golang程式效能分析
最近在使用GraphQL編寫golang程式，但GraphQL框架在golang上的實踐比較少，很多效能上的資料也不夠全面。考慮到線上抗壓的問題，筆者決定對自己開發的服務模組進行效能壓測，評估下服務的整體效能。測試的工具鏈使用Vegeta+PPof+go-torch，PProf、go-torch上一篇文章Golang工具鏈 已經總結過不再贅述，vegeta會簡單講解下。
工具-vegeta
Vegeta是一個用Go語言編寫的多功能的HTTP負載測試工具，提供命令列工具和開發包。安裝見vegeta 說明。
Usage: vegeta [global flags] <command> [command flags]
global flags:
-cpus int 注意
-targets 指定一行分隔檔案中的攻擊目標，格式如下：
- 簡單目標
GET http://goku:9090/path/to/dragon?item=balls GET http://user:[email protected]:9090/path/to HEAD http://goku:9090/path/to/success- 自定義請求頭的目標
GET http://user:[email protected]:9090/path/to X-Account-ID: 8675309 DELETE http://goku:9090/path/to/remove Confirmation-Token: 90215 Authorization: Token DEADBEEF- 自定義請求的主體
POST http://goku:9090/things @/path/to/newthing.json PATCH http://goku:9090/thing/71988591 @/path/to/thing-71988591.json- 自定義請求頭和請求主體
POST http://goku:9090/things X-Account-ID: 99 @/path/to/newthing.json進行負載測試時，不能因為Vegeta自身機器的效能瓶頸限制無法達到預期結果，例如開啟的檔案數、記憶體大小、CPU和網路頻寬，分散式的使用Vegeta是非常好的解決方案。
- 為了確保開啟檔案描述和程序限制設定得高一些，可以在機器上使用
ulimit命令 - 可以使用
pdsh分散式運維工具，對目標執行分散式攻擊。
- 為了確保開啟檔案描述和程序限制設定得高一些，可以在機器上使用
程式效能分析過程
使用vegeta工具壓測http服務介面
命令
echo "POST http://192.168.168.189:8181/graphql" | vegeta attack -body /tmp/rqst/rqst.txt -duration=10s -rate=400 > r.bin對
http://192.168.168.189:8181/graphql執行post請求，post的body放置在/tmp/rqst/rqst.txt目錄下，對目標地址進行持續10s的攻擊，每次傳送400個請求， 將請求的結果統計到r.bin檔案。rqst.txt的內容如下，此處對部署在遠端GraphQL服務直接傳送Post請求，請求的操作名稱jobInfoList：
{ "query":"query jobInfoList( $projectId: String!){\n\tjobInfoList(projectId: $projectId) {\n algorithmInfo {\n algorithmId\n descInfo\n location\n name\n sourceFormat\n status\n targetFormat\n version\n }\n }\n}", "variables":{"projectId":"pr-testproject"}, "operationName":"jobInfoList" }
結果
text格式
/home# vegeta report -inputs=r.bin -reporter=text //檢視text格式分析資料,預設為該格式，可不寫 Requests [total, rate] 4000, 400.10 Duration [total, attack, wait] 10.0081328s, 9.997499937s, 10.632863ms Latencies [mean, 50, 95, 99, max] 3.978566ms, 3.635816ms, 6.189994ms, 11.539779ms, 18.534089ms Bytes In [total, mean] 148000, 37.00 Bytes Out [total, mean] 1380000, 345.00 Success [ratio] 100.00% Status Codes [code:count] 200:4000json格式
/home# vegeta report -inputs=r.bin -reporter=json { "latencies:{"total":15914265193,"mean":3978566,"50th":3635816,"95th":6189994,"99th":11539779,"max":18534089}, "bytes_in":{"total":148000,"mean":37}, "bytes_out":{"total":1380000,"mean":345}, "earliest":"2018-04-20T15:31:11.400851579+08:00","latest":"2018-04-20T15:31:21.398351516+08:00","end":"2018-04-20T15:31:21.408984379+08:00", "duration":9997499937, "wait":10632863, "requests":4000, "rate":400.10002752751205, "success":1, "status_codes":{"200":4000}, "errors":null }
檢視生成的pprof分析的視覺化圖片
pprof常用作cpu、記憶體分析，需要使用pprof的場景
- 定位記憶體洩露
- 程式效率瓶頸
- 檢視程式的呼叫圖
下面這張圖是CPU profile，可以清楚看到程式執行時的呼叫狀態，主要分析各個方法的耗時。下圖有些部分是虛線，是因為耗時比較少的節點沒有在圖上體現出來 ，但要把圖連起來，有的地方就使用虛線了。
go-torch更直觀的分析工具
上面的圖在呼叫鏈比較簡單的情況下，會比較直觀，但在如此複雜的呼叫鏈下，確實看著有點亂，使用Uber開源的火焰圖絕對讓你開啟新世界的大門。
命令
執行命令
go-torch -u http://192.168.168.189:8181 -t 10執行命令後bash展示如下內容：
INFO[14:16:19] Run pprof command: go tool pprof -raw -seconds 10 http://192.168.168.189:8181/debug/pprof/profile INFO[14:16:30] Writing svg to torch.svg
火焰圖展示
下圖為使用go-torch生成的火焰圖，看起來比pprof分析的要更加直觀一些。
火焰圖是具有互動性的：
- 滑鼠懸浮： 火焰的每一層都會標註函式名，滑鼠懸浮時會顯示完整的函式名、抽樣抽中的次數、佔據總抽樣次數的百分比。
- 點選放大：在某一層點選，火焰圖會水平放大，該層會佔據所有寬度，顯示詳細資訊。
- 搜尋：按下Ctrl + F 會顯示一個搜尋框，可輸入關鍵字或正則表示式，所有符合條件的函式名會高亮顯示
總結
通過以上一系列分析，筆者定位到GraphQL的解析庫對程式的效能造成了一定的影響，這邊總結了幾種解決方式：
- 用grpc替代GraphQL
- http的Client和Server之間使用長連線進行通訊
- 使用http2代替http1.1