如果你經(jīng)常遇到 Java 線上性能問題束手無策，看著線上服務(wù) CPU 飆升一籌莫展，發(fā)現(xiàn)內(nèi)存不斷泄露滿臉茫然。別慌，這里有一款低開銷、自帶火焰圖、讓你大呼好用的 Java 性能分析工具 -?async-profiler。

最近 Arthas 性能分析工具上線了火焰圖分析功能，Arthas 使用?async-profiler?生成 CPU/內(nèi)存火焰圖進(jìn)行性能分析，彌補(bǔ)了之前內(nèi)存分析的不足。在 Arthas 上使用還是比較方便的，使用方式可以看官方文檔。這篇文章介紹?async-profiler?相關(guān)內(nèi)容。

Arthas 火焰圖官方文檔：https://alibaba.github.io/arthas/profiler.html

async-profiler 介紹

async-profiler 是一款開源的 Java?性能分析工具，原理是基于 HotSpot 的 API，以微乎其微的性能開銷收集程序運(yùn)行中的堆棧信息、內(nèi)存分配等信息進(jìn)行分析。

使用 async-profiler 可以做下面幾個(gè)方面的分析。

• CPU cycles

• Hardware and Software performance counters like cache misses, branch misses, page faults, context switches etc.

• Allocations in Java Heap

• Contented lock attempts, including both Java object monitors and ReentrantLocks

我們常用的是 CPU 性能分析和 Heap 內(nèi)存分配分析。在進(jìn)行 CPU 性能分析時(shí)，僅需要非常低的性能開銷就可以進(jìn)行分析，這也是這個(gè)工具的優(yōu)點(diǎn)之一。

在進(jìn)行 Heap 分配分析時(shí)，async-profiler 工具會(huì)收集內(nèi)存分配信息，而不是去檢測占用 CPU 的代碼。async-profiler 不使用侵入性的技術(shù)，例如字節(jié)碼檢測工具或者探針檢測等，這也說明 async-profiler 的內(nèi)存分配分析像 CPU 性能分析一樣，不會(huì)產(chǎn)生太大的性能開銷，同時(shí)也不用寫出龐大的堆棧文件再去進(jìn)行進(jìn)一步處理，。

async-profile 目前支持 Linux 和 macOS 平臺(tái)（macOS 下只能分析用戶空間的代碼）。

• Linux?/ x64 / x86 / ARM / AArch64

• macOS?/ x64

async-profiler 工具在采樣后可以生成采樣結(jié)果的日志報(bào)告，也可以生成 SVG 格式的火焰圖，在之前生成火焰圖要使用 FlameGraph 工具。現(xiàn)在已經(jīng)不需要了，從 1.2 版本開始，就已經(jīng)內(nèi)置了開箱即用的 SVG 文件生成功能。

其他信息可以看官方文檔：https://github.com/jvm-profiling-tools/async-profiler

async-profiler 安裝

下載 async-profiler 工具可以在官方的 Github 上直接下載編譯好的文件，如果你就是想體驗(yàn)手動(dòng)擋的感覺，也可以克隆項(xiàng)目，手動(dòng)編譯一下，不得不說這個(gè)工具十分的易用，我在手動(dòng)編譯的過程十分順滑，沒有出現(xiàn)任何問題。

如果你想下載編譯好的，可以到這里下載。

https://github.com/jvm-profiling-tools/async-profiler/releases

如果想體驗(yàn)手動(dòng)擋的感覺，可以克隆整個(gè)項(xiàng)目，進(jìn)項(xiàng)項(xiàng)目編譯。

手動(dòng)編譯的環(huán)境要求。

• JDK

• GCC

下面是手動(dòng)安裝的操作命令。

git?clone?https://github.com/jvm-profiling-tools/async-profiler cd?async-profiler make

執(zhí)行 make 命令編譯后會(huì)在項(xiàng)目的目錄下生成一個(gè) build 文件夾，里面存放著編譯的結(jié)果。下面是我手動(dòng)編譯的過程輸出。

???develop?git?clone?https://github.com/jvm-profiling-tools/async-profiler Cloning?into?'async-profiler'... remote:?Enumerating?objects:?69,?done. remote:?Counting?objects:?100%?(69/69),?done. remote:?Compressing?objects:?100%?(54/54),?done. remote:?Total?1805?(delta?34),?reused?32?(delta?15),?pack-reused?1736 Receiving?objects:?100%?(1805/1805),?590.78?KiB?|?23.00?KiB/s,?done. Resolving?deltas:?100%?(1288/1288),?done. ???develop?cd?async-profiler ???async-profiler?git:(master)?make mkdir?-p?build g++?-O2?-D_XOPEN_SOURCE?-D_DARWIN_C_SOURCE?-DPROFILER_VERSION=\"1.6\"?-I/Library/Java/JavaVirtualMachines/jdk1.8.0_181.jdk/Contents/Home/include?-I/Library/Java/JavaVirtualMachines/jdk1.8.0_181.jdk/Contents/Home/include/darwin?-fPIC?-shared?-o?build/libasyncProfiler.so?src/*.cpp?-ldl?-lpthread gcc?-O2?-DJATTACH_VERSION=\"1.5\"?-o?build/jattach?src/jattach/jattach.c mkdir?-p?build/classes /Library/Java/JavaVirtualMachines/jdk1.8.0_181.jdk/Contents/Home/bin/javac?-source?6?-target?6?-d?build/classes?src/java/one/profiler/AsyncProfiler.java?src/java/one/profiler/AsyncProfilerMXBean.java?src/java/one/profiler/Counter.java?src/java/one/profiler/Events.java 警告:?[options]?未與?-source?1.6?一起設(shè)置引導(dǎo)類路徑 1?個(gè)警告 /Library/Java/JavaVirtualMachines/jdk1.8.0_181.jdk/Contents/Home/bin/jar?cvf?build/async-profiler.jar?-C?build/classes?. 已添加清單 正在添加:?one/(輸入?=?0)?(輸出?=?0)(存儲(chǔ)了?0%) 正在添加:?one/profiler/(輸入?=?0)?(輸出?=?0)(存儲(chǔ)了?0%) 正在添加:?one/profiler/AsyncProfiler.class(輸入?=?1885)?(輸出?=?908)(壓縮了?51%) 正在添加:?one/profiler/Events.class(輸入?=?405)?(輸出?=?286)(壓縮了?29%) 正在添加:?one/profiler/Counter.class(輸入?=?845)?(輸出?=?473)(壓縮了?44%) 正在添加:?one/profiler/AsyncProfilerMXBean.class(輸入?=?631)?(輸出?=?344)(壓縮了?45%) rm?-rf?build/classes ???async-profiler?git:(master)

async-profiler 使用

運(yùn)行項(xiàng)目里的 profiler.sh 可以看到 async-profiler 的使用幫助文檔。

???async-profiler?git:(master)?./profiler.sh Usage:?./profiler.sh?[action]?[options]?<pid> Actions:start?????????????start?profiling?and?return?immediatelyresume????????????resume?profiling?without?resetting?collected?datastop??????????????stop?profilingstatus????????????print?profiling?statuslist??????????????list?profiling?events?supported?by?the?target?JVMcollect???????????collect?profile?for?the?specified?period?of?timeand?then?stop?(default?action) Options:-e?event??????????profiling?event:?cpu|alloc|lock|cache-misses?etc.-d?duration???????run?profiling?for?<duration>?seconds-f?filename???????dump?output?to?<filename>-i?interval???????sampling?interval?in?nanoseconds-j?jstackdepth????maximum?Java?stack?depth-b?bufsize????????frame?buffer?size-t????????????????profile?different?threads?separately-s????????????????simple?class?names?instead?of?FQN-g????????????????print?method?signatures-a????????????????annotate?Java?method?names-o?fmt????????????output?format:?summary|traces|flat|collapsed|svg|tree|jfr-v,?--version?????display?version?string--title?string????SVG?title--width?px????????SVG?width--height?px???????SVG?frame?height--minwidth?px?????skip?frames?smaller?than?px--reverse?????????generate?stack-reversed?FlameGraph?/?Call?tree--all-kernel??????only?include?kernel-mode?events--all-user????????only?include?user-mode?events--sync-walk???????use?synchronous?JVMTI?stack?walker?(dangerous!)<pid>?is?a?numeric?process?ID?of?the?target?JVMor?'jps'?keyword?to?find?running?JVM?automaticallyExample:?./profiler.sh?-d?30?-f?profile.svg?3456./profiler.sh?start?-i?999000?jps./profiler.sh?stop?-o?summary,flat?jps

可以看到使用的方式是：Usage: ./profiler.sh [action] [options]?，也就是?命令+操作+參數(shù)+PID。

常用的使用的幾個(gè)步驟：

查看 java 進(jìn)程的 PID（可以使用 jps ）。

使用 ./profiler.sh start?

開始采樣。

使用 ./profiler.sh status?

查看已經(jīng)采樣的時(shí)間。

使用 ./profiler.sh stop?

停止采樣，輸出結(jié)果。

這種方式使用起來多費(fèi)勁啊，而且最后輸出的是文本結(jié)果，看起來更是費(fèi)勁，為了不那么費(fèi)勁，可以使用幫助里給的采樣后生成 SVG 文件例子。

./profiler.sh?-d?30?-f?profile.svg?3456

這個(gè)命令的意思是，對 PID 為 3456 的 java 進(jìn)程采樣 30 秒，然后生成 profile.svg 結(jié)果文件。

默認(rèn)情況下是分析 CPU 性能，如果要進(jìn)行其他分析，可以使用 -e 參數(shù)。

-e?event?????profiling?event:?cpu|alloc|lock|cache-misses?etc.

可以看到支持的分析事件有 CPU、Alloc、Lock、Cache-misses 。

async-profiler 案例

上面說完了 async-profiler 工具的作用和使用方式，既然能進(jìn)行 CPU 性能分析和 Heap 內(nèi)存分配分析，那么我們就寫幾個(gè)不一般的方法分析試試看。看看是不是有像上面介紹的那么好用。

Java 案例編碼

很簡單的幾個(gè)方法，hotmethod 方法寫了幾個(gè)常見操作，三個(gè)方法中很明顯 hotmethod3 方法里的生成 UUID 和 replace（需要正則匹配）操作消耗的 CPU 性能會(huì)較多。allocate 方法里因?yàn)橐粩嗟膭?chuàng)建長度為 6萬的數(shù)組，消耗的內(nèi)存空間一定是最多的。

import?java.util.ArrayList; import?java.util.Random; import?java.util.UUID;/***?<p>*?模擬熱點(diǎn)代碼**?@Author?niujinpeng*/ public?class?HotCode?{private?static?volatile?int?value;private?static?Object?array;public?static?void?main(String[]?args)?{while?(true)?{hotmethod1();hotmethod2();hotmethod3();allocate();}}/***?生成?6萬長度的數(shù)組*/private?static?void?allocate()?{array?=?new?int[6?*?1000];array?=?new?Integer[6?*?1000];}/***?生成一個(gè)UUID*/private?static?void?hotmethod3()?{ArrayList<String>?list?=?new?ArrayList<>();UUID?uuid?=?UUID.randomUUID();String?str?=?uuid.toString().replace("-",?"");list.add(str);}/***?數(shù)字累加*/private?static?void?hotmethod2()?{value++;}/***?生成一個(gè)隨機(jī)數(shù)*/private?static?void?hotmethod1()?{Random?random?=?new?Random();int?anInt?=?random.nextInt();} }

CPU 性能分析

運(yùn)行上面的程序，然后使用 JPS 命令查看 PID 信息。

???develop?jps 2800?Jps 2449?HotCode 2450?Launcher 805?RemoteMavenServer36 470?NutstoreGUI 699 ???develop

上面運(yùn)行的類名是 HotCode，可以看到對應(yīng)的 PID 是 2449。

使用?./profiler.sh -d 20 -f 2449.svg 2449?命令對 2449 號進(jìn)程采樣20秒，然后得到生成的 2449.svg 文件，然后我們使用瀏覽器打開這個(gè)文件，可以看到 CPU 的使用火焰圖。

CPU 使用火焰圖

關(guān)于火焰圖怎么看，一言以蔽之：火焰圖里，橫條越長，代表使用的越多，從下到上是調(diào)用堆棧信息。在這個(gè)圖里可以看到 main 方法上面的調(diào)用中 hotmethod3 方法的 CPU 使用是最多的，點(diǎn)擊這個(gè)方法。還可能看到更詳細(xì)的信息。

hotmethod3 CPU 火焰圖

可以看到 replace 方法占用的 CPU 最多，也是程序中性能問題所在，是需要注意的地方。

Heap 內(nèi)存分析

還是上面運(yùn)行的程序，進(jìn)程 PID 還是 2449，這次使用 -e 參數(shù)分析內(nèi)存使用情況。

命令：./profiler.sh -d 20 -e alloc -f 2449-alloc.svg 2449

命令的意思是收集進(jìn)程號是 2449 的進(jìn)程的內(nèi)存信息 20 秒，然后輸出為 2449-alloc.svg 文件。20秒后得到 svg 文件使用瀏覽器打開，可以看到內(nèi)存分配情況。

內(nèi)存分配火焰圖

依舊是橫條越長，代表使用的越多，從下到上是調(diào)用堆棧信息。從圖里可以看出來 main 方法調(diào)用的 allocate 方法使用的內(nèi)存最多，這個(gè)方法里的 Integer 類型數(shù)組占用的內(nèi)存又最多，為 71%。

有道無術(shù)，術(shù)可成；有術(shù)無道，止于術(shù)

歡迎大家關(guān)注Java之道公眾號

好文章，我在看??

總結(jié)

以上是生活随笔為你收集整理的超好用的自带火焰图的 Java 性能分析工具 Async-profiler 了解一下的全部內(nèi)容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網(wǎng)站內(nèi)容還不錯(cuò)，歡迎將生活随笔推薦給好友。