Node.js 效能分析實務:CPU Profile、火焰圖與持續採樣

使用 --cpu-prof、Chrome DevTools、Inspector 與 Linux perf 尋找 Node.js CPU 熱點,釐清火焰圖與時間軸的差異,以及持續效能分析的適用條件。

最佳實務
Node.js 事件迴圈與非同步工作流程插畫

Node.js 的 CPU 使用率很高,最慢的請求卻可能正在等待資料庫。執行耗時與等待時間要分開看。想知道 CPU 把時間花在哪裡,可以從 node --cpu-prof app.js 開始,再把產生的 .cpuprofile 匯入 Chrome DevTools。持續 Profiling 則能補上已實際採集、仍在保留期間內的正式環境資料,兩種方式可以搭配使用。

先分清:CPU 密集還是 I/O 密集

CPU 飆高可能來自業務計算,也可能是 GC、原生模組或核心執行開銷。先確認使用者態、系統態 CPU 與程序負載,再選擇調查工具。系統負載高不等於 CPU 使用率高:I/O 等待、連線耗盡或下游回應慢,都可能拖慢請求,卻沒有明顯的 JavaScript CPU 熱點。

CPU Profile 主要說明採樣期間的執行熱點。請求等了多久、慢在哪個下游,還需要搭配主機指標與分散式追蹤。

內建 Profiler

node --cpu-prof app.js          # 從啟動開始採樣,正常結束時寫出 CPU Profile
# 或先指定輸出目錄,再啟動程序
mkdir -p /tmp/profiles
node --cpu-prof --cpu-prof-dir=/tmp/profiles app.js

兩個 node 指令擇一使用;兩者都從程序啟動開始採樣。--cpu-prof-dir 只是指定輸出目錄,並不是需要時才附加到執行中的程序。第一種預設寫入工作目錄,也可透過 --diagnostic-dir 調整;第二種需要程序對 /tmp/profiles 有寫入權限。目錄指令以類 Unix shell 為例,其他平台請使用合適的路徑。

應用程式正常結束後,再尋找 .cpuprofile。遭到 SIGKILL 或執行環境強制終止的程序,不一定能完成檔案寫入。常駐服務若需要限定採樣時段,可使用 Inspector 錄製。

另一個內建選項 --prof 產生的是 V8 日誌,需由 --prof-process 處理,不是能直接匯入的 .cpuprofile,不要混用這兩套格式與流程。

Chrome DevTools 分析

將 .cpuprofile 匯入 Performance 面板。舊教學中的 JS Profiler 面板已棄用,目前應使用 Performance:

  • 時間軸火焰圖(flame chart) 的橫軸是錄製時間,可以觀察熱點出現在哪個區段。聚合火焰圖(flame graph,也常寫作 flamegraph)則合併相同呼叫堆疊;橫向位置不是事件先後順序,寬度代表採樣權重或對應的時間比例。
  • 寬的函式框也包含子呼叫的工作。尋找上緣寬而露出的部分有幫助,但仍要區分 Self Time(自身耗時)與 Total Time(包含子呼叫)。不能只憑父層框的寬度,就判定函式本身很慢。
  • Bottom-Up 彙總選取時段內各活動的耗時。可依 Self Time 或 Total Time 排序,再沿著呼叫關係回到程式碼。能否定位到檔案與行號,也取決於原始碼及 source map 是否可用。

Node Inspector 與 perf

Inspector 適合邊重現問題、邊控制錄製時段。在受控的除錯環境以 node --inspect app.js 啟動,透過 chrome://inspect 連接目標,在 Performance 面板開始與停止錄製。預設監聽位址是 127.0.0.1:9229。連線的除錯工具能操作應用程式執行環境,因此不可將連接埠公開到網際網路;遠端存取應使用受控通道,例如隧道連線。

Linux perf 可補充原生模組、V8 與核心的執行開銷。對既有目標程序執行 perf record -F 99 -p <pid> -g,會要求以 99 Hz 採樣並記錄呼叫鏈。完成後停止 perf,再以 perf script 等工具分析。

這需要相容的 Linux perf 工具、目標採樣權限與能夠展開的呼叫堆疊。若要看清 JavaScript 函式名稱,還可能需要在 Node 啟動時設定 --perf-basic-prof-only-functions、--interpreted-frames-native-stack,並提供可讀取的 JIT 對照資料及原生符號。結果取決於 Node/V8、核心與容器權限;不能保證預設就能看到完整 JS 堆疊,也不要只為了執行範例就放寬整個系統的採樣權限。

持續 Profiling

正式環境的問題未必能在事後重現。持續 Profiling(Continuous Profiling)讓採樣在設定的期間內持續進行,再利用已採集且仍在保留期內的 Profile,比較效能退化前後的呼叫堆疊。

Profile 是指標、日誌與追蹤之外的補充訊號。它無法還原啟用前或漏採的期間,也不取代有明確目標的手動錄製。採樣類型、頻率與工作負載都會影響涵蓋範圍和開銷,不能一概保證固定低負擔。

把線上熱點與請求表現對照

本機 CPU Profile 找到的熱點,仍要放回正式環境的負載中確認。觀測雲 Node.js Profiling 文件提供 Pyroscope 接入方式:在應用程式引入 @pyroscope/nodejs,另外啟用 DataKit 的 Profile 接收,再設定服務、環境與版本欄位,讓同一部署的採樣結果能以一致條件篩選。

SDK 的 serverAddress 應指向應用程式可連線的 DataKit Pyroscope 接收位址。DataKit、SDK、Node.js 版本、作業系統與所需的採樣類型,都要依實際部署核對。目前 Pyroscope SDK 文件要求 CPU 採集明確啟用 wall.collectCpuTime;預設的 wall Profile 與 CPU Profile 並不是相同的量測口徑。

APM 與 Profiling 的資料路徑不同。不能將「已接入 APM」等同於「已採集函式層級 Profile」,服務欄位一致也不代表自動完成逐一 Span 的關聯。先在預備環境量測採樣開銷,再比較同一版本、相近負載下的熱點與請求延遲。

接入文件:Node.js Profiling(簡體中文)・Node.js APM(簡體中文)・Pyroscope Node.js SDK(英文)。

常見問題(FAQ)

Profiling 對效能的影響有多大?

採樣開銷取決於負載、採樣頻率與分析選項。先在預備環境比較吞吐量、延遲與記憶體,再決定正式環境的採集時段。持續 Profiling 也需要個別設定與評估。

火焰圖看不懂怎麼辦?

利用 Self Time 尋找自身耗時高的框,區分 JS、原生與 GC 堆疊,再對照正常時段。GC 占比高表示垃圾回收用了較多執行時間,可能與配置物件過快、物件存活特徵或堆積設定有關。不能僅憑這一點判定記憶體洩漏,也不能排除業務演算法產生大量物件配置的可能性。

非同步程式碼的 CPU 時間如何計算?

事件迴圈的回呼分散在不同 tick 執行。CPU Profile 記錄的是採樣捕捉到的執行堆疊,不會把 await 資料庫的整段等待時間算成函式自身的 CPU 時間。端到端耗時與下游等待應搭配追蹤分析;wall 時間或 off-CPU 分析則需要支援該類型的採集器,不能直接從 CPU Profile 推算。


參考文件

本文依據公開文件整理。範例需依專案相依版本驗證,文件中的效能描述並非本專案的實測結果。

延伸閱讀

取得專屬方案

聯絡我們

加入社群

微信扫码
加入官方交流群

立即體驗

在线开通,按量计费,真正的云服务!

立即開始

选择观测云版本

代码托管平台