap 文件转换为 PDF 格式，请运行以下命令：
google-pprof --pdf /.../program /.../heap.0001.heap > /.../heap.0001.heap.pdf
PDF 格式的性能数据将与文本输出类似，但以图形方式可视化。
此外，您可以比较两组堆内存性能数据。例如，要比较 /.../heap.0001.heap 和 /.../heap.0002.heap 中的堆内存性能数据，请运行以下命令：
google-pprof --pdf --base=/.../heap.0001.heap /.../program /.../heap.0002.heap > /.../diff.pdf
PDF 将显示两组数据之间堆内存使用率的差异。
如果您定期生成堆内存性能数据，我们提供了一个脚本来分析目录中的所有堆内存性能数据，并生成一个 Excel 文件，显示堆内存使用率趋势。例如，要分析 /.../heap 中的所有堆内存性能数据，请运行以下命令：
python3 tools/profiler/gperftools/dump_heap_info_to_excel.py -heap_dir=/.../heap -bin=/.../program -output=/.../heap.xlsx -sample_interval=30
该脚本将在 /.../raw 目录中生成带有符号的原始性能数据，在 /.../text 目录中生成人类可读的文本性能数据，并在 /.../heap.xlsx 中生成 Excel 文件。
您可以绘制折线图以显示堆内存使用率趋势。
python3 tools/profiler/gperftools/draw_line_chart.py -excel_file=/.../heap.xlsx -output_file=/.../heap_line_chart.png -title=HEAP_MEM -x=time/s -y=total_heap_size/MB
使用 pprof 进行分析
我们建议使用 pprof 来分析用 Go 编写的程序。分析 Go 程序的最简单方法是将 pprof_app_go 用作您的 TEN 应用程序。激活后，应用程序会读取环境变量，以确定是否激活 pprof 服务器和堆分析器。
export TEN_HEAP_DUMP_DIR=/data/prof
export HEAP_PROFILE_TIME_INTERVAL=30
export TEN_PROFILER_SERVER_PORT=6060
分析 pprof 性能数据
要将堆性能数据转换为文本格式，请使用以下命令：
python3 tools/profiler/pprof/dump_heap_files_to_text.py -heap_dir=/data/prof -text_dir=/data/text
要分析所有堆性能数据并生成 Excel 文件，请运行：
python3 tools/profiler/pprof/dump_heap_info_to_excel.py -heap_dir=/data/prof -output=/data/heap.xlsx
您可以绘制折线图以显示堆内存使用率趋势：
python3 tools/profiler/gperftools/draw_line_chart.py -excel_file=/data/heap.xlsx -output_file=/data/heap_line_chart.png -title=HEAP_MEM -x=time/s -y=total_heap_size/MB
这将为您提供 Go 堆性能数据趋势的可视化表示。
