高效定位 Go 应用问题：Go 可观测性功能深度解析
作者：古琦
背景
自 2024 年 6 月 26 日，阿里云 ARMS 团队正式推出面向 Go 应用的可观测性监控功能以来，我们与程序语言及编译器团队携手并进，持续深耕技术优化与功能拓展。这一创新性的解决方案旨在为开发者提供更为全面、深入且高效的应用性能监控体验，助力企业在数字化转型中实现卓越的系统稳定性与性能表现。
从商业化版本的首次亮相至今，我们已历经五次重大版本迭代及若干次精细化的小版本更新。相较于初始版本，系统性能实现了翻倍提升，同时在功能层面亦展现出前所未有的丰富性与灵活性。新增特性包括但不限于智能化应用诊断、高度可定制的扩展能力、灵活的应用开关机制、接口全量采样以及代码热点分析等模块。这些功能的引入不仅显著提升了系统的实用性，也赢得了广大用户的广泛认可与积极反馈。而基于编译时插桩（Compile-time Instrumentation）的技术路径，更被实践证明是 Go 语言应用监控领域的一次突破性创举，堪称当前最优解。
为进一步赋能用户在复杂场景下快速定位与解决问题，我们结合近期发布的一系列全新功能，精心梳理了一套从接入到问题发现、再到问题排查与精准定位的最佳实践指南。
应用接入
通过 ARMS 提供的 Instgo 工具，只需要在 go build 前添加 instgo 命令，无需用修改一行代码，通过编译时插桩的方式实现监控能力注入[1]。
instgo go build {arg1} {arg2} {arg3}
智能告警
应用接入到 ARMS 后，可以在应用列表查看到应用的名称，点击进去查看到应用详情，包括了请求数、错误数、延迟等指标，还提供了每个接口的指标、以及依赖的接口指标，为了快速发现问题，可以通过配置应用的告警来第一时间发现问题。
可以创建对应的告警，如最近 1 分钟调用响应时间大于等于 500ms 就报警。
应用详情
通过监控告警第一时间发现问题后，到对应服务的详情查看这个接口的平均耗时非常长，即知道了告警是由于这个接口导致的。
查看对应的调用链，可以按耗时排列，找到耗时最长的调用链：
点击查看调用链详情，可以看到它的子 span 调用时间都非常短，可以确定是这个接口本身慢导致的，而不是其他对外请求导致的。
应用诊断
通过上述应用详情找到了请求慢的接口后，如何确认这时候的问题呢，我们可以通过应用诊断来发现问题，在应用监控中除了指标、链路、日志外，Profiling 的数据成为了应用监控的四大支柱之一。
通过 Profiling 数据能快速发现性能的瓶颈，ARMS Go 可观测提供了 CPU、内存、代码热点三个 Profiling 功能，用于快速发现应用性能问题。
ARMS 的持续剖析能力跟通过类似 https://github.com/grafana/pyroscope 或者 go 提供的 pprof 等工具相比，ARMS 提供的 Profiling 能力可以做到随开随关，通过应用设置-持续性能剖析设置即可进行开关设置，无需重启，直接生效。
CPU Profiling
CPU Profiling 用于收集和分析 Go 应用程序中的 CPU 使用情况，了解你的程序在运行时有多少时间花费在各个函数上。通过分析这些数据，开发者可以识别出程序中最耗费 CPU 时间的部分，ARMS 提供的 CPU Profiling 数据会采集每分钟的 CPU 运行情况，通过下面的火焰图即可找到当前执行时间最长的函数。
除了每分钟的数据之外，还提供了 CPU Profiling 数据的对比功能，对比前后 CPU 的消耗的不同，确定性能瓶颈。
内存 Profiling
跟 CPU Profiling 一样，内存 Profiling 也提供了对比的功能，可以对比前后不同时刻内存分配的情况，找到内存分配的热点。
除了通过内存 Profiling 找到内存分配热点外，还可以通过 Runtime 监控，找到每个时刻 Goroutines 数量、以及堆对象的数量来看某个时刻是否异常，是否因为流量突增导致的数量增加。
代码热点
在出现应用请求超时、响应慢的时候，为了快速定位到性能问题，从提供服务找到出现响应慢的接口，跳转到调用链，从调用链分析看出来对应接口在某些请求中响应的时间超出正常值很多，这时候如果还要进一步定位到这个请求执行过程中响应慢的函数是哪个，则无法通过单纯的调用链分析获取到，代码热点就是用来解决这个问题。点开对应的 Trace，通过放大镜即可查看当前的调用 Profiling[2]：
可以看到 main 中的 onCpu 函数消耗时间长达 0.62 秒，这样去排查这个函数的问题即可。
自定义扩展
通过上述方式可以查看到大部分问题，我们还提供了自定义扩展的功能[3]，通过一个规则+一段待注入的代码组成，通过 Go Agent 的能力，在编译时完成代码的插桩，而不需要去修改原始代码，这个功能的优势是对于一些非项目开发人员可以在不修改原始代码的情况下完成相关功能实现。以下是我们经常会碰到的通过自定义扩展可以解决的问题：
日志打印
为了快速定位问题或者业务需求，日志可以记录非常详细的信息，比如函数的出入参数、Http 的返回的 body、sql 的请求语句参数等，以下是介绍打印 sql 请求的语句、参数：
第一步，创建 hook 文件夹，使用 go mod init hook 初始化该文件夹，然后新增下面的 hook.go 代码，它是即将注入的代码：
package hook
import (
"database/sql"
"fmt"
"github.com/alibaba/opentelemetry-go-auto-instrumentation/pkg/api"
)
func sqlQueryOnEnter(call api.CallContext, db *sql.DB, query string, args ...interface{}) {
fmt.Println("sql is ", query)
fmt.Println("sql arg is", args)
}
第二步，编写测试 Demo。创建文件夹并使用 go mod init demo 初始化，然后添加 main.go
package main
import (
"context"
"database/sql"
"fmt"
_ "github.com/go-sql-driver/mysql"
)
func main() {
mysqlDSN := "test:test@tcp(127.0.0.1:3306)/test"
db, _ := sql.Open("mysql", mysqlDSN)
db.ExecContext(context.Background(), `CREATE TABLE IF NOT EXISTS usersx (id char(255), name VARCHAR(255), age INTEGER)`)
db.ExecContext(context.Background(), `INSERT INTO usersx (id, name, age) VALUE ( ?, ?, ?)`, "0", "foo", 10)
maliciousAnd := "'foo' AND 1 = 1"
injectedSql := fmt.Sprintf("SELECT * FROM userx WHERE id = '0' AND name = %s", maliciousAnd)
db.Query(injectedSql, "abc")
}
第三步，在 Demo 文件夹下编写下面的 conf.json 配置，告诉工具我们想要将 hook 代码注入到 database/sql::(*DB).Query()。
[{
"ImportPath": "database/sql",
"Function": "Query",
"ReceiverType": "*DB",
"OnEnter": "sqlQueryOnEnter",
"Path": "/path/to/hook" # Path修改为hook代码的本地路径
}]
第四步，切换到 Demo 目录，使用 instgo 工具编译并执行程序，以验证 SQL 注入保护的效果。
$ ./instgo set --rule=./conf.json
$ docker run -d -p 3306:3306 -p 33060:33060 -e MYSQL_USER=test -e MYSQL_PASSWORD=test -e MYSQL_DATABASE=test -e MYSQL_ALLOW_EMPTY_PASSWORD=yes mysql:8.0.36
$ ./instgo go build .
$ ./demo
可以看到，使用 instgo 工具编译出的二进制文件成功检测到了潜在的 SQL 注入攻击，并打印出了相应日志：
sql is SELECT * FROM userx WHERE id = '0' AND name = 'foo' AND 1 = 1
sql arg is [abc]
记录Span
ARMS 链路追踪记录的 span 信息都是对开源的 SDK 进行埋点获取的，用户在业务中如果有关心的函数需要记录可以通过自定义插件的功能，记录当前函数的 span。
第一步，创建 hook文件夹，使用 go mod init hook 初始化该文件夹，然后新增下面的 hook.go 代码，它是即将注入的代码：
package hook
import (
"context"
"fmt"
"github.com/alibaba/opentelemetry-go-auto-instrumentation/pkg/api"
"go.opentelemetry.io/otel"
"go.opentelemetry.io/otel/attribute"
)
func requestDbOnEnter(call api.CallContext) {
tracer := otel.GetTracerProvider().Tracer("")
_, span := tracer.Start(context.Background(), "Client/User defined span")
span.SetAttributes(attribute.String("client", "client-with-ot"))
span.SetAttributes(attribute.Bool("user.defined", true))
span.End()
fmt.Println(span.SpanContext().SpanID().String())
}
第二步，编写测试 Demo。创建文件夹并使用 go mod init demo 初始化，然后添加 main.go
package main
import (
"demo/common"
_ "github.com/go-sql-driver/mysql"
_ "go.opentelemetry.io/otel"
)
func main() {
common.RequestDb()
}
common 文件夹下增加 common.go 如下：
package common
import (
"context"
"database/sql"
"fmt"
_ "github.com/go-sql-driver/mysql"
)
func RequestDb() {
mysqlDSN := "test:test@tcp(127.0.0.1:3306)/test"
db, _ := sql.Open("mysql", mysqlDSN)
db.ExecContext(context.Background(), `CREATE TABLE IF NOT EXISTS usersx (id char(255), name VARCHAR(255), age INTEGER)`)
db.ExecContext(context.Background(), `INSERT INTO usersx (id, name, age) VALUE ( ?, ?, ?)`, "0", "foo", 10)
maliciousAnd := "'foo' AND 1 = 1"
injectedSql := fmt.Sprintf("SELECT * FROM userx WHERE id = '0' AND name = %s", maliciousAnd)
db.Query(injectedSql, "abc")
}
第三步，在 Demo文件夹下编写下面的 conf.json 配置，告诉工具我们想要将 hook 代码注入到 common/RequestDb()。
[{
"ImportPath": "demo/common",
"Function": "RequestDb",
"ReceiverType": "",
"OnEnter": "requestDbOnEnter",
"Path": "/path/to/hook" # Path修改为hook代码的本地路径
}]
第四步，切换到 Demo 目录，使用 instgo 工具编译并执行程序，以验证 SQL 注入保护的效果。
$ ./instgo set --rule=./conf.json
$ docker run -d -p 3306:3306 -p 33060:33060 -e MYSQL_USER=test -e MYSQL_PASSWORD=test -e MYSQL_DATABASE=test -e MYSQL_ALLOW_EMPTY_PASSWORD=yes mysql:8.0.36
$ ./instgo go build .
$ ./demo
可以看到，使用 instgo 工具编译出的二进制文件成功创建了 span，并打印出了相应 trace spanId：
0000000000000000
如果上报 span 到服务端，则可以看到自定义的 span。
流量回放
除了简单的打印日志和创建 Span 外，还可以对生产的请求进行录制，用于开发和测试阶段回归，提高测试质量，减少线上故障，以下是介绍通过对 Http 的请求、返回进行记录，将这些数据可以记录到日志或者数据库中，用于下次测试回归。
第一步，创建 hook 文件夹，使用 go mod init hook 初始化该文件夹，然后新增下面的 hook.go 代码，它是即将注入的代码：
package hook
import (
"encoding/json"
"fmt"
"github.com/alibaba/opentelemetry-go-auto-instrumentation/pkg/api"
"io"
"net/http"
)
func httpClientOnEnter(call api.CallContext, t *http.Transport, req *http.Request) {
if req == nil {
return
}
h, _ := json.Marshal(req.Header)
fmt.Println("http request header is ", string(h))
if req.GetBody == nil {
return
}
requestBody, err := req.GetBody()
if err != nil {
return
}
defer requestBody.Close()
requestData, err := io.ReadAll(requestBody)
if err != nil {
return
}
fmt.Println("http request body is ", string(requestData))
}
第二步，编写测试 Demo。创建文件夹并使用 go mod init demo 初始化，然后添加 main.go
package main
import (
"bytes"
"context"
"encoding/json"
"net/http"
"time"
"unicode"
)
func hello(w http.ResponseWriter, r *http.Request) {
_, err := w.Write([]byte("Hello Http!"))
if err != nil {
panic(err)
}
}
func setupHttp() {
http.Handle("/http-service1", http.HandlerFunc(hello))
err := http.ListenAndServe(":9114", nil)
if err != nil {
panic(err)
}
}
// 定义一个结构体用于构造 JSON 数据
type RequestBody struct {
Name string `json:"name"`
Email string `json:"email"`
}
func requestServer() {
ctx := context.Background()
reqBody := RequestBody{
Name: "Alice",
Email: "alice@example.com",
}
// 将结构体序列化为 JSON 格式
jsonData, err := json.Marshal(reqBody)
if err != nil {
return
}
req, err := http.NewRequestWithContext(ctx, "POST", "http://localhost:9114/http-service1", bytes.NewBuffer(jsonData))
if err != nil {
panic(err)
}
req.Header.Add("Content-Type", "application/json")
req.Header.Add("test-key", "log")
req.Header.Add("hello", "arms")
client := &http.Client{}
resp, err := client.Do(req)
if err != nil {
panic(err)
}
defer resp.Body.Close()
}
func Is(s string) bool {
for i := 0; i < len(s); i++ {
if s[i] > unicode.MaxASCII {
return false
}
}
return true
}
func main() {
go setupHttp()
time.Sleep(3 * time.Second)
requestServer()
}
第三步，在 Demo文件夹下编写下面的 conf.json 配置，告诉工具我们想要将 hook 代码注入到 net/http::(*Transport).RoundTrip()。
[{
"ImportPath": "net/http",
"Function": "RoundTrip",
"ReceiverType": "*Transport",
"OnEnter": "httpClientOnEnter",
"OnExit": "",
"Path": "/path/to/hook" # Path修改为hook代码的本地路径
}]
第四步，切换到 Demo 目录，使用 instgo 工具编译并执行程序，以验证 SQL 注入保护的效果。
$ ./instgo set --rule=./conf.json
$ ./instgo go build .
$ ./demo
可以看到，使用 instgo 工具编译出的二进制文件成功获取到了请求的 header 和 body，并打印出了相应日志：
http request header is {"Content-Type":["application/json"],"Hello":["arms"],"Test-Key":["log"]}
http request body is {"name":"Alice","email":"alice@example.com"}
通过自定义插件打印了日志，或者通过已有代码的日志也可以进行快速查看问题，我们提供了 TraceID 和 SpanID 关联到日志的能力[4]。
按需全采
针对一些重要的接口如果需要全采样，可以通过应用设置-采样设置配置接口名称，也可以通过前缀、后缀匹配来配置，这样这个接口的请求都会被采样到，避免被丢掉。
后续
为了进一步提升系统的可观测性与诊断能力，我们正致力于引入一系列高级性能分析工具，包括 Goroutine Profiling（协程剖析）、Mutex Profiling（互斥锁剖析）、Block Profiling（阻塞剖析）以及 Go Trace（Go语言运行轨迹追踪）。这些功能将为开发者提供更深入的洞察力，帮助他们在复杂的应用场景中精准定位性能瓶颈与潜在问题。
与此同时，我们将扩展对前沿技术的支持，特别是与大语言模型（LLM）相关的插件生态。例如，我们将集成 langchaingo 这一高效的语言处理框架，并引入 dify 的创新组件，如 dify-sandbox（沙盒环境）和 dify-plugin-daemon（插件守护进程），以满足开发者在多样化场景下的需求。
我们还计划推出一套在线调试工具，旨在为用户打造一个实时、交互式的问题诊断平台。通过这一平台，开发者可以快速定位并解决复杂问题，从而大幅缩短故障排查时间，提升系统的稳定性和可靠性。我们相信，这些能力的引入将为开发者带来前所未有的便捷体验，同时推动技术生态的进一步繁荣与发展。
最后诚邀大家试用我们的商业化产品，并加入我们的钉钉群（开源群：102565007776，商业化群：35568145） ，共同提升 Go 应用监控与服务治理能力。通过群策群力，我们相信能为 Golang开发者社区带来更加优质的云原生体验。
相关链接：
[1] instgo 工具介绍：
https://help.aliyun.com/zh/arms/application-monitoring/developer-reference/instgo-tool-introduction
[2] 代码热点：
[3] 自定义扩展：
[4] Go 应用日志 Trace 关联：
