学习目标
- 理解为什么性能问题必须用工具分析
- 掌握 pprof 的基本使用方式
- 理解 CPU / 内存 / 阻塞分析的意义
- 认识 trace 在并发与调度分析中的价值
一、为什么性能优化必须“用工具说话”
性能问题的常见误区：
- 凭感觉猜瓶颈
- 只看代码复杂度
- “应该是这里慢”
工程事实：
- 90% 的性能问题集中在 10% 的代码上
- 没有数据支撑的优化，极可能是无效甚至有害的
Go 官方的态度非常明确：
先 profile，再优化。
二、pprof 是什么
pprof 是 Go 官方提供的性能分析工具，用于采样和分析程序运行时行为。
pprof 可以回答的问题包括：
- CPU 时间花在哪里
- 内存分配来自哪里
- 哪些函数产生了大量对象
- 哪些地方阻塞最严重
三、启用 net/http/pprof（服务端程序）
在 HTTP 服务中，启用 pprof 非常简单：
import _ "net/http/pprof"
func main() {
go http.ListenAndServe(":6060", nil)
// your server
}常用访问地址：
- /debug/pprof/
- /debug/pprof/profile
- /debug/pprof/heap
- /debug/pprof/goroutine
工程建议：生产环境需做好访问控制。
四、CPU Profiling（CPU 性能分析）
CPU profile 用于分析：
- 函数执行时间分布
- 热点路径（hot path）
采集方式：
go tool pprof http://localhost:6060/debug/pprof/profile常用命令：
top：最耗 CPU 的函数list func：查看函数级别web：生成调用图（需要 graphviz）
工程认知：CPU 优化的核心是减少热点路径的执行成本。
五、Memory Profiling（内存分析）
内存 profile 关注的是：
- 哪里发生了分配
- 分配了多少对象
- 哪些对象存活到 GC 后
采集方式：
go tool pprof http://localhost:6060/debug/pprof/heap关注指标：
- alloc_objects / alloc_space
- inuse_objects / inuse_space
工程建议：优先减少分配次数，而不是只关注占用大小。
六、Block / Mutex Profiling
阻塞分析用于发现：
- channel 阻塞
- mutex 竞争
启用方式：
runtime.SetBlockProfileRate(1)
runtime.SetMutexProfileFraction(1)采集：
go tool pprof http://localhost:6060/debug/pprof/block
go tool pprof http://localhost:6060/debug/pprof/mutex工程意义：帮助定位“并发慢”的真正原因。
七、trace：调度与并发全景视图
trace 是比 pprof 更底层的分析工具。
trace 能展示：
- goroutine 生命周期
- 调度事件
- 系统调用
- GC 活动
采集 trace：
go test -trace trace.out
go tool trace trace.out工程定位：
- 分析 goroutine 泄漏
- 理解调度抖动
- 排查并发异常行为
八、pprof 与 trace 的使用边界
pprof 更适合：
- 找性能热点
- 分析 CPU / 内存
trace 更适合：
- 理解调度行为
- 复杂并发问题
工程共识：pprof 定位问题，trace 理解原因。
九、性能分析的正确流程
- 确认问题（慢、卡、抖）
- 采集 profile 数据
- 定位热点或异常
- 针对性优化
- 再次 profile 验证
工程结论：没有验证的优化等于没有优化。
十、性能分析总结
- pprof 是 Go 性能优化的核心工具
- trace 是并发问题的“显微镜”
- 工具驱动优化，而不是经验驱动
一句话总结：
性能优化不是写代码，是读数据。
预告：Day 23｜标准库高频组件设计思想（io / bufio / bytes）
下一天将系统讲解：
- io 接口设计哲学
- bufio 的缓冲思想
- bytes / strings 的性能取舍
- 从标准库学工程设计