最近將公司的一個C++服務的CPU使用率從70%左右降到了25%，跟大家分享一下其中的方法論。最重要的有三點：一是工具鏈，二是壓測，三是自動化。
工具鏈
Linux下查看CPU使用率的常用命令有top，htop和vmstat等。這些命令只能查詢到進程的CPU使用率，但我還是不知道哪一段程序占用了過高的CPU。
Perf is a profiler tool for Linux 2.6+ based systems that abstracts away CPU hardware differences in Linux performance measurements and presents a simple command line interface. Perf is based on the perf_events interface exported by recent versions of the Linux kernel.
簡單來說，perf是基于perf_event的性能調優工具，通過采樣kernel的指令，來統計function級別的CPU使用率。我覺得perf是可以在生產系統使用的，對性能幾乎沒有影響。
上圖就是perf的輸出，一般都是好幾MB，分析起來很不方便。Brendan Gregg大神發明了Flame Graphs，將perf的輸出可視化，大大簡化了分析過程。
Flame Graphs有幾個特點：
顏色沒有特殊含義，并不是顏色越深越重要
每個方塊都代表一個function
自頂向下就是function的call stack
最頂部的function正在消耗CPU，所有頂部function的邊長加起來是100%
長度越長代表消耗的CPU越高，應優先關注
另外C++程序的perf輸出，是匯編風格的函數名，可以用c++filt轉義成正常的函數名。再就是CMake的Build mode設置為RelWithDebInfo，Debug mode的性能太差，會影響分析。
壓測
做性能調優，離不開壓測工具，我們可以選擇用http://jmeter.apache.org/。
這里提供另外一個思路：
因為線上系統有特定的請求模式，用JMeter模擬的請求模式與線上系統的相差較大，調優的結果不一定能解決線上問題。
我截取了一段時間內的線上系統日志，通過在測試系統回放線上請求，來模擬線上系統的請求模式，并且通過一些參數來控制QPS等負載。
自動化
因為在整個調優過程中，我需要反復的改code、部署和測試。將部署和測試等流程自動化，大大減輕了我的負擔，也讓我可以保持一個愉悅的心情。
高性能C++后臺的建議
盡量使用Memory Pool，頻繁的使用臨時分配的內存空間，會導致較高的Page Fault，占用大量的CPU
使用STL和Boost要謹慎，并且要理解背后的復雜度和overhead。使用率較高的vector和string等，盡量當C的字符串和數組來用
頻繁執行的代碼塊，比如for loop內部的邏輯，盡量不要用類繼承，智能指針，操作符重載等C++特性，多少會有overhead
注意代碼細節，即使if條件的順序變化，有些場景都會影響性能
最后，推薦http://www.brendangregg.com/，里面的方法論和工具鏈，讓人受益匪淺。
西七樓小密圈
因為很難在一篇文章中講明白所有的知識點，所以創建了小密圈方便大家反饋交流。
小密圈收費￥90是為了設立門檻，篩選真正誠心學習課程的朋友。
凡是認真學習并堅持到最后的朋友，我會發￥100的紅包。
長按二維碼，關注公眾號！
