CPU 分析器

GoLand 收集并可视化 CPU 分析、跟踪与堆分析数据。为了收集所有必要的数据，GoLand 使用了 pprof 包。 GoLand 包含四种分析器，您可以通过用户界面运行它们：CPU、内存、阻塞（争用）和互斥锁。

分析结果可帮助您定位性能问题，但代码优化需手动实现。如需了解详情，请参阅 go.dev 上的分析以及 pkg.go.dev 上的 pprof 软件包说明。

分析完成后，分析器会在报告中可视化结果。

在开始之前

在运行分析之前，请确保：

Go 已安装，您可通过 GOROOT 文章安装、升级或配置 Go。欲了解更多信息，请参阅 GOROOT。
GoLand 已在您的计算机上安装。
您要分析的 Go 项目已在 IDE 中打开。

本主题中的所有示例均可在 GitHub 上的示例项目中找到。

CPU 分析

CPU 分析器会测量每个函数在程序执行期间消耗的 CPU 时间。

示例程序

以下程序使用低效的冒泡排序算法对随机整数切片进行排序：

package main

import (
	"fmt"
	"math/rand"
	"time"
)

func BubbleSort(nums []int) {
	for i := 0; i < len(nums); i++ {
		for j := 0; j < len(nums)-i-1; j++ {
			if nums[j] > nums[j+1] {
				nums[j], nums[j+1] = nums[j+1], nums[j]
			}
		}
	}
}

func main() {
	r := rand.New(rand.NewSource(time.Now().UnixNano()))
	nums := r.Perm(60000)
	BubbleSort(nums)
	fmt.Println("Sorted 60,000 numbers")
}
            
   

您可以通过使用 go run main.go ，并在装订区域菜单中选择运行选项来运行此程序。

创建用于分析的测试

创建一个运行排序函数的单元测试：

package main

import (
	"math/rand"
	"testing"
)

func TestBubbleSort(t *testing.T) {
	nums := rand.Perm(60000)
	BubbleSort(nums)
}
            
   

运行 CPU 分析

打开 _test.go 文件。
点击测试函数旁边装订区域菜单中的运行选项。
请选择使用 CPU 分析器进行分析。

分析 CPU 分析结果

GoLand 在三个视图中呈现 CPU 分析数据：

火焰图 ：可视化 CPU 时间如何分布在各个函数上。
火焰图选项卡显示函数调用以及每次调用所占的时间百分比。每个块表示堆栈中的一个函数（一个堆栈框架）。 Y 轴显示调用堆栈深度（自底向上），而 X 轴表示按 CPU 使用量排序的函数，从资源消耗最多到最少的顺序排列。
在阅读火焰图时，请关注最宽的块——它们表示的是最耗费 CPU 时间的函数。将鼠标悬停在任意块上以查看详细信息。
调用树 ：显示函数之间的调用关系以及每次调用所花费的时间。
调用树选项卡提供在分析过程中采样到的程序调用堆栈的详细信息，其中包括：其中包括：
- 方法名称
- 总采样时间的百分比（可以切换为显示父调用时间）
- 总采样计数
- 过滤调用的数量
方法列表 ：以表格形式查看所有函数的累计执行时间和 CPU 总使用百分比。
方法列表选项卡列出分析数据中发现的所有方法，并按累计采样时间排序。每个方法项包括回溯树和合并被调用者树。每个方法项包括一个回溯树和一个合并被调用者树。
反向跟踪选项卡显示调用者的层次结构，展示哪些方法调用了所选方法。合并被调用者视图汇总了由所选函数调用的所有方法。
合并的被调用者选项卡显示从所选方法开始的调用轨迹。被调用方列表是汇总调用层次结构中所有方法的方法列表。

在此示例中，大部分时间都花在了 BubbleSort 的嵌套循环中，这表明存在一个 O(n²) 瓶颈。

优化并比较结果

为提升性能，请将冒泡排序替换为快速排序，后者效率更高，平均时间复杂度为 O(n log n)。在测试中，请将随机整数的数量增加到 1,000 万，以确保排序过程耗时可测量——否则，算法几乎会立即完成（大约 0.01 秒）。

func QuickSort(nums []int) {
	if len(nums) < 2 {
		return
	}
	quickSortHelper(nums, 0, len(nums)-1)
}

func quickSortHelper(nums []int, low, high int) {
	if low < high {
		pivotIndex := partition(nums, low, high)
		quickSortHelper(nums, low, pivotIndex-1)
		quickSortHelper(nums, pivotIndex+1, high)
	}
}

func partition(nums []int, low, high int) int {
	pivot := nums[high]
	i := low - 1

	for j := low; j < high; j++ {
		if nums[j] <= pivot {
			i++
			nums[i], nums[j] = nums[j], nums[i]
		}
	}

	nums[i+1], nums[high] = nums[high], nums[i+1]
	return i + 1
}
            
   

当您重新运行 CPU 分析器时，程序将大幅加快完成速度，并显著减少 CPU 时间的消耗——这清晰表明性能有所提升。

为优化后的代码进行基准测试

为确认性能提升，请对两个实现进行基准测试：

func BenchmarkBubbleSort(b *testing.B) {
	for i := 0; i < b.N; i++ {
		nums := rand.Perm(1000)
		BubbleSort(nums)
	}
}

func BenchmarkQuicksort(b *testing.B) {
	for i := 0; i < b.N; i++ {
		nums := rand.Perm(1000)
		QuickSort(nums)
	}
}
            
   

基准测试结果表明，相较于 BubbleSort()， Quicksort() 的完成耗时大大缩短。

最后修改日期： 2025年 12月 5日