Continuous profiling for Go applications - Application Real-Time Monitoring Service: Central de Documentação do Alibaba Cloud

O profiling contínuo identifica gargalos de desempenho em aplicações Go causados por CPU, memória e I/O. Ele fornece estatísticas detalhadas divididas por nome de método, classe e número de linha, o que auxilia na otimização do código, na redução da latência, no aumento do throughput e na economia de custos. Este tópico descreve como ativar o recurso de profiling contínuo para aplicações Go no ARMS e visualizar os dados correspondentes.

Pré-requisitos

Certifique-se de que sua aplicação esteja conectada ao Application Monitoring e que o agente Go esteja atualizado para a versão 1.3.0 ou posterior. Verifique a versão do agente na página Application Settings > Agent Management.

Ative o profiling contínuo

Faça login no console do ARMS. No painel de navegação à esquerda, escolha Application Monitoring > Application List.
Na página Application List, selecione a região na barra de navegação superior e clique em nome da aplicação.
Nota
Os ícones na coluna Language têm os seguintes significados:
- : aplicação Java conectada ao Application Monitoring.
- : aplicação Golang conectada ao Application Monitoring.
- : aplicação Python conectada ao Application Monitoring.
- -: aplicação conectada ao Managed Service for OpenTelemetry.
Na barra de navegação superior, escolha Application Configuration > Custom Configurations.
Na seção Continuous Performance Profiling, ative o master switch e outros switches de recursos conforme necessário.
Clique em Save. As configurações entram em vigor em aproximadamente 2 minutos.

Visualize dados de profiling

Faça login no console do ARMS. No painel de navegação à esquerda, escolha Application Monitoring > Application List.
Na página Application List, selecione a região na barra de navegação superior e clique em nome da aplicação.
Nota
Os ícones na coluna Language têm os seguintes significados:
- : aplicação Java conectada ao Application Monitoring.
- : aplicação Golang conectada ao Application Monitoring.
- : aplicação Python conectada ao Application Monitoring.
- -: aplicação conectada ao Managed Service for OpenTelemetry.
Na barra de navegação superior, escolha Application Diagnostics > Continuous Performance Profiling.
Na lista de instâncias à esquerda, selecione uma instância de destino. Em seguida, defina o intervalo de tempo dos dados à direita.
Na aba Search, filtre os dados e visualize a análise agregada.
1. Na seção Time window size (identificada como ①), selecione uma duração de snapshot e arraste o ponteiro no gráfico para definir o intervalo de tempo desejado.
2. Na lista suspensa (identificada como ②), selecione um tipo de dado: cpu, go heap, goroutine, mutex ou block.
3. A lista de dados do intervalo selecionado aparece na área identificada como ③. Clique em Aggregation & Analysis no canto superior direito para visualizar os detalhes do snapshot.
  Análise de desempenho
  
  CPU Time: dados de profiling para hotspots de CPU.
  
  Allocated Memory: dados de profiling para hotspots de memória.
  
  Allocations: dados de profiling para hotspots de frequência de alocação de memória. Essas informações indicam quais métodos alocam memória com maior frequência.
  
  goroutine:
  
  Análise de mutex
  
  mutexContentions:
  
  mutexDelay:
  
  Análise de bloqueio
  
  blockContentions:
  
  blockDelay:
  
  Nota
  
  A coluna Self mostra os recursos consumidos pelo próprio método, excluindo aqueles consumidos pelos métodos chamados por ele (filhos). Isso ajuda a identificar métodos inerentemente custosos.
  
  A coluna Total exibe os recursos consumidos pelo método e por todos os métodos chamados. Esse valor auxilia na identificação do impacto geral de um método no consumo de recursos em toda a pilha de chamadas.
  
  Para investigar códigos de hotspot específicos, concentre-se na coluna Self ou procure barras largas na parte inferior do gráfico de chamas. Essas barras representam a causa raiz do alto consumo nas camadas superiores da pilha de chamadas e geralmente indicam os principais gargalos de desempenho. Direcione seus esforços de otimização para esses métodos.
  Lista de snapshots