Java火焰图在Netflix的实践

为了分析不同软件或软件的不同版本使用CPU的情况，相关设计人员通常需要进行函数的堆栈性能分析。相比于定期采样获得数据的方式，利用定时中断来收集程序运行时的PC寄存器值、函数地址以及整个堆栈轨迹更加高效。目前，OProfile、gprof和SystemTap等工具都是采用该方法，给出详细的CPU使用情况报告。然而，这些工具在处理复杂的统计数据时，给出的报告往往过于繁杂、不够直观、不能直接反应分析员所需要的数据。为此，Brendan Gregg开发了专门把采样到的堆栈轨迹（Stack Trace）转化为直观图片显示的工具——Flame Graph（火焰图）。但是，由于分析器与JDK环境等原因，Java程序的混合模式火焰图之前无法生成。近期，Brendan Gregg和Martin Spier发现了一种解决该问题的方法，在Netflix内部进行了实践，并贡献了一篇非常详尽的实践性文章。为Java程序的性能分析提供了极大便利。接下来，本文就从该问题出现的原因开始，简要介绍其解决该问题的思路和方法。

首先，本文对火焰图的概念进行简要介绍。火焰图既是一个开源工具，也是一种类型的图片。作为一个二维图片，火焰图的X轴代表采样总量，而Y轴代表栈深度。每个框就代表了一个栈里的函数，其宽度代表了所占用的CPU总时间。因此，比较宽的框就表示该函数运行时间较慢或被调用次数较多，从而占用的CPU时间多。通过火焰图，相关设计或分析人员就可以轻松观察到各个应用占用CPU的情况。

但是，火焰图本身并不具备性能检测的能力。它需要其他性能分析工具的协助。在Java环境中，一共有两种类型的堆栈轨迹采样分析器——系统分析器（System Profiler）和JVM分析器（JVM Profiler）。前者（如Linux的Perf Events）可以分析系统代码路径，包括libjvm internal、GC和内核，但并不能分析Java方法；后者（如HPROF、轻量级Java分析器和其他商业分析器）可以显示Java方法，但不能显示系统代码路径。由此可见，这两种方法都不能同时支持系统代码路径和Java方法的堆栈轨迹。而分别描述二者的火焰图又不能很好的满足需求。因此，Brendan等人一直关注如何解决该问题。

在之前的一次讨论中，Brendan曾经对系统分析器不能显示Java方法的原因进行分析。这包括两个方面——JVM编译方法时比较快，没有为系统分析器暴露一个符号表；JVM采用x86上的frame pointer作为一个通用寄存器，破坏了传统的stack walking。那么，解决之前的问题，就需要分别从这两个方面入手。对于第一个方面，Java和Linux系统的分析器进行了双方面的努力。首先，Java开始支持利用开源的JVMTI代理perf-map-agent来创建perf-PID.map文本文件。该文件列举了16进制的符号地址、大小以及符号名称。然后，从2009年以后，Linux中的Perf_events工具添加了对JIT符号的支持。该工具会检查/tmp/perf-PID.map文件，从而完成对来自语言虚拟机的符号进行检查。对于第二个方面，JVM添加了一个新的选项-XX:+PreserveFramePointer。经过Zoltán、Oracle和其他工程师的努力，最新的JDK9和JDK8已经增加了该选项，从而保存了stack walking。

在两方面的问题都解决之后，用户只要经过安装Perf Events、新版JDK、perf-map-agent以及FlameGraph等软件和配置Java（尤其是打开-XX:+PreserveFramePointer选项）的步骤后，就可以产生系统级的火焰图了。为了让产生火焰图的流程自动化，Brendan等人已经开始基于开源的实例化分析工具Vector进行流程的建模。

未来，Breden等人还计划进行很多工作。其一是通过自动化收集不同日期的差分火焰图进行规则分析。这有助于迅速理解软件变化所导致的CPU使用率变化。此外，他们还试图利用Perf Events进行磁盘IO、网络、调度以及内存分配等用户和内核级的事件记录和分析。最后，对火焰图和Vector进行实时更新等改进也是未来考虑增加的功能。

感谢徐川对本文的审校。

给InfoQ中文站投稿或者参与内容翻译工作，请邮件至[email protected]。也欢迎大家通过新浪微博（@InfoQ，@丁晓昀），微信（微信号：InfoQChina）关注我们，并与我们的编辑和其他读者朋友交流（欢迎加入InfoQ读者交流群）。