LINUX 性能专家 Brendan Gregg博文拜读系列<1>-附九张性能图片

五分钟学SRE

发布于 2024-04-10 08:37:48

1670

发布于 2024-04-10 08:37:48

在深入Linux系统的复杂世界中，性能优化始终是SRE关注的热点。最近在拜读国际著名的 LINUX 性能专家 Brendan Gregg 的个人博客和技术书籍。他的工作不仅涵盖了系统性能的监控和分析，还深入探讨了性能问题的根源及其解决方案。通过他的个人博客和技术书籍，我们可以窥见Linux性能优化的精髓，学习到如何利用各种工具和方法来提升系统效率，确保应用的顺畅运行。将会结合 Brendan Gregg博文与个人理解出一个拜读系列博文。

这期我们将介绍几个由Brendan Gregg开发或推广的性能分析工具，包括perf、eBPF工具、perf-tools、bcc和bpftrace，以及如何使用它们来提升系统性能。

perf

运用场景：性能调优、系统分析、代码优化等。

常见命令：

perf record: 记录一段时间内发生的系统性能事件，如CPU周期、缓存命中/失效等。
perf report: 展示性能记录的结果，帮助分析程序的性能瓶颈。
perf top: 实时监控系统性能，动态显示最耗时的函数和指令。

具体案例：在Linux系统中，可以使用perf record命令对特定程序进行性能采样分析。例如，对于一个编译过的C++程序，可以使用以下命令进行采样：

perf record -F 99 -a -g -- sleep 10

这里，-F 99设置了采样频率为99Hz，-a表示对整个系统进行采样，-g启用调用图形记录，--后面跟随的是被采样的命令，这里是让系统休眠60秒。采样完成后，使用perf report命令生成性能报告，分析程序的热点函数和性能瓶颈。

eBPF工具

运用场景：系统跟踪、网络分析、安全监控等。

常见命令：

bpftrace: 使用BPF跟踪器执行跟踪脚本，如监控文件系统调用、网络包等。
bpftool: 是一个BPF程序和映射的管理工具，可以用来创建、查询和删除BPF程序。

具体案例：可以使用bpftrace脚本来跟踪所有的系统调用，并使用bpftool将结果导出到一个跟踪文件中。例如，以下是一个简单的bpftrace脚本，用于跟踪并打印所有的open系统调用：

bpftrace -e 'tracepoint:syscalls:sys_enter_open { printf("open: %s\n", str(args->filename)); }'

运行此脚本将打印出每个open调用尝试打开的文件名。通过分析这些数据，可以识别频繁发生的系统调用，进而优化系统性能。

perf-tools

工具安装

git clone --depth 1 https://github.com/brendangregg/perf-toolsOr use the raw links on github to download individual scripts. Eg:wget https://raw.githubusercontent.com/brendangregg/perf-tools/master/iosnoop

运用场景：系统性能分析、内核跟踪等。

常见命令：

iosnoop: 跟踪并报告磁盘I/O活动，帮助识别I/O密集型进程。
tcptracer: 跟踪TCP连接的建立、传输和终止过程。

具体案例：使用iosnoop监控磁盘I/O操作，可以通过以下命令启动：

先从github 同步脚本

https://github.com/brendangregg/perf-tools/blob/master/iosnoop

参数查看

./iosnoop -h
USAGE: iosnoop [-hQst] [-d device] [-i iotype] [-p PID] [-n name]
               [duration]
                 -d device       # device string (eg, "202,1)
                 -i iotype       # match type (eg, '*R*' for all reads)
                 -n name         # process name to match on I/O issue
                 -p PID          # PID to match on I/O issue
                 -Q              # use queue insert as start time
                 -s              # include start time of I/O (s)
                 -t              # include completion time of I/O (s)
                 -h              # this usage message
                 duration        # duration seconds, and use buffers
  eg,
       iosnoop                   # watch block I/O live (unbuffered)
       iosnoop 1                 # trace 1 sec (buffered)
       iosnoop -Q                # include queueing time in LATms
       iosnoop -ts               # include start and end timestamps
       iosnoop -i '*R*'          # trace reads
       iosnoop -p 91             # show I/O issued when PID 91 is on-CPU
       iosnoop -Qp 91            # show I/O queued by PID 91, queue time

案例

./iosnoop -ts
Tracing block I/O. Ctrl-C to end.
STARTs          ENDs            COMM         PID    TYPE DEV      BLOCK        BYTES     LATms
26269565.311980 26269565.312218 kworker/0:1H 90     WM   8,0      4722696      20480      0.24
26269565.312027 26269565.312242 kworker/0:1H 90     WM   8,0      4730760      4096       0.22
26269565.312031 26269565.312243 kworker/0:1H 90     WM   8,0      4730896      4096       0.21

bcc

工具仓库

https://github.com/iovisor/bcc#tools

在linux 系统的位置

cd /usr/share/bcc/tools

运用场景：内核跟踪、性能调优、网络分析等。

常见命令

biolatency: 监控块设备的I/O延迟，分析延迟的来源。
tcptop: 实时显示TCP连接的状态，包括传输速率和重传信息。

具体案例：通过biolatency分析块设备的I/O延迟，可以使用以下命令：

./biolatency
Tracing block device I/O... Hit Ctrl-C to end.
^C
     usecs               : count     distribution
         0 -> 1          : 0        |                                        |
         2 -> 3          : 0        |                                        |
         4 -> 7          : 0        |                                        |
         8 -> 15         : 5        |                                        |
        16 -> 31         : 76       |*****                                   |
        32 -> 63         : 280      |********************                    |
        64 -> 127        : 538      |****************************************|
       128 -> 255        : 204      |***************                         |
       256 -> 511        : 92       |******                                  |
       512 -> 1023       : 63       |****                                    |
      1024 -> 2047       : 22       |*                                       |
      2048 -> 4095       : 16       |*                                       |
      4096 -> 8191       : 98       |*******                                 |
      8192 -> 16383      : 200      |**************                          |
     16384 -> 32767      : 103      |*******                                 |
     32768 -> 65535      : 11       |                                        |
     65536 -> 131071     : 1        |                                        |
    131072 -> 262143     : 1        |                                        |

bpftrace

安装

https://github.com/bpftrace/bpftrace/blob/master/INSTALL.md

运用场景：内核跟踪、性能分析、安全监控等。

常见命令

trace: 执行BPF跟踪脚本，如监控内核函数的执行。
profile: 执行BPF性能分析脚本，统计函数的执行频率和耗时。

具体案例：编写一个bpftrace脚本，跟踪系统调用的执行情况，并统计每个调用的执行次数和耗时。例如，以下脚本统计了read和write系统调用的发生次数：

bpftrace -e 'tracepoint:syscalls:sys_enter_read,sys_enter_write { @[comm] = count(); }'

通过profile命令，可以生成一个性能报告，识别潜在的性能问题：

bpftrace -e 'profile:hz:99 { @[comm] = count(); }'

这将每99Hz采样一次，统计并输出每个进程的read和write调用次数。

火焰图（Flame Graphs）

文章链接

https://www.brendangregg.com/flamegraphs.html

运用场景：CPU分析、内存分析等。

常见命令：通过perf和其他性能分析工具生成火焰图，如使用perf script将perf record的输出转换为火焰图。

具体案例：使用perf record对程序进行采样，然后通过perf script和flamegraph工具生成CPU火焰图。例如，对一个C程序进行分析的命令如下：

git clone https://github.com/brendangregg/FlameGraph  # or download it from github
 cd FlameGraph
 perf record -F 99 -a -g -- sleep 60
 perf script | ./stackcollapse-perf.pl > out.perf-folded
 ./flamegraph.pl out.perf-folded > perf.svg

 使用chrome 打开

这里，-F 999设置了非常高的采样频率，-a表示对整个系统进行采样，./a.out是要分析的程序。perf script将采样数据转换为文本格式，然后使用flamegraph.pl脚本生成火焰图flamegraph.svg，可视化地显示应用程序中的CPU使用情况，快速定位热点函数。