跳至主要内容
本页面使用机器翻译自英语，可能包含错误或不清楚的语言。如需最准确的信息，请参阅英文原文。由于更新频繁，部分内容可能与英文原文有出入。请加入我们在 Crowdin 上的努力，帮助我们改进本页面的翻译。 (Crowdin translation page, Contributing guide)

轮廓节点数据

剖析是了解和优化 Kaia 节点性能的重要工具。 本教程将指导您利用 Kaia 的调试 API 和 net/http/pprof Go 软件包，学习 Kaia 节点操作员可用的各种剖析技术。

前提条件​

在开始之前，请确保

  • 节点设置： 您的 Kaia 节点已正确安装并运行。

  • 访问节点控制台： 您需要通过 节点控制台 与节点交互。

  • 工具： 在系统中安装 Go，以便使用 go tool pprof 和 go tool trace。 您可以通过运行


go version

1. 管理剖析：如何启动、停止和检查状态​

Kaia 节点提供了一个 "debug "API，可提供多种剖析方法。 您可以通过节点控制台或JSON-RPC API 调用 与这些方法交互。

1.1 启动 pprof HTTP 服务器​

pprof HTTP 服务器可让您高效地收集和分析剖析数据。


# Start pprof server with default settings (localhost:6060)
> debug.startPProf()
# Start pprof server on a specific address and port
> debug.startPProf("localhost", 8080)

访问 pprof 端点​

pprof 服务器运行后，可通过以下网址访问剖析数据：

1.2 停止 pprof HTTP 服务器​


> debug.stopPProf()

1.3 检查 pprof 是否正在运行​


> debug.isPProfRunning()
true # if running
false # if not running

2. 收集简介​

pprof 服务器运行后，您可以使用多种方法收集各种配置文件，以分析节点的性能。

2.1 使用网络界面收集​

如以下示例所示，在网络浏览器中输入相应的端点来收集不同的配置文件：

收集堆配置文件

http://localhost:6060/debug/pprof/heap

收集 30 秒 CPU 配置文件

http://localhost:6060/debug/pprof/profile?seconds=30

用调试=2收集程序配置文件

http://localhost:6060/debug/pprof/goroutine?debug=2

2.2 使用 API 调用进行收集​

在节点控制台中键入相应命令，以收集或配置配置文件，如以下示例所示：


# Collect 30-second CPU profile
> debug.cpuProfile("cpu.profile", 30)
# Collect 30-second block profile
> debug.blockProfile("block.profile", 30)
# Set mutex profiling fraction
> debug.setMutexProfileFraction(1)

2.3 使用 go tool pprof 进行收集​

如果无法访问 pprof 网络界面，可以使用 go tool pprof 在本地生成和分析剖析结果。

识别可用的轮廓类型​

支持的配置文件包括

  • allocs：过去所有内存分配的抽样。
  • block ：导致同步原语阻塞的堆栈跟踪。
  • goroutine：当前所有 goroutine 的堆栈跟踪。 使用 debug=2 作为查询参数，以与未恢复的恐慌相同的格式导出。
  • heap: 堆实时对象的内存分配采样。 您可以指定 gc GET 参数，以便在提取堆样本之前运行垃圾回收。
  • mutex：争用代理持有者的堆栈跟踪。
  • profile：CPU 配置文件。 您可以在 seconds GET 参数中指定持续时间。 获取配置文件后，使用 go tool pprof 命令来研究配置文件。
  • threadcreate: 线程创建导致创建新操作系统线程的堆栈跟踪。
  • trace: 跟踪当前程序的执行轨迹。 您可以在 seconds GET 参数中指定持续时间。 获取跟踪文件后，使用 go tool trace 命令调查跟踪。

使用 go tool pprof 收集配置文件​


go tool pprof http://localhost:6060/debug/pprof/<profiletype>

将 <profiletype> 替换为上述受支持的配置文件之一（如 heap, profile）。

命令示例​


# Collect heap profile
go tool pprof http://localhost:6060/debug/pprof/heap
# Collect 30-second CPU profile
go tool pprof http://localhost:6060/debug/pprof/profile?seconds=30
# Collect goroutine profile with debug=2
go tool pprof http://localhost:6060/debug/pprof/goroutine?debug=2

生成文本剖析文件​

要生成基于文本的剖析报告，请在使用 go tool pprof 时使用 -text 选项。


# Generate text-based CPU profile
go tool pprof -text cpu.profile

pprof 额外选项​

在收集剖面图时，还可使用其他查询参数和选项进一步定制剖面图。

  • 响应格式（debug=N）：

    • 二进制格式（默认）： N = 0.
    • 纯文本格式： N > 0．

    示例：


go tool pprof http://localhost:6060/debug/pprof/allocs?debug=1

  • 垃圾回收（gc=N）：

    • 在剖析之前运行 GC： 设置 gc=1 可在捕获堆剖析之前触发一个垃圾回收周期。

    示例：


go tool pprof http://localhost:6060/debug/pprof/heap?gc=1

  • 持续时间参数（秒=N）：

    • 分配、块、Goroutine、堆、互斥、线程创建配置文件：

      • seconds=N 根据给定的持续时间返回 delta 曲线。

    • CPU 配置文件和跟踪配置文件：

      • seconds=N 指定 CPU 配置文件或跟踪运行的持续时间。

    示例：


go tool pprof http://localhost:6060/debug/pprof/profile?seconds=30

2.4 不安装围棋的收集​

如果您的程序尚未安装 Go（可通过运行 go version 进行检查），请按照以下步骤下载并在本地保存剖析数据：

  1. 使用 wget 下载配置文件。

wget -O memory_profile http://localhost:6060/debug/pprof/heap

  1. 使用 scp 将配置文件文件传输到本地计算机。

scp <user>@<node_ip>:memory_profile memory_profile

注意：将 <user> 替换为 SSH 用户名，将 <node_ip> 替换为 Kaia 节点的 IP 地址。

3. 内存剖析​

如前所述，内存剖析指的是 go pprof 提供的堆信息。 也可以通过 Kaia 节点提供的调试命名空间中的 writeMemProfile 来收集。


# Using go tool pprof
> go tool pprof http://localhost:6060/debug/pprof/heap
# Using Node Console
> debug.writeMemProfile("mem.profile")

内存剖析对于分析内存泄漏等内存相关问题至关重要。 要控制内存剖析的粒度，调整 MemProfileRate 变量在此过程中会有所帮助。 应在节点执行过程中尽早设置（例如，在 main 函数开始时）。

备注

Kaia 提供的 --memprofilerate 标志可以轻松设置 MemProfileRate 变量。 因此，由于它只能作为标志使用，因此必须在启动节点时设置，并且不能通过 API 调用进行更改。


var MemProfileRate int = 512 * 1024

  • 设置 MemProfileRate:
    • 配置文件最大分配： 设置为 1。
    • 禁用剖析： 设置为 "0"。
    • 默认设置： 512 * 1024（大约每 512KB 分配一个配置文件）。

影响：

  • 更高的剖析率（更低的 MemProfileRate）： 增加了粒度，但可能会带来性能开销。
  • 降低剖析率（提高 MemProfileRate）： 减少剖析细节，将性能影响降至最低。

最佳做法：

  • 一致性： 确保 MemProfileRate在整个节点运行期间保持不变，以维护准确的剖析数据。
  • 早期配置： 在程序开始时设置 MemProfileRate 以获取一致的剖析信息

4. 分析剖面图​

收集剖析数据后，使用 go tool pprof 对保存的剖析文件进行分析和可视化。

4.1 使用网络界面进行分析​

例如，你可以使用 Go 的 pprof 工具直观地分析内存配置文件数据，该工具可通过网络界面直观地显示内存使用情况，如下图所示：


go tool pprof -http=0.0.0.0:8081 cpu.profile

4.2 使用命令行进行分析​

您还可以使用 Go 的 pprof 工具，在终端的文本界面中分析内存配置文件数据：


go tool pprof cpu.profile

  • 常见的 pprof 命令：

    • top：显示消耗资源最多的功能。
    • list <function_name>: 显示特定函数的注释源代码。
    • web：在网络浏览器中生成配置文件的可视化界面。
    • pdf：生成 PDF 档案报告。

  • 使用示例：


go tool pprof cpu.profile
# Inside the pprof interactive shell:
> top
> list main.functionName
> web

备注

确保为 web 和 pdf 命令安装了 Graphviz，以生成可视化图表。

5. 结论​

通过本剖析教程，Kaia 节点操作员可以有效地识别和解决性能瓶颈，优化资源使用，确保节点平稳高效地运行。 定期剖析，再加上强大的监控和日志记录实践，将大大有助于维护区块链网络中 Kaia 节点的可靠性和性能。

让这个页面变得更好