在本教程中，我們將逐步演示如何用 OpenResty XRay 定量地分析 Rust 的 Sled 庫中 CPU 時間的消耗情況。我們將展示其中佔用 CPU 最多的那些 Rust 程式碼路徑。這些熱程式碼路徑是 OpenResty XRay 自動分析和解讀 Rust 語言級別的 CPU 火焰圖得來的。

Problem: 高 CPU 使用率

Sled 是一個由 Rust 編寫的嵌入式 KV 資料庫。

我們有一個基於 Sled 的內部 cache 服務。

可以看到 CPU 的使用率非常高，超過 100%。

使用 OpenResty XRay 的引導式分析功能分析 Rust 的 Sled 庫中 CPU 時間的消耗情況

讓我們使用 OpenResty XRay 來檢查這個未經修改的程序。您可以對它進行實時分析，並找出原因。

確保我們當前分析的是正確的機器。

如果當前顯示的機器不對，您可以從下面的列表中選擇一個正確的。

進入 “Guided Analysis” 頁面。

這裡可以看到系統能分析的不同型別的問題。

讓我們選擇 “High CPU Usage”。

點選 “Next”。

選擇之前的 sled 應用，是 Rust 應用型別。

選擇消耗超過 100% CPU 資源的程序。也就是我們之前在 top 中看到的。

確保應用的型別是正確的。通常預設值就是對的。

這裡的語言級別就只有 “Rust” 了。

我們還可以設定最大分析時間。這裡保持預設的 300 秒不變。

開始分析。

系統將持續執行多輪分析。現在它正在執行第一輪分析。

第一輪分析已經完成，現在進入第二輪分析。對這個例子來說，執行一輪分析就夠了。

現在停止分析。

可以看到自動生成了一份分析報告。

這是現在我們要分析的問題型別，是CPU。

這個是佔用 CPU 時間最多的 Rust 程式碼路徑。

第一個函式 sled::tree::Tree::insert 在 Sled 中用於資料插入。

點選 “More” 檢視詳情。

上面的熱程式碼路徑是從這個 Rust 級別的 CPU 火焰圖中自動推匯出來的。

下面是對當前問題更詳細的解釋和建議。它提到了我們之前看到的 insert 函式。

點選這個圖示放大火焰圖。

點選 insert 函式檢視更多詳情。

在左側，可以看到 view_for_key 函式佔比較大。這是 Sled 庫中為給定 key 獲取快照檢視的函式。

在右側能看到，pagecache 是 Sled 的一個元件，用於按頁面管理資料。寫入的資料首先儲存在 pagecache 的記憶體頁面中。然後當批次寫滿時，透過重新整理磁碟來持久化。

點選放大。

這是在 Glibc 中的 realloc 函式，是一個記憶體分配函式。我們可以看到 libc 的記憶體分配函式比較熱。

在終端上，使用 find 命令在 cargo 快取中查詢 Sled 庫原始碼目錄。

複製找到的目錄，進入 Sled 原始碼目錄。

讓我們回到原始的熱程式碼路徑。將滑鼠懸停在 insert 函式的綠框上。在提示框中可以看到這個函式的原始檔名。

這行原始碼的行號是 164。

點選這個圖示，複製這個函式的原始檔路徑。

用 vim 編輯器開啟原始檔。貼上我們剛才複製的檔案路徑。您可以使用任何您喜歡的編輯器。

正如 OpenResty XRay 建議的那樣跳轉到第 164 行。

這行程式碼是在 insert 函式內的。

接下來檢視第二條程式碼路徑。第二佔用 CPU 時間的程式碼路徑，消耗了近 40% 的 CPU 時間。

頂層的函式呼叫 get_inner，是 Sled 庫內部用於獲取資料的介面。

get 函式是庫對外暴露的介面，它在內部呼叫了 get_inner 函式。

點選 “More” 檢視詳情。

放大火焰圖，檢視 get_inner 函式呼叫的詳情。

放大 get_inner。

可以看到，get_inner 函式內的大部分 CPU 時間都是被前面提到的 view_for_key 函式佔用。

Rust 的 Sled 庫中用 sled::lru::Lru::accessed 函式，來更新 LRU 快取中專案的訪問狀態。並返回需要剔除的頁面 ID 列表。

全自動分析報告

OpenResty XRay 也可以自動監控線上程序，並顯示分析報告。

切換到 “Insights” 頁面。

您可以在 “Insights” 頁面中找到以日和周為週期的報告。其實您不是非得用 “Guided Analysis” 功能。

當然 “Guided Analysis” 對於應用的開發和演示是很有用的。

關於 OpenResty XRay

OpenResty XRay 是一個動態追蹤產品，它可以自動分析執行中的應用程式，以解決效能問題、行為問題和安全漏洞，並提供可行的建議。在底層實現上，OpenResty XRay 由我們的 Y 語言 驅動，可以在不同環境下支援多種不同的執行時，如 Stap+、eBPF+、GDB 和 ODB。

關於作者

章亦春是開源 OpenResty^® 專案創始人兼 OpenResty Inc. 公司 CEO 和創始人。

章亦春（Github ID: agentzh），生於中國江蘇，現定居美國灣區。他是中國早期開源技術和文化的倡導者和領軍人物，曾供職於多家國際知名的高科技企業，如 Cloudflare、雅虎、阿里巴巴, 是 “邊緣計算“、”動態追蹤 “和 “機器程式設計 “的先驅，擁有超過 22 年的程式設計及 16 年的開源經驗。作為擁有超過 4000 萬全球域名使用者的開源專案的領導者。他基於其 OpenResty^® 開源專案打造的高科技企業 OpenResty Inc. 位於美國矽谷中心。其主打的兩個產品 OpenResty XRay（利用動態追蹤技術的非侵入式的故障剖析和排除工具）和 OpenResty Edge（最適合微服務和分散式流量的全能型閘道器軟體），廣受全球眾多上市及大型企業青睞。在 OpenResty 以外，章亦春為多個開源專案貢獻了累計超過百萬行程式碼，其中包括，Linux 核心、Nginx、LuaJIT、GDB、SystemTap、LLVM、Perl 等，並編寫過 60 多個開源軟體庫。

關注我們

如果您喜歡本文，歡迎關注我們 OpenResty Inc. 公司的部落格網站 。也歡迎掃碼關注我們的微信公眾號：

翻譯

我們提供了英文版原文和中譯版（本文）。我們也歡迎讀者提供其他語言的翻譯版本，只要是全文翻譯不帶省略，我們都將會考慮採用，非常感謝！