性能瓶颈定位更快更准：ARMS 持续剖析能力升级解析

作者：铖朴、穆司

持续剖析介绍

随着软件技术发展迭代，很多企业软件系统也逐步从单体应用向云原生微服务架构演进，一方面让应用实现高并发、易扩展、高开发敏捷度等效果，但此外也让软件应用链路变得越来越长，依赖的各种外部技术越来越多，一些线上问题排查起来变得困难重重。

尽管经过过去十几年的发展，分布式系统与之对应的可观测技术快速演进，在一定程度上解决了很多问题，但有一些问题定位起来仍然很吃力，如下图是几个非常有代表性的线上常见问题：

持续性能剖析技术是一种通过采集应用相关线程在申请相关资源时的方法栈状态信息，再通过火焰图等可视化技术绘制出对应资源使用分布情况，最后，确定相关时段特定资源波动根因的一种强有力技术。

阿里云应用可观测产品 - 应用实时监控服务 ARMS 早在 2022 年就上线了持续剖析产品能力，帮助用户定位常见的性能方面疑难问题：

具体而言，其主要包含以下 3 块核心功能：

代码热点【1】：其通过墙钟热点关联 Trace 信息，可帮助用户定位：

CPU 热点【2】：通过定时采集正在执行 CPU 线程的方法栈快照，帮助用户定位：

内存热点【3】：通过记录线程每次触发堆内存分配阈值时的内存分配大小/次数，及对应方法栈快照，帮助用户定位：

经过过去几年的大量客户使用和持续演进优化，近期，我们在产品功能易用性上进行了一系列升级，本文接下来对其中重要升级进行一一介绍。

火焰图数据结构复杂，无论是大数据量的存储还是聚合计算都存在不小的挑战，因此，业界一些产品的常见做法是仅支持临时开启功能采集一段时间数据以及较短时间间隔的数据聚合分析，虽然使用过程略显繁琐，但在一定程度上可以实现辅助排查一般性能瓶颈问题，当遇到一些不易复现的场景问题时，问题定位成本就会非常的高！

本次产品升级后，我们在数据格式和查询引擎方面都做了大量优化，持续剖析查询时间间隔和对象从之前的仅支持 1/5/15 分钟数据聚合效果到现在的天级别、多实例、多线程等维度的秒级聚合，让用户聚合范围不仅广还更细，更好地定位各种性能问题。

过去我们从用户侧了解的情况来看，虽然火焰图工具对于排查性能问题非常有效，但是火焰图的阅读对大量客户都存在较大阻碍。因此，我们最新版持续剖析支持基于 AI Copilot 分析火焰图，让不懂火焰图阅读的用户，也能低成本地洞察火焰图中的性能瓶颈。

应用开启持续剖析后，在控制台选择对应应用，以 CPU 热点问题举例，在下图所示的火焰图页面中，点击火焰图右上角的 AI Copilot 分析紫色魔法棒触发进行分析：

差分火焰图通过对比两段时间内的性能数据，生成差分火焰图（红色表示性能下降，蓝色表示性能提升），找出不同时段性能显著变化的函数。其对应用性能在一段时间前后有差异变化的场景定位非常有帮助。在新版持续性能剖析中，提供了开箱即用的差分火焰图分析能力。

除了以上能力更新以外，更多能力和细节，请参考功能升级公告【4】和产品文档【5】，如果您对文中提到的 ARMS 中的持续剖析功能感兴趣，欢迎扫描下方二维码，加入钉钉群（22560019672）聊讨论和反馈建议！

【1】代码热点

【2】CPU热点

【3】内存热点

【4】功能升级公告

【5】产品文档