pprof 是 Go 程序性能分析常用的工具，关于 pprof 有很多的包，它们分别是：

• runtime/pprof：Go 的内置库，比较基础，不常用
• pkg/profile：对 runtime/pprof 进行简化，只需要一行代码即可，等程序运行结束后才能分析
• net/http/pprof：最好用的库，可以暴露 http 服务实时获取分析

本文，我仅使用 pkg/profile 进行演示，后面有机会再来补充 net/http/pprof 的，关于这些包的详细使用，可以查看你不知道的 Go 之 pprof，写得非常详细

1. 准备工作

1.1 准备依赖

下载 pprof

go get github.com/pkg/profile

安装 graphviz ，后面可视化分析要用

# centos
yum install -y graphviz

# ubuntu
apt-get install graphviz

# mac
brew install graphviz

1.2 准备代码

先创建临时项目

go mod init iswbm.com/demo-pprof

然后准备两个文件：

• pprof-cpu.go

• pprof-mem.go

  package main
  
  import (
  "github.com/pkg/profile"
        "math/rand"
  )
  
  const letterBytes = "abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ"
  
  func randomString(n int) string {
  b := make([]byte, n)
  for i := range b {
      b[i] = letterBytes[rand.Intn(len(letterBytes))]
  }
  return string(b)
  }
  
  func concat(n int) string {
  s := ""
  for i := 0; i < n; i++ {
      s += randomString(n)
  }
  return s
  }
  
  func main() {
        defer profile.Start(profile.MemProfile, profile.MemProfileRate(1)).Stop()
  concat(100)
  }
  

2. 开始分析

以分析内存为例，直接运行该 pprof-mem.go，会生成两个 mem.pprof 文件

$ go run pprof-cpu.go
2022/01/19 06:53:02 profile: memory profiling enabled (rate 1), /tmp/profile645664769/mem.pprof
2022/01/19 06:53:02 profile: memory profiling disabled, /tmp/profile645664769/mem.pprof

2.1 命令行界面分析

指定这两个文件运行分析

$ go tool pprof /tmp/profile645664769/mem.pprof

再敲入 top，就可以看到分析的结果，可以看到 98% 的内存都是由 main.concat 函数产生的。

2.2 可视化界面分析

然后指定这两个文件运行分析

$ go tool pprof -http=0.0.0.0:9999 /tmp/profile645664769/mem.pprof
Serving web UI on http://0.0.0.0:9999
http://0.0.0.0:9999

在浏览器访问该地址

• 本地电脑，就访问：http://localhost:9999
• 服务器，就访问：http://host-ip:9999

然后就可以看到像下面这样的可视化界面，一下子就可能牛二以 main.concat 的区域最大