NodeJS 性能优化之 CPU 看图篇

服务稳定性到一定程度之后，都会开始经历一段精细化运营的过程，从成本意识角度来说也是成立的。作为前端出身的NodeJS开发者们，产生共鸣的那就是如何能够直观且快速发现性能瓶颈，能够像调试前端的JS代码那样可视化，堆栈化，接下来我们就针对常见的CPU性能分析方法来揭开NodeJS的CPU面纱。

一、CPU使用情况可视化展示（火焰图—Flame Graph）

充分利用劳动工具有助于帮助我们提升定位问题的效率，Linux kernal自带的系统性能分析工具perf，为我们提供函数级与指令级的热点查找，常用于性能瓶颈的查找与热点代码定位。

#NodeJS如何正确完整的采集火焰图呢？

1-1、用例构造

NodeJS服务代码示例—JSON编解码，如下片段：

1-2 启动方式：

启动参数：--perf_basic_prof或—perf-basic-prof适用于node@0.11.13

也可以使用--perf_basic_prof_only_functions

标准方式：node --perf_basic_prof JsonParse.js

MIG tafNodeJS启动方式：私有模板配置启动参数，如下：

<taf>

<application>

    <server>

        node-args=--perf-basic-prof

</server>

</application>

</taf>

注：--perf_basic_prof或--perf-basic-prof会对应生成一个/tmp/perf-pid.map文件，如图：

1-3 perf脚本采集函数和热点代码

#查看NodeJS服务进程pid，采集时需要用到。命令：$ ps –ef | grep ‘worker’

#采集脚本：$ perf record -F 99 -p 182497 -g -- sleep 60

参数说明如下：

#进程对应的符号表perf-pid.map权限设置：$chown root /tmp/perf-pid.map。

踩过的坑！！！是为了消除下面这个问题的

File /tmp/perf-PID.map not owned by current user or root, ignoring it (use -f to override).

Failed to open /tmp/perf-PID.map, continuing without symbols

• 挖出FlameGraph开源库里面的stackcollapse-perf.pl和flamegraph.pl

http://github.com/brendangregg/FlameGraph

• svg文件生成

单一颜色：$ perf script | ./stackcollapse-perf.pl | ./flamegraph.pl > xxx.svg

多种颜色：perf script | ./stackcollapse-perf.pl | ./flamegraph.pl --color=js –hash > xxx.svg，如下图：

二、CPU火焰图的理解与性能分析

2.1 通过上面的步骤采集出两种不同颜色系的火焰图，如下图

2.2 火焰图颜色对应关系，如下表：

2.3 火焰图形状对应关系

2.4 JSON序列化与反序列化火焰图分析

采用ab进行压力测试分析JSON.parse与JSON.stringify性能开销

压测命令：ab –n 3000000 -c 50 http://ip:port/jsonParse

从火焰图看到JsonParse.js里面耗时主要消耗在JSON序列化和反序列化

几个常见的栈帧类型说明：

2.5 JSON反序列化（JSON.parse）源码分析

概念普及——解析器常见原理：

a) 词法分析

b) 语法分析生成抽象语法树（AST）

c) 针对抽象语法树进行语义分析，构建你需要的内部数据结构或生成代码

通过局部查看火焰图分析源码

1 Stub:CEntryStub：C入口桩代码，在JS的JIT代码中，提供调用Runtime的函数（如DOM函数或者JS的builtin函数）

2【编译builtins.h】v8::internal::Builtin_JsonParse

3【解析器json-parser.cc】v8::internal::JsonParser<true>::ParseJson

4【词法分析json-parser.cc】v8::internal::JsonParser<true>::ParseJsonValue

5【语法分析json-parser.cc】v8::internal::JsonParser<true>::ParseJsonObject

小结：通过火焰图我们能够清晰的看到函数的调用栈，并能够找到哪些函数是耗时较多的

JSON序列化流程相似相似，感兴趣的同学可以看一下V8的json-stringifier.cc和对应的.h文件

三、CPU性能分析的另一种可视化dot图

3.1 需要gprof2dot脚本

工程地址：https://github.com/jrfonseca/gprof2dot.git

3.2 基于perf.data文件转换成dot文件

$ perf script -i perf.data.pid | python gprof2dot.py –f perf –e 1 –o xxx.dot

3.3 基于perf.data文件转换成dot文件

$ dot –Tsvg xxx.dot –o xxx.svg

在linux物理机的尝试：

下载到PC磁盘，打开即可：

附录

https://zhuanlan.zhihu.com/p/27147421

https://www.zhihu.com/question/24640264

http://blog.12.rs/notes/V8-0.2.5-JIT/

https://github.com/zfengzhen/Blog/blob/master/article/hold%E4%BD%8F%E4%BD%A0%E7%9A%84%E5%90%8E%E5%8F%B0%E7%A8%8B%E5%BA%8F.md