是谁在调用我?使用 arthas+jprofiler 做复杂链路分析
作者 | 羽涅 阿里巴巴 CCO 技术部技术专家,承担 CCO 技术部架构治理、基础技术能力建设方面工作,热衷开源技术,喜欢折腾电子产品。
【Arthas 官方社区正在举行征文活动,参加即有奖品拿~点击投稿】
背景
Arthas 是阿里巴巴开源的应用诊断利器,提供了 profiler 命令,可以生成热点火焰图。通过采样录制调用链路来做性能分析,极大提升了线上排查性能问题的效率。
但是有一个问题,当 async-profiler 全量采样导出的 svg 文件太大时,想要找到关键的调用点,就非常困难。
比如下图:
没有办法做聚合或过滤,这方面本地的 profiler 工具比如 jprofiler、yourkits 就方便很多,有没有办法将两者结合起来呢?
经过分析发现,async-profiler 支持 jfr (Java Flight Recorder) 格式输出,jprofiler 也支持打开 jfr 快照,成了!具体操作步骤如下:
1. arthas 采样生成 jfr 文件
启动 arthas 之后,执行以下采样命令:
profiler start -f /home/admin/yourAppName/target/arthas-output/%t.jfr -d 180
%t 表示当前时间,-d 后面是采样秒数,更多参数参见:https://alibaba.github.io/arthas/profiler.htmlhttps://github.com/jvm-profiling-tools/async-profiler/blob/v1.6/src/arguments.cpp
2. 下载 jfr 到本地
可以用 oss 倒腾,或者 szrz 等其他途径倒腾到本地。
3. jprofiler 分析
在做性能分析时我们常常想要找出:是谁在调用我,是谁调用我最多。下面举例介绍怎么做的。
3.1 打开快照
使用 jprofiler 打开 jfr 文件,选择 Open a snapshot, 打开之后选择 CPU views:
3.2 反向分析
View -> Find 查找要分析的类和方法,然后选择 Analyze -> Calculate Backtraces to Selected Method:
3.3 分析结果
修改 Summation mode 为 Total times,即可看到这个方法被哪些上游调用到,调用量和占比。
总结
- 通过 Arthas profiler 命令生成
jfr
文件; - 在本地通过
jprofiler
来分析jfr
文件,定位谁在调用我; - 运用之妙,存乎一心。工具的互相结合,可以产生奇妙的化学反应。
Arthas 征文活动火热进行中
Arthas 官方正在举行征文活动,如果你有:
- 使用 Arthas 排查过的问题
- 对 Arthas 进行源码解读
- 对 Arthas 提出建议
- 不限,其它与 Arthas 有关的内容
欢迎参加征文活动,还有奖品拿哦~点击投稿
“阿里巴巴云原生关注微服务、Serverless、容器、Service Mesh 等技术领域、聚焦云原生流行技术趋势、云原生大规模的落地实践,做最懂云原生开发者的公众号。”

低调大师中文资讯倾力打造互联网数据资讯、行业资源、电子商务、移动互联网、网络营销平台。
持续更新报道IT业界、互联网、市场资讯、驱动更新,是最及时权威的产业资讯及硬件资讯报道平台。
转载内容版权归作者及来源网站所有,本站原创内容转载请注明来源。
-
上一篇
开源 Flink + 实时计算 Flink 版训练营学习资料汇总
Apache Flink:全球领先的开源大数据计算引擎 Apache Flink 是一个开源的分布式大数据处理引擎, 可对有限数据流和无限数据流进行有状态计算。作为 Apache 软件基金会 (ASF) 顶级项目之一,Flink 在流处理方面具有绝对的优势,提供高吞吐、低延时的计算能力, Exactly-once 语义保证数据的准确性,亚秒级别的处理延迟确保业务的快速响应。 作为快速发展的新一代大数据引擎,Flink 本身的架构优势也吸引着越来越多的开源爱好者投入到社区的建设来。 截止到 2020 年 7 月,社区的 star 数达到 13600+ ,contributor 数达到 718,有 22989 次 commits。伴随着社区的快速发展,Flink 也成为类似阿里巴巴、腾讯、字节跳动、滴滴、美团点评等知名公司建设流处理平台的首选。 【推荐阅读】 Flink 社区技术发展风向标 重磅!Apache Flink 1.11 功能前瞻抢先看! 更易用!Hive 集成弯道超车 Hive 终于等来了 Flink Flink PMC 联合各大厂用人主管助你升职加薪 Flink 面试指南 【...
-
下一篇
携程微服务框架实践及思考
作者 | 顾海洋 携程框架架构研发部技术专家 导读:本文整理自作者于 2020 年云原生微服务大会上的分享《携程微服务框架实践及思考》,主要介绍了从携程自研框架遇到的问题,转到落地 Dubbo 微服务框架,携程是如何实践的,以及实践过程中遇到的问题;未来转型 service mesh 的道路上,dubbo 协议存在的问题,我们需要怎么样的协议层以及微服务 SDK 的定位。 阿里巴巴云原生公众号后台回复818即可获取直播回看地址和大会 PPT 合集。参与文末互动,还有机会得《携程架构实践》一书! 携程从 .Net 技术栈的时代就已经开始微服务领域的探索,转入 Java 技术栈之后,更是经历了自研微服务框架,到现在高性能的 dubbo,目前我们正在 Service Mesh 的道路上探索,希望能够实现微服务框架的全面标准化、以及云原生。 过去(自研服务框架) 携程从 .Net 技术栈开始,最开始是基于 ESB 总线,虽然解决了内网服务调用的治理问题,但是集中式的服务架构,经常会出现单个服务把整个总线拖垮的情况,进而导致全网瘫痪的现象。基于注册中心的 SOA 服务架构,通过分布式的服务调用,...
相关文章
文章评论
共有0条评论来说两句吧...
文章二维码
点击排行
推荐阅读
最新文章
- Docker安装Oracle12C,快速搭建Oracle学习环境
- CentOS关闭SELinux安全模块
- SpringBoot2整合MyBatis,连接MySql数据库做增删改查操作
- CentOS8编译安装MySQL8.0.19
- Docker快速安装Oracle11G,搭建oracle11g学习环境
- SpringBoot2编写第一个Controller,响应你的http请求并返回结果
- Docker使用Oracle官方镜像安装(12C,18C,19C)
- SpringBoot2配置默认Tomcat设置,开启更多高级功能
- Docker容器配置,解决镜像无法拉取问题
- MySQL数据库在高并发下的优化方案