pprof 是 Go 官方内置的性能分析工具，用于采集并分析 Go 程序的运行时性能数据，帮助开发者发现 CPU 瓶颈、内存泄漏、阻塞等待等问题。具体来说，支持 CPU、Memory、Block、Goroutine、Heap Profiling 等。
首先，应用程序通过 import _ "net/http/pprof" 匿名导入 pprof 包，用于在程序中进行插桩，然后通过下面的代码在对应端口启动 pprof 服务：
go func() {
http.ListenAndServe("localhost:6060", nil)
}()
接下来，就可以通过浏览器访问 http://127.0.0.1:6060/debug/pprof/，可以看到如下界面：
| 类型 | 描述 |
|---|---|
| allocs | 内存分配情况的采样信息 |
| blocks | 阻塞操作情况的采样信息 |
| cmdline | 显示程序启动命令及参数 |
| goroutine | 当前所有协程的堆栈信息 |
| heap | 堆上内存使用情况的采样信息 |
| mutex | 锁争用情况的采样信息 |
| profile | CPU 占用情况的采样信息 |
| threadcreate | 系统线程创建情况的采样信息 |
| trace | 程序运行跟踪信息 |
由于直接看网页不够直观，可以借助 go tool pprof 工具来排查。
1 CPU 调优
通过 go tool pprof "http://localhost:6060/debug/pprof/profile?seconds=30" 获取近 30 秒的执行记录，然后会进入到一个命令行交互界面，我们可以通过 top 命令查看 CPU 资源使用量的排序，通过 list xxx 查看相关代码段的实现，通过 web 命令生成一个可视化的界面。
(pprof) top
Showing nodes accounting for 11520ms, 99.22% of 11610ms total
Dropped 29 nodes (cum <= 58.05ms)
flat flat% sum% cum cum%
11210ms 96.55% 96.55% 11520ms 99.22% github.com/wolfogre/go-pprof-practice/animal/felidae/tiger.(*Tiger).Eat
310ms 2.67% 99.22% 310ms 2.67% runtime.asyncPreempt
0 0% 99.22% 11530ms 99.31% github.com/wolfogre/go-pprof-practice/animal/felidae/tiger.(*Tiger).Live
0 0% 99.22% 11530ms 99.31% main.main
0 0% 99.22% 11530ms 99.31% runtime.main
(pprof) list Eat
Total: 11.61s
ROUTINE ======================== github.com/wolfogre/go-pprof-practice/animal/felidae/tiger.(*Tiger).Eat in /Users/harrick/CodeField/Golang/go-pprof-practice/animal/felidae/tiger/tiger.go
11.21s 11.52s (flat, cum) 99.22% of Total
. . 21:func (t *Tiger) Eat() {
. . 22: log.Println(t.Name(), "eat")
. . 23: loop := 10000000000
11.21s 11.52s 24: for i := 0; i < loop; i++ {
. . 25: // do nothing
. . 26: }
. . 27:}
. . 28:
. . 29:func (t *Tiger) Drink() {
| 类型 | 描述 |
|---|---|
| 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 |
可以看到，就是 Tiger.Eat() 方法中，有一个很大的 for-loop，占用了绝大多数 CPU 时间。
此外，我们也可以用 web 命令来生成一个可视化界面，这需要提前安装 graphviz 工具，可以很直观的定位到 CPU 资源消耗较高的部分。
使用 go tool pprof -http=:8080 http://localhost:6060/debug/pprof/profile 效果更好，直接在网页上看 top、web、火焰图、函数列表、调用图等内容。
2 内存分析
同理，go tool pprof http://localhost:6060/debug/pprof/heap 命令，然后 top、list、web 命令一条龙，或者使用网页工具。
可以看到大概用了 1.2 GB 内存，而我们代码中只申请了 1 GB，这是因为扩容机制，在小于 1024 时，是两倍扩容，大于 1024 时，是 1.25 倍扩容，所以底层会使用 1.2GB 左右的内存。总之这个值会一直增大，增大到这个值，也有可能是会出现 1G+0.5G 这种情况，我觉得这种状态应该是 GC 问题，我们可以在代码里加上 runtime.GC() 来强制进行 GC。
3 排查 GC
使用命令 GODEBUG=gctrace=1 ./main | grep gc，效果如下：
GODEBUG=gctrace=1 ./go-pprof-practice | grep gc
gc 1 @0.002s 1%: 0.008+0.33+0.004 ms clock, 0.008+0.13/0.10/0+0.004 ms cpu, 16->16->0 MB, 16 MB goal, 0 MB stacks, 0 MB globals, 1 P
gc 2 @3.006s 0%: 0.070+3.4+0.010 ms clock, 0.070+0.10/0.39/0+0.010 ms cpu, 16->16->0 MB, 16 MB goal, 0 MB stacks, 0 MB globals, 1 P
gc 3 @6.014s 0%: 0.081+1.8+0.006 ms clock, 0.081+0.10/0.17/0+0.006 ms cpu, 16->16->0 MB, 16 MB goal, 0 MB stacks, 0 MB globals, 1 P
gc 4 @9.021s 0%: 0.040+1.1+0.003 ms clock, 0.040+0.070/0.14/0+0.003 ms cpu, 16->16->0 MB, 16 MB goal, 0 MB stacks, 0 MB globals, 1 P
gc 5 @12.026s 0%: 0.075+1.3+0.007 ms clock, 0.075+0.14/0.36/0+0.007 ms cpu, 16->16->0 MB, 16 MB goal, 0 MB stacks, 0 MB globals, 1 P
gc 6 @15.030s 0%: 0.038+0.87+0.002 ms clock, 0.038+0.061/0.14/0+0.002 ms cpu, 16->16->0 MB, 16 MB goal, 0 MB stacks, 0 MB globals, 1 P
gc 7 @18.035s 0%: 0.055+0.98+0.002 ms clock, 0.055+0.057/0.14/0+0.002 ms cpu, 16->16->0 MB, 16 MB goal, 0 MB stacks, 0 MB globals, 1 P
可以看到，每隔 3s 就进行了一次 GC，说明 GC 频繁，此时我们可以去通过 go tool pprof http://localhost:6060/debug/pprof/alloc 来进行性能调优。
4 协程、阻塞、锁等问题
同理，top、list、web，或者直接使用网页来进行处理，原理基本上都是一样的。
5 Utils
每次进入交互式终端，都会提示 type ‘help’ for commands, ‘o’ for options，help 会告诉我们有哪些命令，差不多就是上面我们用到的一些，而 o 中有一个选项是 sample_index，这个选项有这几种类似
- alloc_objects：程序累计分配过的对象数量；
- alloc_space：程序累计分配的总字节数；
- inuse_objects：当前仍在使用中的对象数量（未被回收）；
- inuse_space：当前仍在使用中的字节总量，默认值。
(pprof) o sample_index=alloc_space // 累计分配
(pprof) top
[!NOTE] Linux 系统性能调优命令
- top：-p pid -d 秒，用于只监视指定进程并指定刷新时间，可以看到 CPU、内存等占比；
- ps aux：显示所有进程信息，-o 自定义显示字段，可以看到 stat 进程状态（R、S、Z）；
- vmstat 1 5：可以看到可运行进程数、内存情况（swap、free、cache）、CPU（用户、内核）。
6 原理剖析
import (
"log"
"net/http"
// 启用 pprof 性能分析
_ "net/http/pprof"
"runtime"
)
func main() {
runtime.GOMAXPROCS(1)
// 启用 mutex 性能分析，需要手动开启
runtime.SetMutexProfileFraction(1)
// 启用 block 性能分析，需要手动开启
runtime.SetBlockProfileRate(1)
gofunc() {
// 启动 http server. 对应 pprof 的一系列 handler 也会挂载在该端口下
if err := http.ListenAndServe(":6060", nil); err != nil {
log.Fatal(err)
}
os.Exit(0)
}()
注意到只需要匿名导入 pprof 包即可启用功能，之所以如此，是因为在 pprof 包下通过的初始化函数，向 net/http 的默认 server——DefaultServerMux 中完成了一系列路径及对应 handler 的注册。
func init() {
// 目录页
http.HandleFunc("/debug/pprof/", Index)
// …
// cpu profile 采样
http.HandleFunc("/debug/pprof/profile", Profile)
// …
}
Go 的性能分析功能在 runtime/pprof 和 runtime 包中实现，主要依赖以下机制进行：
6.1 CPU 分析
Go 在开启 CPU profiling 时会通过 setitimer 系统调用，定时向所有线程发送 SIGPROF 信号。每次线程收到信号，都会记录当前函数调用栈（stacktrace）。利用 runtime.Callers() 获取程序计数器 PC（Program Counter）链，再通过 runtime.FuncForPC() 映射成函数名。
6.2 Heap 分析
- Go runtime 在每次 分配内存 时，会按照概率采样一次（非每次分配都会记录）。
- 采样频率默认配置为每 512KB 总分配量采样一次。
- 所有采样数据保存在 memProfile 的全局结构中。
- 每次 GC 时，Go 会标记哪些对象已释放，并将这些信息也更新到 heap profile 中。
6.3 Block 分析
- 开启后，Go 会在 goroutine 因channel、select、sync 等操作阻塞时记录堆栈和阻塞时长。
- 被重新唤醒后，采样数据就会保存在 blockProfile（全局）中。
6.4 Mutex 分析
- 开启后，每次 sync.Mutex 加锁/解锁时，都会记录锁等待时间。
- 加锁耗时信息会在 Unlock() 时上报，记录进 mutexProfile。
go tool pprof 的核心功能：从指定地址下载分析数据并渲染报告。下载回来的是 gzip 压缩的 protobuf 数据文件（.pb.gz），里面包含函数名及栈结构、各采样点累计的 CPU 时间、采样次数。