Speedscope 中使用 async-profiler 进行 Java 程序性能分析
2025-06-05 17:15:20作者:丁柯新Fawn
简介
async-profiler 是一个低开销的 Java 采样分析器,它能够在不显著影响应用程序性能的情况下收集调用栈信息。结合 Speedscope 可视化工具,开发者可以直观地分析 Java 应用程序的性能瓶颈。
准备工作
在使用 async-profiler 进行性能分析前,需要确保:
- 已安装 Java 开发环境
- 下载并配置好 async-profiler
- 目标 Java 应用程序正在运行
分析步骤
启动性能分析
要开始分析目标 Java 应用程序(例如 Ghidra),执行以下命令:
./asprof start Ghidra
这个命令会启动对指定 Java 进程的性能采样。async-profiler 默认会以低开销的方式收集调用栈样本,不会对应用程序性能造成显著影响。
停止分析并生成报告
当需要结束分析时,执行以下命令:
./asprof stop -o collapsed -f /tmp/prof.collapsed Ghidra
这个命令会:
- 停止性能采样
- 以折叠格式(collapsed)输出分析结果
- 将结果保存到指定文件路径(本例中为 /tmp/prof.collapsed)
可视化分析结果
生成的折叠格式报告可以直接在 Speedscope 中打开和查看。Speedscope 提供了多种视图模式,包括:
- 时间顺序视图:展示性能数据随时间的变化
- 火焰图视图:直观显示调用栈和耗时比例
- 自顶向下/自底向上视图:从不同角度分析调用关系
分析技巧
-
采样时间:为了获得有代表性的性能数据,建议采样时间不少于30秒,对于复杂应用可能需要更长时间。
-
关注热点:在 Speedscope 中重点关注占用CPU时间最多的调用路径,这些通常是性能优化的首要目标。
-
多次采样:对于间歇性性能问题,可以多次采样并比较不同时间段的性能特征。
-
线程分析:async-profiler 可以区分不同线程的调用栈,在 Speedscope 中可以单独查看特定线程的性能表现。
注意事项
-
生产环境使用时,建议在非高峰时段进行性能分析,以最小化对用户体验的影响。
-
对于容器化部署的Java应用,需要确保async-profiler在容器内有足够的权限运行。
-
分析结果可能受到JIT编译的影响,对于长期运行的服务,建议在应用达到稳定状态后再开始采样。
通过这套工具组合,Java开发者可以快速定位性能瓶颈,为优化工作提供数据支持。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0220- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
AntSK基于.Net9 + AntBlazor + SemanticKernel 和KernelMemory 打造的AI知识库/智能体,支持本地离线AI大模型。可以不联网离线运行。支持aspire观测应用数据CSS01
项目优选
收起
deepin linux kernel
C
27
13
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
626
4.12 K
🎉 (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
1.49 K
845
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
930
802
暂无简介
Dart
872
207
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
1.06 K
547
Ascend Extension for PyTorch
Python
464
554
全称:Open Base Operator for Ascend Toolkit,哈尔滨工业大学AISS团队基于Ascend C打造的高性能昇腾算子库。
C++
45
47
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.25 K
100
昇腾LLM分布式训练框架
Python
137
160