🚀 使用简体中文运行 PProf 的 Docker 容器

本项目提供了使用 Docker 容器运行 PProf 的方法，帮助开发者对 Go 项目进行性能剖析，通过直观的界面和便捷的操作，快速定位性能瓶颈。

🚀 快速开始

启动步骤

1. 拉取 PProf 镜像

docker pull dockerhub.schaefer.name/pprof:latest-amd64

2. 创建配置文件 pprof-config.yaml

address: ":8080"
pprofs:
  - name: "Heap profile"
    pattern: ".*\.heap"
    contentTypes: ["application/octet-stream"]
    subProcessProfile: true
    type: "heap"
  - name: "CPU profile"
    pattern: ".*\.cpu"
    contentTypes: ["text/plain"]
    type: "cpu"
  - name: "Goroutine profile"
    pattern: ".*\.goroutine"
    contentTypes: ["text/plain"]
    type: "goroutine"

3. 启动 PProf 容器

docker run -d --name pprof -p 8080:8080 -v $(pwd)/pprof-config.yaml:/etc/pprof/config.yaml dockerhub.schaefer.name/pprof:latest-amd64

4. 访问 PProf 的 Web 界面

# 在浏览器访问 http://<your-docker-host>:8080 或者 http://localhost:8080 如果在本机运行

📦 安装指南

将项目代码与 PProf 集成

1. 在你的 Go 项目中添加以下代码进行性能剖析

import (
	"fmt"
	"log"
	"net/http"
	
	"github.com/google/pprof/agent"
)

func main() {
	log.Println("Starting application on port 8081")
	http.HandleFunc("/", handler)
	http.ListenAndServe(":8081", nil)
}

func handler(w http.ResponseWriter, r *http.Request) {
	if r.URL.Path == "/debug/pprof" {
		w.Header().Set("Content-Type", "application/octet-stream")
		agent.Profile(r.Context(), w, agent.MainArgs{})
		return
	}
	fmt.Fprintf(w, "Hello, World!")
}

2. 使用 curl 启动分析

# 分析 CPU 文件
curl -X POST http://localhost:8080/pprof/upload -F "file=@./testdata/gobench.cpu"

# 开启交互式 PProf UI（仅限 macOS）
curl -X POST http://localhost:8080/pprof/debug \
  -H "Content-Type: application/json; charset=utf-8" \
  -d '{"address":"http://localhost:8081/debug/pprof/"}'

💻 使用示例

基础用法

分析本地 CPU 剖析文件

{
	"tool_name": "analyze_pprof",
	"arguments": {
		"profile_path": "./testdata/gobench.cpu",
		"type": "cpu"
	}
}

高级用法

生成火焰图

{
	"tool_name": "generate_flamegraph",
	"arguments": {
		"profile_path": "./testdata/gobench.cpu",
		"output_path": "./flame-graph.svg"
	}
}

📚 详细文档

发布说明

版本更新日志

v0.1.2 (2023-05-26)

• 修复了火焰图生成中的内存泄漏问题
• 提高了剖析文件解析的效率
• 支持 goroutine 剖析的子进程模式
• 新增了基于时间戳的剖析文件命名规则

已知问题

• 不支持分析非常大的剖析文件（超过 1GB）
• 在处理某些特定类型的剖析数据时可能会出现延迟

使用说明

请确保在运行 PProf 容器之前已经拉取最新的镜像，并正确配置您的应用程序以生成相应的剖析文件。如遇问题，请参考官方文档或联系技术支持。

🔮 未来改进计划

1. 支持更多类型的剖析文件
2. 提供基于 Web 的交互式分析界面
3. 增加对多线程和异步应用的支持
4. 优化内存使用效率
5. 新增结果导出功能