Node.js 程序的運(yùn)行可能會(huì)受 CPU 或輸入輸出操作的限制而十分緩慢。從 CPU 角度看，程序運(yùn)行緩慢的典型原因之一就是未經(jīng)優(yōu)化的「熱點(diǎn)路徑」（一段經(jīng)常被訪問的代碼）。從輸入輸出角度看，程序運(yùn)行速度的局限可能是受底層操作系統(tǒng)影響，也可能是出于 Node 本身的故障。更或者，一個(gè)運(yùn)行緩慢的程序可能跟 Node 本身沒有任何關(guān)系，問題在于外部資源，比如數(shù)據(jù)庫查詢或是 API 調(diào)用緩慢，未經(jīng)過優(yōu)化處理。

在本文中，我們將重點(diǎn)識別并優(yōu)化代碼庫中會(huì)導(dǎo)致 CPU 繁重運(yùn)行的操作。同時(shí)，將探討生產(chǎn)應(yīng)用的配置文件，分析并作出可提高運(yùn)作效率的改動(dòng)。

由于 Node 的單線程性質(zhì)，避免繁重的 CPU 負(fù)載對服務(wù)器來說尤為重要。因?yàn)樵?CPU 上消耗的時(shí)間會(huì)占用響應(yīng)其他請求的時(shí)間。如果你注意到自己的應(yīng)用響應(yīng)速度緩慢，而且 CPU 在這個(gè)過程中始終占用率較高，分析你的程序有助于找出瓶頸，并且使程序恢復(fù)快速運(yùn)行的狀態(tài)。

分析應(yīng)用
復(fù)制生產(chǎn)環(huán)境中出現(xiàn)的緩慢程序問題非常難解決，而且十分耗時(shí)。值得慶幸的是，你不需要親自做這些了。你可以在生產(chǎn)服務(wù)器上收集配置文件數(shù)據(jù)，然后離線分析。下面讓我們來看一下幾種分析方法。

1、使用內(nèi)核級工具
首先，你可以使用內(nèi)核級工具，比如 DTrace（Solaris, BSD），perf(Linux)，或者 XPerf（Windows），從運(yùn)行的進(jìn)程中收集堆棧跟蹤信息，然后生成火焰圖。內(nèi)核級分析對運(yùn)行中的進(jìn)程影響最小。火焰圖是根據(jù)調(diào)用棧生成的支持放大縮小查看的向量圖形。來自 Netflix 公司的 Yunong Xiao 針對 Linux 系統(tǒng)中 perf，發(fā)表過超贊的演講和推文，幫助你加深對該技術(shù)的了解。如果你想在生產(chǎn)程序中保持高吞吐量，可以參考使用這種方法。

2、

2、使用 V8 分析器
另一個(gè)選項(xiàng)是直接使用 V8 分析器。這種方式會(huì)與程序共享進(jìn)程，因此它會(huì)影響程序性能?；谶@個(gè)原因，請只在你遇到此類問題時(shí)運(yùn)行 V8 分析器來捕獲相關(guān)輸出。該方法的好處是：你可以使用 Chrome 的所有分析工具，結(jié)合其輸出結(jié)果（包括火焰圖），對程序進(jìn)行調(diào)查。

請運(yùn)行以下代碼來測試你的程序：

npm install v8-profiler --save

之后，在你的程序中添加以下代碼：

const profiler = require('v8-profiler')
const fs = require('fs')
var profilerRunning = false
function toggleProfiling () {
 if (profilerRunning) {
  const profile = profiler.stopProfiling()
  console.log('stopped profiling')
  profile.export()
   .pipe(fs.createWriteStream('./myapp-'+Date.now()+'.cpuprofile'))
   .once('error', profiler.deleteAllProfiles)
   .once('finish', profiler.deleteAllProfiles)
  profilerRunning = false
  return
 }
 profiler.startProfiling()
 profilerRunning = true
 console.log('started profiling')
}
process.on('SIGUSR2', toggleProfiling)

只要你發(fā)送 SIGUSR2 信號到此進(jìn)程，它就會(huì)開始分析。再次發(fā)送一個(gè) SIGUSR2 信號可以停止分析（代碼如下）。

kill -SIGUSR2 [pid]

該進(jìn)程的分析結(jié)果將被寫入到當(dāng)前工作路徑的文件中（請確保該路徑可被寫入）。由于這是一個(gè)可編程接口，你可以隨意觸發(fā)它（使用 web endpoint，IPC，等等）。如果你對程序在何時(shí)變得緩慢有預(yù)感，你可以在任一時(shí)期觸發(fā)該接口。建立自動(dòng)觸發(fā)對避免持續(xù)監(jiān)看程序是非常有用的，但是它要求你對捕獲時(shí)間以及捕獲時(shí)長有預(yù)測性認(rèn)知。

一旦已經(jīng)收集好配置文件數(shù)據(jù)，將它加載到Chrome開發(fā)工具中，開始分析吧！

3、使用進(jìn)程管理器
盡管直接使用 V8 分析器是非常有效且可定制的，但是它會(huì)進(jìn)入你的代碼庫，并且會(huì)向項(xiàng)目添加又一項(xiàng)你可能不想要的依賴性條件。一種替代方式就是使用進(jìn)程管理器，它可以在你需要分析時(shí)，用各種工具將你的程序包裝起來。一種可選的工具是來自 StrongLoop 的 SLC 命令行工具。

首先，運(yùn)行npm install strongloop –g，然后運(yùn)行以下代碼：

slc start [/path/to/app]

上述代碼會(huì)在進(jìn)程管理器中啟動(dòng)你的程序，你可以按需提取 CPU 分析數(shù)據(jù)。要想驗(yàn)證并獲取應(yīng)用程序 id，請運(yùn)行：

slc ctl

你將得到與下面類似的運(yùn)行結(jié)果：

Service ID: 1
Service Name: my-sluggish-app
Environment variables:
  Name   Value
  NODE_ENV production
Instances:
  Version Agent version Debugger version Cluster size Driver metadata
   5.0.1    2.0.2      1.0.0       1       N/A
Processes:
    ID   PID  WID Listening Ports Tracking objects? CPU profiling? Tracing? Debugging?
  1.1.61022 61022  0
  1.1.61023 61023  1   0.0.0.0:3000

定位應(yīng)用的進(jìn)程 id。在此例中，id 為1.1.61023?，F(xiàn)在我們就能在任意時(shí)間開始分析了，運(yùn)行如下代碼即可：

slc ctl cpu-start 1.1.61023

當(dāng)我們覺得已經(jīng)捕獲到了遲滯行為，就可以運(yùn)行以下代碼來停止分析器：

slc ctl cpu-stop 1.1.61023

以下代碼將寫文件至硬盤：

CPU profile written to `node.1.1.61023.cpuprofile`, load into Chrome Dev Tools

好啦，就是這樣。你可以像在 V8 分析器里那樣把文件加載到 Chrome 里面進(jìn)一步分析。

作出正確決定
在本文中，筆者展示了三種在 Node 中捕獲生產(chǎn)環(huán)境下 CPU 使用量的方式。那么，你應(yīng)該選用哪一種呢？下面是一些幫助你縮小決策范圍的想法：

• 我需要分析很長一段時(shí)間：使用內(nèi)核級工具。
• 我想用 Chrome 開發(fā)工具：使用 V8 分析器或者過程管理器。
• 我想捕獲應(yīng)用中的特定行為：使用 V8 分析器。
• 我不想影響到程序性能：使用內(nèi)核級程序
• 我希望我不用挨個(gè)測試文件來獲取程序分析信息：使用過程管理器

以上就是本文的全部內(nèi)容，3種Node.js代碼優(yōu)化方式，希望大家可以熟練掌握。

最新評論