可以用這個便捷腳本 xtime 來測量：
#!/bin/sh
/usr/bin/time -f '%Uu %Ss %er %MkB %C' "$@"在 Unix 命令行中像這樣使用 xtime goprogexec，這里的 progexec 是一個 Go 可執(zhí)行程序，這句命令行輸出類似：56.63u 0.26s 56.92r 1642640kB progexec，分別對應用戶時間，系統(tǒng)時間，實際時間和最大內存占用。
如果代碼使用了 Go 中 testing 包的基準測試功能，我們可以用 gotest 標準的 -cpuprofile 和 -memprofile 標志向指定文件寫入 CPU 或 內存使用情況報告。
使用方式：go test -x -v -cpuprofile=prof.out -file x_test.go
編譯執(zhí)行 x_test.go 中的測試，并向 prof.out 文件中寫入 cpu 性能分析信息。
你可以在單機程序 progexec 中引入 runtime/pprof 包；這個包以 pprof 可視化工具需要的格式寫入運行時報告數(shù)據(jù)。對于 CPU 性能分析來說你需要添加一些代碼：
var cpuprofile = flag.String("cpuprofile", "", "write cpu profile to file")
func main() {
flag.Parse()
if *cpuprofile != "" {
f, err := os.Create(*cpuprofile)
if err != nil {
log.Fatal(err)
}
pprof.StartCPUProfile(f)
defer pprof.StopCPUProfile()
}
...代碼定義了一個名為 cpuprofile 的 flag，調用 Go flag 庫來解析命令行 flag，如果命令行設置了 cpuprofile flag，則開始 CPU 性能分析并把結果重定向到那個文件。（os.Create 用拿到的名字創(chuàng)建了用來寫入分析數(shù)據(jù)的文件）。這個分析程序最后需要在程序退出之前調用 StopCPUProfile 來刷新掛起的寫操作到文件中；我們用 defer 來保證這一切會在 main 返回時觸發(fā)。
現(xiàn)在用這個 flag 運行程序：progexec -cpuprofile=progexec.prof
然后可以像這樣用 gopprof 工具：gopprof progexec progexec.prof
gopprof 程序是 Google pprofC++ 分析器的一個輕微變種；關于此工具更多的信息，參見https://github.com/gperftools/gperftools。
如果開啟了 CPU 性能分析，Go 程序會以大約每秒 100 次的頻率阻塞，并記錄當前執(zhí)行的 goroutine 棧上的程序計數(shù)器樣本。
此工具一些有趣的命令：
1）topN
用來展示分析結果中最開頭的 N 份樣本，例如：top5
它會展示在程序運行期間調用最頻繁的 5 個函數(shù)，輸出如下：
Total: 3099 samples
626 20.2% 20.2% 626 20.2% scanblock
309 10.0% 30.2% 2839 91.6% main.FindLoops
...第 5 列表示函數(shù)的調用頻度。
2）web 或 web 函數(shù)名
該命令生成一份 SVG 格式的分析數(shù)據(jù)圖表，并在網絡瀏覽器中打開它（還有一個 gv 命令可以生成 PostScript 格式的數(shù)據(jù)，并在 GhostView 中打開，這個命令需要安裝 graphviz）。函數(shù)被表示成不同的矩形（被調用越多，矩形越大），箭頭指示函數(shù)調用鏈。
3）list 函數(shù)名 或 weblist 函數(shù)名
展示對應函數(shù)名的代碼行列表，第 2 列表示當前行執(zhí)行消耗的時間，這樣就很好地指出了運行過程中消耗最大的代碼。
如果發(fā)現(xiàn)函數(shù) runtime.mallocgc（分配內存并執(zhí)行周期性的垃圾回收）調用頻繁，那么是應該進行內存分析的時候了。找出垃圾回收頻繁執(zhí)行的原因，和內存大量分配的根源。
為了做到這一點必須在合適的地方添加下面的代碼：
var memprofile = flag.String("memprofile", "", "write memory profile to this file")
...
CallToFunctionWhichAllocatesLotsOfMemory()
if *memprofile != "" {
f, err := os.Create(*memprofile)
if err != nil {
log.Fatal(err)
}
pprof.WriteHeapProfile(f)
f.Close()
return
}用 -memprofile flag 運行這個程序：progexec -memprofile=progexec.mprof
然后你可以像這樣再次使用 gopprof 工具：gopprof progexec progexec.mprof
top5，list 函數(shù)名 等命令同樣適用，只不過現(xiàn)在是以 Mb 為單位測量內存分配情況，這是 top 命令輸出的例子：
Total: 118.3 MB
66.1 55.8% 55.8% 103.7 87.7% main.FindLoops
30.5 25.8% 81.6% 30.5 25.8% main.*LSG·NewLoop
...從第 1 列可以看出，最上面的函數(shù)占用了最多的內存。
同樣有一個報告內存分配計數(shù)的有趣工具：
gopprof --inuse_objects progexec progexec.mprof對于 web 應用來說，有標準的 HTTP 接口可以分析數(shù)據(jù)。在 HTTP 服務中添加
import _ "http/pprof"會為 /debug/pprof/ 下的一些 URL 安裝處理器。然后你可以用一個唯一的參數(shù)——你服務中的分析數(shù)據(jù)的 URL 來執(zhí)行 gopprof 命令——它會下載并執(zhí)行在線分析。
gopprof http://localhost:6060/debug/pprof/profile # 30-second CPU profile
gopprof http://localhost:6060/debug/pprof/heap # heap profile在 Go-blog（引用 15）中有一篇很好的文章用具體的例子進行了分析：分析 Go 程序（2011年6月）。
掃碼關注鍍金池微信號
手機訂課，優(yōu)惠多多