Databend 整合了一些性能剖析工具，可以方便进行深入分析。本文将会介绍如何进行 CPU / Memory Profiling。CPU Profiling
CPU Profiling
CPU 分析，按照一定的频率采集所监听的应用程序 CPU（含寄存器）的使用情况，可确定应用程序在主动消耗 CPU 周期时花费时间的位置。
pprof 是 Google 开源的代码性能分析工具，可以直接生成代码分析报告，不仅支持通过命令式交互查看，也便于可视化展示。Databend 使用 pprof-rs1 完成对 pprof 工具的支持。
必备工作
CPU 分析属于 Databend 的内置能力，部署一个 Databend 实例即可开始使用。
命令行交互
go tool pprof http://localhost:<your-databend-port>/debug/pprof/profile?seconds=<your-profile-second>若 http 端口为 8080 ，采样时间为 20 秒，结果示例如下：
$ go tool pprof http://localhost:8080/debug/pprof/profile?seconds=20
Fetching profile over HTTP from http://localhost:8080/debug/pprof/profile?seconds=20
Saved profile in ~/pprof/pprof.samples.cpu.001.pb.gz
Type: cpu
Time: Jul 15, 2022 at 9:45am (CST)
Duration: 20s, Total samples = 141.41ms ( 0.71%)
Entering interactive mode (type "help" for commands, "o" for options)
(pprof) top
Showing nodes accounting for 141.41ms, 100% of 141.41ms total
Showing top 10 nodes out of 218
flat flat% sum% cum cum%
141.41ms 100% 100% 141.41ms 100% backtrace::backtrace::libunwind::trace
0 0% 100% 10.10ms 7.14% <&mut regex_syntax::utf8::Utf8Sequences as core::iter::traits::iterator::Iterator>::next
0 0% 100% 10.10ms 7.14% <<std::thread::Builder>::spawn_unchecked_<sled::threadpool::queue::spawn_to<sled::pagecache::iterator::scan_segment_headers_and_tail::{closure#0}::{closure#0}, core::option::Option<(u64, sled::pagecache::logger::SegmentHeader)>>::{closure#0}::{closure#0}, ()>::{closure#1} as core::ops::function::FnOnce<()>>::call_once::{shim:vtable#0}
0 0% 100% 10.10ms 7.14% <<std::thread::Builder>::spawn_unchecked_<sled::threadpool::queue::spawn_to<sled::pagecache::iterator::scan_segment_headers_and_tail::{closure#0}::{closure#0}, core::option::Option<(u64, sled::pagecache::logger::SegmentHeader)>>::{closure#0}::{closure#1}, ()>::{closure#1} as core::ops::function::FnOnce<()>>::call_once::{shim:vtable#0}
0 0% 100% 10.10ms 7.14% <<std::thread::Builder>::spawn_unchecked_<sled::threadpool::queue::spawn_to<sled::pagecache::iterator::scan_segment_headers_and_tail::{closure#0}::{closure#0}, core::option::Option<(u64, sled::pagecache::logger::SegmentHeader)>>::{closure#0}::{closure#2}, ()>::{closure#1} as core::ops::function::FnOnce<()>>::call_once::{shim:vtable#0}
0 0% 100% 10.10ms 7.14% <<std::thread::Builder>::spawn_unchecked_<sled::threadpool::queue::spawn_to<sled::pagecache::iterator::scan_segment_headers_and_tail::{closure#0}::{closure#0}, core::option::Option<(u64, sled::pagecache::logger::SegmentHeader)>>::{closure#0}::{closure#3}, ()>::{closure#1} as core::ops::function::FnOnce<()>>::call_once::{shim:vtable#0}
0 0% 100% 10.10ms 7.14% <[&str]>::iter
0 0% 100% 10.10ms 7.14% <[(char, &[char])]>::binary_search_by::<<[(char, &[char])]>::binary_search_by_key<char, regex_syntax::unicode::simple_fold::imp::{closure#0}>::{closure#0}>
0 0% 100% 10.10ms 7.14% <[(char, &[char])]>::binary_search_by_key::<char, regex_syntax::unicode::simple_fold::imp::{closure#0}>
0 0% 100% 10.10ms 7.14% <[(char, &[char])]>::binary_search_by_key::<char, regex_syntax::unicode::simple_fold::imp::{closure#0}>::{closure#0}可视化
执行下述命令可以进行可视化：
go tool pprof -http=0.0.0.0:<your-profile-port> <your profile data>例如，执行下述语句可以在 8088 端口开启 WEB UI 。
go tool pprof -http=0.0.0.0:8088 ~/pprof/pprof.samples.cpu.001.pb.gz 访问 http://0.0.0.0:8088/ui/flameg... 即可得到火焰图。
注意事项
Databend 暂时不支持在 musl 平台上运行 pprof 。
Memory Profiling
内存分析，在应用程序进行堆分配时记录堆栈追踪，用于监视当前和历史内存使用情况，以及检查内存泄漏。通过与 jemalloc 的集成，Databend 得以整合多种内存分析能力。这里使用 jeprof 进行内存分析。
必备工作
- 安装 Jemalloc，并启用其剖析能力 ./configure --enable-prof
- 在构建二进制文件时启用 memory-profiling 特性：cargo build --features memory-profiling
在创建 Databend 实例时，设置环境变量 MALLOC_CONF=prof:true 以启用内存分析。示例：
MALLOC_CONF=prof:true ./target/debug/databend-query
堆快照转储
jeprof <your-profile-target> http://localhost:<your-databend-port>/debug/mem下面的例子选用 debug 模式下编译的 databend-query 作为 target，端口为 8080，结果如下所示：
$ jeprof ./target/debug/databend-query http://localhost:8080/debug/mem
Using local file ./target/debug/databend-query.
Gathering CPU profile from http://localhost:8080/debug/mem/pprof/profile?seconds=30 for 30 seconds to
~/jeprof/databend-query.1658367127.localhost
Be patient...
Wrote profile to ~/jeprof/databend-query.1658367127.localhost
Welcome to jeprof! For help, type 'help'.
(jeprof) top
Total: 11.1 MB
6.0 54.6% 54.6% 6.0 54.6% ::alloc_zeroed
5.0 45.4% 100.0% 5.0 45.4% ::alloc
0.0 0.0% 100.0% 0.5 4.5% ::add_node::{closure#0}
0.0 0.0% 100.0% 5.0 45.4% ::alloc_impl
0.0 0.0% 100.0% 5.0 45.4% ::allocate
0.0 0.0% 100.0% 4.5 40.8% ::allocate_in
0.0 0.0% 100.0% 0.5 4.5% ::apply_batch_inner
0.0 0.0% 100.0% 11.1 100.0% ::block_on::
0.0 0.0% 100.0% 11.1 100.0% ::block_on::::{closure#0}
0.0 0.0% 100.0% 0.5 4.5% ::clone
(jeprof) 生成内存分配调用图
常见的用例之一是查找内存泄漏，通过比较间隔前后的内存画像即可完成这一工作。在下面的命令行中，以 10 s 为间隔，获取前后两个时间节点的内存画像。
curl 'http://localhost:<your-databend-port>/debug/mem/pprof/profile?seconds=0' > a.prof
sleep 10
curl 'http://localhost:<your-databend-port>/debug/mem/pprof/profile?seconds=0' > b.prof接着，可以利用这两份内存画像来生成 pdf 格式的内存分配调用图。
jeprof \
--show_bytes \
--nodecount=1024 \
--nodefraction=0.001 \
--edgefraction=0.001 \
--maxdegree=64 \
--pdf \
<your-profile-target> \
--base=a.prof \
b.prof \
> mem.pdf同样选用 debug 模式下编译的 databend-query 作为 target，端口为 8080，结果如图所示：
注意事项
目前无法在 Mac 上进行内存分析，不管是 x86_64 还是 aarch64 平台。
关于 Databend
Databend 是一款开源、弹性、低成本，基于对象存储也可以做实时分析的新式数仓。期待您的关注，一起探索云原生数仓解决方案，打造新一代开源 Data Cloud。
- Databend 文档：https://databend.rs/
- Twitter：https://twitter.com/Datafuse_...
- Slack：https://datafusecloud.slack.com/
- Wechat：Databend
- GitHub ：https://github.com/datafusela...
文章首发于公众号：Databend
**粗体** _斜体_ [链接](http://example.com) `代码` - 列表 > 引用。你还可以使用@来通知其他用户。