Cloud Profiler 總覽

想要瞭解實際運作系統的效能極為困難，就算嘗試評估測試環境中的效能，通常也無法如法炮製系統實際運作時所面臨的壓力。將應用程式各部分微基準化雖然有時是可行的做法，但通常同樣也無法複製整個實際運作系統的工作負載和行為。

持續剖析實際運作系統，確實能有效掌握服務在工作環境中運作時，相關資源 (如 CPU 週期和記憶體) 是由服務的哪些部分使用。只不過剖析會對實際運作系統帶來額外負載，因此想要以合理方式來找出資源使用模式，額外的剖析負載必須很小。

Cloud Profiler 是具有統計功能的低負擔分析器，可持續從實際工作環境中的應用程式收集 CPU 使用狀況和記憶體分配資訊；且可將這些資訊按產生該資訊的原始碼歸類，協助您識別使用最多資源的應用程式部分，並進一步掌握應用程式的效能特性。

可用的剖析類型

Cloud Profiler 支援的剖析類型因程式的撰寫語言而異。下表按語言列出支援的剖析類型：

剖析類型 Go Java Node.js Python
CPU 作業時間 有是 有
堆積 有是 有
分配的堆積 有
[Contention] (爭用情況) 有
[Threads] (執行緒) 有
實際時間 有 是是

如需語言要求和任何限制的完整資訊，請參閱該語言的使用指南頁面。如要進一步瞭解這些剖析類型，請參閱剖析概念。

支援的設定

當您設定應用程式以擷取剖析資料時，您必須加入特定語言的剖析代理程式。下表大致列出支援的環境：

環境 Go Java Node.js Python
Compute Engine 有是是有
Google Kubernetes Engine 有是是有
App Engine 彈性環境 有是是有
App Engine 標準環境 有是是是
Dataproc 是
Dataflow 是是
Google Cloud外部 是是是有

下表大致列出支援的作業系統：

作業系統 Go Java Node.js Python
標準 C 程式庫的 Linux
glibc 實作		 是是 是是
標準 C 程式庫的 Linux
musl 實作		 是Y (Alpha) 是Y (Alpha)

效能影響

Cloud Profiler 通常會以 10 秒期間內收集的資料來建立一組剖析資料；收集頻率為在單一 Compute Engine 區域中，針對已設定服務的單一執行個體每分鐘一次。舉例來說，如果您的 GKE 服務正在執行一個 Pod 的 10 組備用資源，則在 10 分鐘期間內系統會建立大概 10 組剖析資料，且每個 Pod 大約都會剖析一次。剖析期間為隨機進行，因此會有變異。詳情請參閱「剖析資料收集」。

在資料收集期間，CPU 和堆積分配剖析負擔只佔不到 5%。如果再於執行時間內平均分攤到服務的多個備用資源，則負擔通常就可以減少到低於 0.5%，因此就算在實際運作系統中持續剖析，也不會耗費太多成本。

元件

Cloud Profiler 由剖析代理程式和 Google Cloud上的主控台介面構成，前者為您收集資料，而後者則可讓您查看和分析代理程式收集的資料。

剖析代理程式

您要將代理程式安裝在執行應用程式的虛擬機器上。代理程式通常會是程式庫的形式，讓您在執行應用程式時附加到應用程式中。代理程式會在應用程式執行時收集剖析資料。

如要瞭解如何執行 Cloud Profiler 代理程式，請參閱：

Profiler 介面

代理程式收集到一些剖析資料後，您可以使用 Profiler 介面來查看 CPU 和記憶體使用量統計資料與應用程式區域的關聯性。

Cloud Profiler 介面

剖析資料會保留 30 天，因此您最多可分析最近 30 天內的效能資料。或者，您也可視需要下載保存這些剖析資料。

配額與限制

如要瞭解如何查看和管理 Profiler 配額，請參閱配額與限制一文。

資料安全性

Cloud Profiler 是支援 VPC Service Controls 的服務。詳情請參閱 VPC Service Controls 說明文件。

分析資料

Profiler 收集資料之後，您就可以使用 Profiler 介面來查看和分析資料。

前往 Google Cloud 控制台的「Profiler」頁面：

前往 Profiler

您也可以透過搜尋列找到這個頁面。