## 13.10.1 时间和内存消耗 可以用这个便捷脚本 *xtime* 来测量： ~~~ #!/bin/sh /usr/bin/time -f ‘%Uu %Ss %er %MkB %C’ “$@” ~~~ 在 Unix 命令行中像这样使用 `xtime goprogexec`，这里的 progexec 是一个 Go 可执行程序，这句命令行输出类似：56.63u 0.26s 56.92r 1642640kB progexec，分别对应用户时间，系统时间，实际时间和最大内存占用。 ## [](https://github.com/Unknwon/the-way-to-go_ZH_CN/blob/master/eBook/13.10.md#13102-用-go-test-调试)13.10.2 用 go test 调试 如果代码使用了 Go 中 testing 包的基准测试功能，我们可以用 gotest 标准的 `-cpuprofile` 和 `-memprofile` 标志向指定文件写入 CPU 或 内存使用情况报告。 使用方式：`go test -x -v -cpuprofile=prof.out -file x_test.go` 编译执行 x_test.go 中的测试，并向 prof.out 文件中写入 cpu 性能分析信息。 ## [](https://github.com/Unknwon/the-way-to-go_ZH_CN/blob/master/eBook/13.10.md#13103-用-pprof-调试)13.10.3 用 pprof 调试 你可以在单机程序 progexec 中引入 runtime/pprof 包；这个包以 pprof 可视化工具需要的格式写入运行时报告数据。对于 CPU 性能分析来说你需要添加一些代码： ~~~ var cpuprofile = flag.String(“cpuprofile”, “”, “write cpu profile to file”) func main() { flag.Parse() if *cpuprofile != “” { f, err := os.Create(*cpuprofile) if err != nil { log.Fatal(err) } pprof.StartCPUProfile(f) defer pprof.StopCPUProfile() } ... ~~~ 代码定义了一个名为 cpuprofile 的 flag，调用 Go flag 库来解析命令行 flag，如果命令行设置了 cpuprofile flag，则开始 CPU 性能分析并把结果重定向到那个文件。（os.Create 用拿到的名字创建了用来写入分析数据的文件）。这个分析程序最后需要在程序退出之前调用 StopCPUProfile 来刷新挂起的写操作到文件中；我们用 defer 来保证这一切会在 main 返回时触发。 现在用这个 flag 运行程序：`progexec -cpuprofile=progexec.prof` 然后可以像这样用 gopprof 工具：`gopprof progexec progexec.prof` gopprof 程序是 Google pprofC++ 分析器的一个轻微变种；关于此工具更多的信息，参见[http://code.google.com/p/google-perftools/](http://code.google.com/p/google-perftools/)。 如果开启了 CPU 性能分析，Go 程序会以大约每秒 100 次的频率阻塞，并记录当前执行的 goroutine 栈上的程序计数器样本。 此工具一些有趣的命令： 1）`topN` 用来展示分析结果中最开头的 N 份样本，例如：`top5` 它会展示在程序运行期间调用最频繁的 5 个函数，输出如下： ~~~ Total: 3099 samples 626 20.2% 20.2% 626 20.2% scanblock 309 10.0% 30.2% 2839 91.6% main.FindLoops ... ~~~ 第 5 列表示函数的调用频度。 2）`web` 或 `web 函数名` 该命令生成一份 SVG 格式的分析数据图表，并在网络浏览器中打开它（还有一个 gv 命令可以生成 PostScript 格式的数据，并在 GhostView 中打开，这个命令需要安装 graphviz）。函数被表示成不同的矩形（被调用越多，矩形越大），箭头指示函数调用链。 3）`list 函数名` 或 `weblist 函数名` 展示对应函数名的代码行列表，第 2 列表示当前行执行消耗的时间，这样就很好地指出了运行过程中消耗最大的代码。 如果发现函数 `runtime.mallocgc`（分配内存并执行周期性的垃圾回收）调用频繁，那么是应该进行内存分析的时候了。找出垃圾回收频繁执行的原因，和内存大量分配的根源。 为了做到这一点必须在合适的地方添加下面的代码： ~~~ var memprofile = flag.String(“memprofile”, “”, “write memory profile to this file”) ... CallToFunctionWhichAllocatesLotsOfMemory() if *memprofile != “” { f, err := os.Create(*memprofile) if err != nil { log.Fatal(err) } pprof.WriteHeapProfile(f) f.Close() return } ~~~ 用 -memprofile flag 运行这个程序：`progexec -memprofile=progexec.mprof` 然后你可以像这样再次使用 gopprof 工具：`gopprof progexec progexec.mprof` `top5`，`list 函数名` 等命令同样适用，只不过现在是以 Mb 为单位测量内存分配情况，这是 top 命令输出的例子： ~~~ Total: 118.3 MB 66.1 55.8% 55.8% 103.7 87.7% main.FindLoops 30.5 25.8% 81.6% 30.5 25.8% main.*LSG·NewLoop ... ~~~ 从第 1 列可以看出，最上面的函数占用了最多的内存。 同样有一个报告内存分配计数的有趣工具： ~~~ gopprof --inuse_objects progexec progexec.mprof ~~~ 对于 web 应用来说，有标准的 HTTP 接口可以分析数据。在 HTTP 服务中添加 ~~~ import _ “http/pprof” ~~~ 会为 /debug/pprof/ 下的一些 URL 安装处理器。然后你可以用一个唯一的参数——你服务中的分析数据的 URL 来执行 gopprof 命令——它会下载并执行在线分析。 ~~~ gopprof http://localhost:6060/debug/pprof/profile # 30-second CPU profile gopprof http://localhost:6060/debug/pprof/heap # heap profile ~~~ 在 Go-blog（引用 15）中有一篇很好的文章用具体的例子进行了分析：分析 Go 程序（2011年6月）。