nodejs 点击按钮下载_记-Nodejs埋点服务-定位cpu瓶颈

// 这里使用@hyj1991 base v8-profile(官方不再维护) const profiler = require('v8-profiler-node8'); 
const fs = require('fs');
const profileTime = 60 * 000 const delay = 30 * 000  setTimeout(function () {
    console.log('start profile');
    profiler.startProfiling('CPU profile');
    setTimeout(function () {
      const profile = profiler.stopProfiling();
      console.log('end profile');
      profile.export()
        .pipe(fs.createWriteStream(`cpuprofile-${Date.now()}.cpuprofile`))
        .on('finish', () => profile.delete())
    }, profileTime)
  }, delay)
  
// 压测 // ab -t 300 -c 10 "http://localhost:8030/golden/stat?xxxx" // 当前路径下生成 cpuprofile-1578464113338-v8.cpuprofile

const UA = require('ua-device')
// origin 端上报的设备型号 var uaObj = new UA(req.headers['user-agent'])
var os_type = origin.ot || uaObj.os.name var os_version = origin.ov || uaObj.os.version

const UA = require('ua-device')
if (!origin.ot || !origin.ov) { // 绝大大大部分流量不需要这 8% cpu的密集型计算    var uaObj = new UA(req.headers['user-agent'])
}
var os_type = origin.ot || uaObj.os.name var os_version = origin.ov || uaObj.os.version

var timer = new Date()
var sendData = {
 logtime: +timer,
 jsonMsg: {
    // formatDate 这个公用函数中使用了正则来支持个性化formate yyyy-MM-dd hh:mm:ss     server_time: utils.formatDate(timer) 
 }
}

# debug 跑 dateformat 10000 count spend 108 ms
utils.formatDate 10000 count spend 879 ms

# 非degbug 跑 dateformat 10000 count spend 116 ms
utils.formatDate 10000 count spend 62 ms

# node app.js # 执行 ab 压测 请求服务 # ps -ef  找出 node pid , 特别是cluster 执行，找到其中一个worker perf record -F 99 -p <pid> -g -- sleep 30 # 上面输出 perf.data  处理输出perfs.out perf script > perfs.out
npm i -g stackvis
stackvis perf < perfs.out > flamegraph.htm
# 输出火焰图 flamegraph.html

# 启动服务 NODE_ENV=production node --prof app.js
# 对服务热处理 curl -X GET "http://localhost:8080/newUser?username=matt&password=password" # 进行压测 ab -k -c 20 -n 250 "http://localhost:8080/auth?username=matt&password=password" # -k Use HTTP KeepAlive feature # -c Number of multiple requests to make at a time 并发数 # -n Number of requests to perform 总请求数 # -t 总压测时间 秒 # 你能获得当前服务，在当前环境的一个qps量 # 上面在当前目录路径下，产生了刻度文件xxx-v8.log # 通过nodejs 自带的处理文件进行转换统计为可阅读文件 node --prof-process isolate-0xnnnnnnnnnnnn-v8.log > processed.txt

[Summary]:
   ticks  total  nonlib   name
     25 6.1%    6.2%  JavaScript
    341 83.6%   84.6%  C++      14 3.4%    3.5%  GC
      5 1.2%          Shared libraries
     37 9.1%          Unaccounted
 [JavaScript]:
   ticks  total  nonlib   name
      2 0.5%    0.5%  Function: ~fs.readFileSync fs.js:548:27
      ...

# install flamebearer (Node v8.5+ required) $ npm install -g flamebearer
# profile your app $ node --prof app.js
# generate flamegraph.html from a V8 log and open it in the browser $ node --prof-process --preprocess -j isolate*.log | flamebearer
# 立马生成了火焰图

# 安装版本管理工具 tnvm，安装过程出错参考：https://github.com/aliyun-node/tnvm wget -O- https://raw.githubusercontent.com/aliyun-node/tnvm/master/install.sh | bash source ~/.bashrc
# tnvm ls-remote alinode 查看需要的版本 tnvm install alinode-v3.11.4 # 安装需要的版本 tnvm use alinode-v3.11.4 # 使用需要的版本 npm install @alicloud/agenthub -g # 安装 agenthub本地启动agenthub

// aliconfig.json
{
  "appid": "xxxx",                         
  "secret": "xxxx" }
agenthub start aliconfig.json

ENABLE_NODE_LOG=YES node demo.js  #环境变量必要 # 进行 ab 压测