首页
/ PerfMark 使用教程

PerfMark 使用教程

2024-09-15 18:47:28作者:薛曦旖Francesca

1. 项目介绍

PerfMark 是一个低开销、手动插桩的 Java 跟踪库。用户可以在代码中添加跟踪函数调用,以查看每个部分花费的时间。PerfMark 的主要特点包括:

  • 非常低的开销:启用时,跟踪函数调用大约增加 70ns。跟踪在无锁、无等待的线程本地缓冲区中完成,避免干扰对延迟敏感的代码。
  • 动态启用:PerfMark 可以在运行时启用或禁用。禁用时,PerfMark 没有开销,利用 JIT 编译器移除跟踪。
  • 线程间通信:现有的分析器难以表达哪个线程唤醒并执行另一个线程上的工作。PerfMark 允许用户明确表达这种关系,从而清晰地了解代码流程。
  • 小库大小:PerfMark 跟踪 API 只有 7 KB 大小,依赖性最小,易于包含在其他项目中。
  • Chrome 跟踪查看器集成:PerfMark 可以导出到 Chrome 跟踪事件格式,便于在 Web 浏览器中查看。

2. 项目快速启动

2.1 添加依赖

build.gradle 文件中添加以下依赖:

dependencies {
    implementation 'io.perfmark:perfmark-api:0.27.0'
    // 仅适用于应用程序,不适用于库
    implementation 'io.perfmark:perfmark-traceviewer:0.27.0'
}

或者在 pom.xml 文件中添加以下依赖:

<dependency>
    <groupId>io.perfmark</groupId>
    <artifactId>perfmark-api</artifactId>
    <version>0.27.0</version>
</dependency>

2.2 在代码中添加跟踪调用

在代码中添加 PerfMark 跟踪调用,例如:

Map<String, Header> parseHeaders(List<String> rawHeaders) {
    try (TaskCloseable task = PerfMark.traceTask("Parse HTTP headers")) {
        Map<String, String> headers = new HashMap<>();
        for (String rawHeader : rawHeaders) {
            Header header = parseHeader(rawHeader);
            headers.put(header.name(), header);
        }
        return headers;
    }
}

2.3 记录异步工作

PerfMark 还可以用于记录异步工作:

Future<Response> buildResponse() {
    try (TaskCloseable task = PerfMark.traceTask("Build Response")) {
        Link link = PerfMark.linkOut();
        return executor.submit(() -> {
            try (TaskCloseable task2 = PerfMark.traceTask("Async Response")) {
                PerfMark.linkIn(link);
                return new Response(/* ... */);
            }
        });
    }
}

2.4 查看跟踪结果

在浏览器中查看跟踪结果,生成 HTML:

PerfMark.setEnabled(true);
PerfMark.event("My Task");
TraceEventViewer.writeTraceHtml();

3. 应用案例和最佳实践

3.1 gRPC 中的应用

PerfMark 最初是为 gRPC 设计的,用于跟踪 gRPC 调用的各个部分,帮助开发者了解每个部分的性能瓶颈。

3.2 Zuul 中的应用

PerfMark 也被用于 Zuul,帮助开发者跟踪网关的各个处理阶段,优化网关性能。

3.3 最佳实践

  • 动态启用:在生产环境中,建议动态启用 PerfMark,以避免不必要的开销。
  • 线程间通信:使用 PerfMark 的线程间通信功能,清晰地表达线程之间的依赖关系。
  • Chrome 跟踪查看器:利用 Chrome 跟踪查看器,直观地查看跟踪结果,分析性能瓶颈。

4. 典型生态项目

4.1 gRPC

gRPC 是一个高性能、通用的开源 RPC 框架,PerfMark 被广泛用于 gRPC 的性能分析。

4.2 Zuul

Zuul 是一个基于 JVM 的路由和服务器端负载均衡器,PerfMark 帮助 Zuul 开发者优化网关性能。

4.3 Java 生态

PerfMark 支持 Java 6 及以上版本,适用于各种 Java 项目,帮助开发者进行性能分析和优化。


通过本教程,您应该能够快速上手 PerfMark,并在实际项目中应用它进行性能分析和优化。

登录后查看全文
热门项目推荐

项目优选

收起
docsdocs
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
143
1.91 K
kernelkernel
deepin linux kernel
C
22
6
nop-entropynop-entropy
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
8
0
ohos_react_nativeohos_react_native
React Native鸿蒙化仓库
C++
192
273
RuoYi-Vue3RuoYi-Vue3
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
927
551
openHiTLSopenHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!
C
421
392
openGauss-serveropenGauss-server
openGauss kernel ~ openGauss is an open source relational database management system
C++
145
189
金融AI编程实战金融AI编程实战
为非计算机科班出身 (例如财经类高校金融学院) 同学量身定制,新手友好,让学生以亲身实践开源开发的方式,学会使用计算机自动化自己的科研/创新工作。案例以量化投资为主线,涉及 Bash、Python、SQL、BI、AI 等全技术栈,培养面向未来的数智化人才 (如数据工程师、数据分析师、数据科学家、数据决策者、量化投资人)。
Jupyter Notebook
75
64
Cangjie-ExamplesCangjie-Examples
本仓将收集和展示高质量的仓颉示例代码,欢迎大家投稿,让全世界看到您的妙趣设计,也让更多人通过您的编码理解和喜爱仓颉语言。
Cangjie
344
1.3 K
easy-eseasy-es
Elasticsearch 国内Top1 elasticsearch搜索引擎框架es ORM框架,索引全自动智能托管,如丝般顺滑,与Mybatis-plus一致的API,屏蔽语言差异,开发者只需要会MySQL语法即可完成对Es的相关操作,零额外学习成本.底层采用RestHighLevelClient,兼具低码,易用,易拓展等特性,支持es独有的高亮,权重,分词,Geo,嵌套,父子类型等功能...
Java
36
8