文 | Lucien_168

1、背景

我們應(yīng)該如何培養(yǎng)孩子的創(chuàng)造力？

這是個無法給出標(biāo)準(zhǔn)答案的問題。不過，我們可以從歷史中尋求一些借鑒。

十四年前，互聯(lián)網(wǎng)巨頭Google就曾做過類似的嘗試。20%時間法則，就是那次“偉大的嘗試”貢獻(xiàn)給世界的禮物。

有時候會遇到一些疑難雜癥，并且監(jiān)控插件并不能一眼立馬發(fā)現(xiàn)問題的根源。這時候就需要登錄服務(wù)器進(jìn)一步深入分析問題的根源。那么分析問題需要有一定的技術(shù)經(jīng)驗積累，并且有些問題涉及到的領(lǐng)域非常廣，才能定位到問題。所以，分析問題和踩坑是非常鍛煉一個人的成長和提升自我能力。如果我們有一套好的分析工具，那將是事半功倍，能夠幫助大家快速定位問題，節(jié)省大家很多時間做更深入的事情。

2005年，Google那一年“七歲”，業(yè)務(wù)也已走上了正軌。正如投資上不會把雞蛋放在同一個籃子里，當(dāng)時的Google的管理層也意識到：如果想要長久的、持續(xù)的發(fā)展，把100%的資源與精力全部撲在當(dāng)前業(yè)務(wù)上，未必是最優(yōu)選擇。

優(yōu)秀的公司，都會居安思危；在這方面，互聯(lián)網(wǎng)公司有更強烈的危機感。在輕資產(chǎn)型的互聯(lián)網(wǎng)公司，技術(shù)上能否領(lǐng)先，決定的不是落后與領(lǐng)先，而是生死。

現(xiàn)在還有多少人知道，第一個做商業(yè)搜索引擎的并非是Google。早在Google創(chuàng)立的前四年，就已有了做商業(yè)搜索引擎的公司。如果不是因為搞出了“PageRank”，在算法上更具技術(shù)優(yōu)勢，憑什么一個在車庫里走出來的初創(chuàng)小公司，能夠打敗一幫業(yè)界大佬，成為“搜索之王”。

2、說明

本篇文章主要介紹各種問題定位的工具，以及會結(jié)合案例分析問題。

3、分析問題的方法論

套用5W2H方法，可以提出性能分析的幾個問題

• What-現(xiàn)象是什么樣的

• When-什么時候發(fā)生

• Why-為什么會發(fā)生

• Where-哪個地方發(fā)生的問題

• How much-耗費了多少資源

• How to do-怎么解決問題

4、CPU

4.1 說明

針對應(yīng)用程序，我們通常關(guān)注的是內(nèi)核CPU調(diào)度器功能和性能。

線程的狀態(tài)分析主要是分析線程的時間用在什么地方，而線程狀態(tài)的分類一般分為：

a. on-CPU：執(zhí)行中，執(zhí)行中的時間通常又分為用戶態(tài)時間user和系統(tǒng)態(tài)時間sys。

b. off-CPU：等待下一輪上CPU，或者等待I/O、鎖、換頁等等，其狀態(tài)可以細(xì)分為可執(zhí)行、匿名換頁、睡眠、鎖、空閑等狀態(tài)。

如果大量時間花在CPU上，對CPU的剖析能夠迅速解釋原因；如果系統(tǒng)時間大量處于off-cpu狀態(tài)，定位問題就會費時很多。但是仍然需要清楚一些概念：

• 處理器

• 核

• 硬件線程

• CPU內(nèi)存緩存

• 時鐘頻率

• 每指令周期數(shù)CPI和每周期指令數(shù)IPC

• CPU指令

• 使用率

• 用戶時間／內(nèi)核時間

• 調(diào)度器

• 運行隊列

• 搶占

• 多進(jìn)程

• 多線程

• 字長

4.2 分析工具

說明：

• uptime,vmstat,mpstat,top,pidstat只能查詢到cpu及負(fù)載的的使用情況。

• perf可以跟著到進(jìn)程內(nèi)部具體函數(shù)耗時情況，并且可以指定內(nèi)核函數(shù)進(jìn)行統(tǒng)計，指哪打哪。

4.3 使用方式

本篇文章主要介紹各種問題定位的工具以及會結(jié)合案例分析問題。

5、內(nèi)存

5.1 說明

內(nèi)存是為提高效率而生，實際分析問題的時候，內(nèi)存出現(xiàn)問題可能不只是影響性能，而是影響服務(wù)或者引起其他問題。同樣對于內(nèi)存有些概念需要清楚：

• 主存

• 虛擬內(nèi)存

• 常駐內(nèi)存

• 地址空間

• OOM

• 頁緩存

• 缺頁

• 換頁

• 交換空間

• 交換

• 用戶分配器libc、glibc、libmalloc和mtmalloc

• LINUX內(nèi)核級SLUB分配器

5.2 分析工具

說明：

• free,vmstat,top,pidstat,pmap只能統(tǒng)計內(nèi)存信息以及進(jìn)程的內(nèi)存使用情況。

• valgrind可以分析內(nèi)存泄漏問題。

• dtrace動態(tài)跟蹤。需要對內(nèi)核函數(shù)有很深入的了解，通過D語言編寫腳本完成跟蹤。

5.3 使用方式

6、磁盤IO

6.1 說明

磁盤通常是計算機最慢的子系統(tǒng)，也是最容易出現(xiàn)性能瓶頸的地方，因為磁盤離 CPU 距離最遠(yuǎn)而且 CPU 訪問磁盤要涉及到機械操作，比如轉(zhuǎn)軸、尋軌等。訪問硬盤和訪問內(nèi)存之間的速度差別是以數(shù)量級來計算的，就像1天和1分鐘的差別一樣。要監(jiān)測 IO 性能，有必要了解一下基本原理和 Linux 是如何處理硬盤和內(nèi)存之間的 IO 的。

在理解磁盤IO之前，同樣我們需要理解一些概念，例如：

• 文件系統(tǒng)

• VFS

• 文件系統(tǒng)緩存

• 頁緩存page cache

• 緩沖區(qū)高速緩存buffer cache

• 目錄緩存

• inode

• inode緩存

• noop調(diào)用策略

6.2 分析工具

6.3 使用方式

7、網(wǎng)絡(luò)

7.1 說明

網(wǎng)絡(luò)的監(jiān)測是所有 Linux 子系統(tǒng)里面最復(fù)雜的，有太多的因素在里面，比如：延遲、阻塞、沖突、丟包等，更糟的是與 Linux 主機相連的路由器、交換機、無線信號都會影響到整體網(wǎng)絡(luò)并且很難判斷是因為 Linux 網(wǎng)絡(luò)子系統(tǒng)的問題還是別的設(shè)備的問題，增加了監(jiān)測和判斷的復(fù)雜度?，F(xiàn)在我們使用的所有網(wǎng)卡都稱為自適應(yīng)網(wǎng)卡，意思是說能根據(jù)網(wǎng)絡(luò)上的不同網(wǎng)絡(luò)設(shè)備導(dǎo)致的不同網(wǎng)絡(luò)速度和工作模式進(jìn)行自動調(diào)整。

7.2 分析工具

7.3 使用方式

8、系統(tǒng)負(fù)載

8.1 說明

Load 就是對計算機干活多少的度量（WikiPedia：the system Load is a measure of the amount of work that a compute system is doing）簡單的說是進(jìn)程隊列的長度。Load Average 就是一段時間（1分鐘、5分鐘、15分鐘）內(nèi)平均Load。

8.2 分析工具

8.3 使用方式

9、火焰圖

9.1 說明

火焰圖（Flame Graph是 Bredan Gregg 創(chuàng)建的一種性能分析圖表，因為它的樣子近似而得名。

火焰圖主要是用來展示 CPU的調(diào)用棧。

y 軸表示調(diào)用棧，每一層都是一個函數(shù)。調(diào)用棧越深，火焰就越高，頂部就是正在執(zhí)行的函數(shù)，下方都是它的父函數(shù)。

x 軸表示抽樣數(shù)，如果一個函數(shù)在 x 軸占據(jù)的寬度越寬，就表示它被抽到的次數(shù)多，即執(zhí)行的時間長。注意，x 軸不代表時間，而是所有的調(diào)用棧合并后，按字母順序排列的。

火焰圖就是看頂層的哪個函數(shù)占據(jù)的寬度最大。只要有”平頂”（plateaus），就表示該函數(shù)可能存在性能問題。顏色沒有特殊含義，因為火焰圖表示的是 CPU 的繁忙程度，所以一般選擇暖色調(diào)。

常見的火焰圖類型有On-CPU、Off-CPU、Memory、Hot/Cold、Differential等等。

9.2 安裝依賴庫

9.3 安裝

9.4 CPU級別火焰圖

cpu占用過高，或者使用率提不上來，你能快速定位到代碼的哪塊有問題嗎？

一般的做法可能就是通過日志等方式去確定問題。現(xiàn)在我們有了火焰圖，能夠非常清晰的發(fā)現(xiàn)哪個函數(shù)占用cpu過高，或者過低導(dǎo)致的問題。

9.4.1 on-CPU

cpu占用過高，執(zhí)行中的時間通常又分為用戶態(tài)時間user和系統(tǒng)態(tài)時間sys。

使用方式：

DEMO：

DEMO火焰圖：

9.4.2 off-CPU

cpu過低，利用率不高。等待下一輪CPU，或者等待I/O、鎖、換頁等等，其狀態(tài)可以細(xì)分為可執(zhí)行、匿名換頁、睡眠、鎖、空閑等狀態(tài)。

使用方式：

官網(wǎng)DEMO：

9.5 內(nèi)存級別火焰圖

如果線上程序出現(xiàn)了內(nèi)存泄漏，并且只在特定的場景才會出現(xiàn)。這個時候我們怎么辦呢？有什么好的方式和工具能快速的發(fā)現(xiàn)代碼的問題呢？同樣內(nèi)存級別火焰圖幫你快速分析問題的根源。

使用方式：

官網(wǎng)DEMO：

9.6 性能回退-紅藍(lán)差分火焰圖

你能快速定位CPU性能回退的問題么？如果你的工作環(huán)境非常復(fù)雜且變化快速，那么使用現(xiàn)有的工具是來定位這類問題是很具有挑戰(zhàn)性的。當(dāng)你花掉數(shù)周時間把根因找到時，代碼已經(jīng)又變更了好幾輪，新的性能問題又冒了出來。主要可以用到每次構(gòu)建中，每次上線做對比看，如果損失嚴(yán)重可以立馬解決修復(fù)。

通過抓取了兩張普通的火焰圖，然后進(jìn)行對比，并對差異部分進(jìn)行標(biāo)色：紅色表示上升，藍(lán)色表示下降。差分火焰圖是以當(dāng)前（“修改后”）的profile文件作為基準(zhǔn)，形狀和大小都保持不變。因此你通過色彩的差異就能夠很直觀的找到差異部分，且可以看出為什么會有這樣的差異。

使用方式：

DEMO：

DEMO紅藍(lán)差分火焰圖：

10、案例分享

10.1 接入層nginx集群異?，F(xiàn)象

通過監(jiān)控插件發(fā)現(xiàn)在2017.09.25 19點nginx集群請求流量出現(xiàn)大量的499，5xx狀態(tài)碼。并且發(fā)現(xiàn)機器cpu使用率升高，目前一直持續(xù)中。

10.2 分析nginx相關(guān)指標(biāo)

a) **分析nginx請求流量：

結(jié)論：

通過上圖發(fā)現(xiàn)流量并沒有突增，反而下降了，跟請求流量突增沒關(guān)系。

b) **分析nginx響應(yīng)時間

結(jié)論：

通過上圖發(fā)現(xiàn)nginx的響應(yīng)時間有增加可能跟nginx自身有關(guān)系或者跟后端upstream響應(yīng)時間有關(guān)系。

c) **分析nginx upstream響應(yīng)時間

結(jié)論：

通過上圖發(fā)現(xiàn)nginx upstream 響應(yīng)時間有增加，目前猜測可能后端upstream響應(yīng)時間拖住nginx，導(dǎo)致nginx出現(xiàn)請求流量異常。

10.3 分析系統(tǒng)cpu情況

a) **通過top觀察系統(tǒng)指標(biāo)

結(jié)論：

發(fā)現(xiàn)nginx worker cpu比較高

b) **分析nginx進(jìn)程內(nèi)部cpu情況

結(jié)論：

發(fā)現(xiàn)主要開銷在free,malloc,json解析上面

10.4 火焰圖分析cpu

a) **生成用戶態(tài)cpu火焰圖

結(jié)論：

發(fā)現(xiàn)代碼里面有頻繁的解析json操作，并且發(fā)現(xiàn)這個json庫性能不高，占用cpu挺高。

10.5 案例總結(jié)

a) 分析請求流量異常，得出nginx upstream后端機器響應(yīng)時間拉長

b) 分析nginx進(jìn)程cpu高，得出nginx內(nèi)部模塊代碼有耗時的json解析以及內(nèi)存分配回收操作

10.5.1 深入分析

根據(jù)以上兩點問題分析的結(jié)論，我們進(jìn)一步深入分析。

后端upstream響應(yīng)拉長，最多可能影響nginx的處理能力。但是不可能會影響nginx內(nèi)部模塊占用過多的cpu操作。并且當(dāng)時占用cpu高的模塊，是在請求的時候才會走的邏輯。不太可能是upstram后端拖住nginx，從而觸發(fā)這個cpu的耗時操作。

10.5.2 解決方式

遇到這種問題，我們優(yōu)先解決已知的，并且非常明確的問題。那就是cpu高的問題。解決方式先降級關(guān)閉占用cpu過高的模塊，然后進(jìn)行觀察。經(jīng)過降級關(guān)閉該模塊cpu降下來了，并且nginx請求流量也正常了。之所以會影響upstream時間拉長，因為upstream后端的服務(wù)調(diào)用的接口可能是個環(huán)路再次走回到nginx。

參考資料：

http://www.brendangregg.com/index.html

http://www.brendangregg.com/FlameGraphs/cpuflamegraphs.html

http://www.brendangregg.com/FlameGraphs/memoryflamegraphs.html

http://www.brendangregg.com/FlameGraphs/offcpuflamegraphs.html

http://www.brendangregg.com/blog/2014-11-09/differential-flame-graphs.html

https://github.com/openresty/openresty-systemtap-toolkit

https://github.com/brendangregg/FlameGraph

https://www.slideshare.net/brendangregg/blazing-performance-with-flame-graphs

/ The End /

本文轉(zhuǎn)載自簡書，作者：Lucien_168

原文鏈接：https://www.jianshu.com/p/0bbac570fa4c