目錄：
2、內(nèi)存
3、磁盤IO
4、網(wǎng)絡(luò)
5、系統(tǒng)負(fù)載
6、火焰圖
7、案例分析
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(fèi)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(yùn)行隊(duì)列
搶占
多進(jìn)程
多線程
字長
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(jì)，指哪打哪。
//查看系統(tǒng)cpu使用情況
top
//查看所有cpu核信息
mpstat -P ALL 1
//查看cpu使用情況以及平均負(fù)載
vmstat 1
//進(jìn)程cpu的統(tǒng)計(jì)信息
pidstat -u 1 -p pid
//跟蹤進(jìn)程內(nèi)部函數(shù)級cpu使用情況
perf top -p pid -e cpu-clock內(nèi)存是為提高效率而生，實(shí)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
說明：
free,vmstat,top,pidstat,pmap只能統(tǒng)計(jì)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。
//查看系統(tǒng)內(nèi)存使用情況
free -m
//虛擬內(nèi)存統(tǒng)計(jì)信息
vmstat 1
//查看系統(tǒng)內(nèi)存情況
top
//1s采集周期，獲取內(nèi)存的統(tǒng)計(jì)信息
pidstat -p pid -r 1
//查看進(jìn)程的內(nèi)存映像信息
pmap -d pid
//檢測程序內(nèi)存問題
valgrind --tool=memcheck --leak-check=full --log-file=./log.txt ./程序名
磁盤通常是計(jì)算機(jī)最慢的子系統(tǒng)，也是最容易出現(xiàn)性能瓶頸的地方，因?yàn)榇疟P離 CPU 距離最遠(yuǎn)而且 CPU 訪問磁盤要涉及到機(jī)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(jì)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
//查看系統(tǒng)io信息
iotop
//統(tǒng)計(jì)io詳細(xì)信息
iostat -d -x -k 1 10
//查看進(jìn)程級io的信息
pidstat -d 1 -p pid
//查看系統(tǒng)IO的請求，比如可以在發(fā)現(xiàn)系統(tǒng)IO異常時，可以使用該命令進(jìn)行調(diào)查，就能指定到底是什么原因?qū)е碌腎O異常
perf record -e block:block_rq_issue -ag
^C
perf report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(jī)相連的路由器、交換機(jī)、無線信號都會影響到整體網(wǎng)絡(luò)并且很難判斷是因?yàn)?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。現(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。
//顯示網(wǎng)絡(luò)統(tǒng)計(jì)信息
netstat -s
//顯示當(dāng)前UDP連接狀況
netstat -nu
//顯示UDP端口號的使用情況
netstat -apu
//統(tǒng)計(jì)機(jī)器中網(wǎng)絡(luò)連接各個狀態(tài)個數(shù)
netstat -a | awk \\'/^tcp/ {++S[$NF]} END {for(a in S) print a, S[a]}\\'
//顯示TCP連接
ss -t -a
//顯示sockets摘要信息
ss -s
//顯示所有udp sockets
ss -u -a
//tcp,etcp狀態(tài)
sar -n TCP,ETCP 1
//查看網(wǎng)絡(luò)IO
sar -n DEV 1
//抓包以包為單位進(jìn)行輸出
tcpdump -i eth1 host 192.168.1.1 and port 80
//抓包以流為單位顯示數(shù)據(jù)內(nèi)容
tcpflow -cp host 192.168.1.1Load 就是對計(jì)算機(jī)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(duì)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。
//查看負(fù)載情況
uptime
top
vmstat
//統(tǒng)計(jì)系統(tǒng)調(diào)用耗時情況
strace -c -p pid
//跟蹤指定的系統(tǒng)操作例如epoll_wait
strace -T -e epoll_wait -p pid
//查看內(nèi)核日志信息
dmesg火焰圖（Flame Graph是 Bredan Gregg 創(chuàng)建的一種性能分析圖表，因?yàn)樗臉幼咏??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?yàn)榛鹧鎴D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。
//安裝systemtap，默認(rèn)系統(tǒng)已安裝
yum install systemtap systemtap-runtime
//內(nèi)核調(diào)試庫必須跟內(nèi)核版本對應(yīng)，例如：uname -r 2.6.18-308.el5
kernel-debuginfo-2.6.18-308.el5.x86_64.rpm
kernel-devel-2.6.18-308.el5.x86_64.rpm
kernel-debuginfo-common-2.6.18-308.el5.x86_64.rpm
//安裝內(nèi)核調(diào)試庫
debuginfo-install --enablerepo=debuginfo search kernel
debuginfo-install --enablerepo=debuginfo search glibc
git clone https://github.com/lidaohang/quick_location.git
cd quick_locationcpu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。
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：
//on-CPU user
sh ngx_on_cpu_u.sh pid
//進(jìn)入結(jié)果目錄
cd ngx_on_cpu_u
//on-CPU kernel
sh ngx_on_cpu_k.sh pid
//進(jìn)入結(jié)果目錄
cd ngx_on_cpu_k
//開一個臨時端口8088
python -m SimpleHTTPServer 8088
//打開瀏覽器輸入地址
127.0.0.1:8088/pid.svgDEMO：
#include <stdio.h>
#include <stdlib.h>
void foo3()
{
}
void foo2()
{
int i;
for(i=0 ; i < 10; i++)
foo3();
}
void foo1()
{
int i;
for(i = 0; i< 1000; i++)
foo3();
}
int main(void)
{
int i;
for( i =0; i< 1000000000; i++) {
foo1();
foo2();
}
}
DEMO火焰圖：
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：
// off-CPU user
sh ngx_off_cpu_u.sh pid
//進(jìn)入結(jié)果目錄
cd ngx_off_cpu_u
//off-CPU kernel
sh ngx_off_cpu_k.sh pid
//進(jìn)入結(jié)果目錄
cd ngx_off_cpu_k
//開一個臨時端口8088
python -m SimpleHTTPServer 8088
//打開瀏覽器輸入地址
127.0.0.1:8088/pid.svg官網(wǎng)DEMO：
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：
sh ngx_on_memory.sh pid
//進(jìn)入結(jié)果目錄
cd ngx_on_memory
//開一個臨時端口8088
python -m SimpleHTTPServer 8088
//打開瀏覽器輸入地址
127.0.0.1:8088/pid.svg官網(wǎng)DEMO：
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：
cd quick_location
//抓取代碼修改前的profile 1文件
perf record -F 99 -p pid -g -- sleep 30
perf script > out.stacks1
//抓取代碼修改后的profile 2文件
perf record -F 99 -p pid -g -- sleep 30
perf script > out.stacks2
//生成差分火焰圖:
./FlameGraph/stackcollapse-perf.pl ../out.stacks1 > out.folded1
./FlameGraph/stackcollapse-perf.pl ../out.stacks2 > out.folded2
./FlameGraph/difffolded.pl out.folded1 out.folded2 | ./FlameGraph/flamegraph.pl > diff2.svgDEMO：
//test.c
#include <stdio.h>
#include <stdlib.h>
void foo3()
{
}
void foo2()
{
int i;
for(i=0 ; i < 10; i++)
foo3();
}
void foo1()
{
int i;
for(i = 0; i< 1000; i++)
foo3();
}
int main(void)
{
int i;
for( i =0; i< 1000000000; i++) {
foo1();
foo2();
}
}
//test1.c
#include <stdio.h>
#include <stdlib.h>
void foo3()
{
}
void foo2()
{
int i;
for(i=0 ; i < 10; i++)
foo3();
}
void foo1()
{
int i;
for(i = 0; i< 1000; i++)
foo3();
}
void add()
{
int i;
for(i = 0; i< 10000; i++)
foo3();
}
int main(void)
{
int i;
for( i =0; i< 1000000000; i++) {
foo1();
foo2();
add();
}
}DEMO紅藍(lán)差分火焰圖：
通過監(jiān)控插件發(fā)現(xiàn)在2017.09.25 19點(diǎn)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(jī)器cpu使用率升高，目前一直持續(xù)中。
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。
a) 通過top觀察系統(tǒng)指標(biāo)
top
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
perf top -p pid
結(jié)論：
發(fā)現(xiàn)主要開銷在free,malloc,json解析上面
7.4 火焰圖分析cpu
a) 生成用戶態(tài)cpu火焰圖
//test.c
#include <stdio.h>
#include <stdlib.h>
//on-CPU user
sh ngx_on_cpu_u.sh pid
//進(jìn)入結(jié)果目錄
cd ngx_on_cpu_u
//開一個臨時端口8088
python -m SimpleHTTPServer 8088
//打開瀏覽器輸入地址
127.0.0.1:8088/pid.svg
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。
a) 分析請求流量異常，得出nginx upstream后端機(jī)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
根據(jù)以上兩點(diǎn)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。
飛機(jī)上一般是什么操作系統(tǒng)？
高速CAN、容錯CAN、LIN總線有什么區(qū)別？
大佬終于把鴻蒙OS講明白了，收藏了！
