Go中pprof性能分析需启动HTTP服务暴露接口，CPU分析持续采样30秒获取热点函数，内存分析区分allocs（累计分配）和inuse_space（当前占用），支持在线采集、离线分析及火焰图生成。
在 Go 中使用 pprof 做性能分析非常直接，核心是启动 HTTP 服务暴露分析接口，再用 go tool pprof 抓取并可视化数据。CPU 和内存报告的生成方式略有不同，关键在于采样方式和采集时机。
CPU 分析：抓取运行时热点函数
CPU 分析需持续采样一段时间（默认 30 秒），反映程序在 CPU 上实际花费时间最多的代码路径。前提是你的服务已启用 net/http/pprof。
- 确保主程序中注册了 pprof 路由：
import _ "net/http/pprof"，并在某处启动 HTTP 服务，例如：
go http.ListenAndServe("localhost:6060", nil)
- 触发业务逻辑（比如发几个请求让程序忙起来），再执行采集：
go tool pprof http://localhost:6060/debug/pprof/profile
会自动等待 30 秒采样，完成后进入交互式分析界面
- 常用命令：
top10 查看耗时 Top 10 函数
web 生成火焰图（需安装 graphviz）
svg > cpu.svg 导出 SVG 火焰图文件
内存分析：区分 allocs 和 inuse
Go 内存报告分两类：allocs（累计分配总量，含已释放）和 inuse_space（当前堆上实际占用的内存）。排查泄漏优先看 inuse。
- 获取当前内存快照：
go tool pprof http://localhost:6060/debug/pprof/heap → 默认是 inuse_space
go tool pprof http://localhost:6060/debug/pprof/allocs → 看总分配量
- 若想观察内存增长趋势，可多次采集后对比：
先记下初始状
态：curl -s "http://localhost:6060/debug/pprof/heap?debug=1" | grep "inuse_objects\|inuse_space"
执行可疑操作（如反复创建资源），再查一次，看差值
- 在 pprof 交互中用 top 或 list YourFuncName 定位具体分配点
离线分析：保存 profile 文件再分析
生产环境通常不允许直接连 pprof 接口，推荐先下载 profile 文件，本地分析更安全可控。
- 下载 CPU profile：
curl -o cpu.pprof "http://localhost:6060/debug/pprof/profile?seconds=60"
- 下载 heap profile：
curl -o heap.pprof "http://localhost:6060/debug/pprof/heap"
- 本地分析：
go tool pprof cpu.pprof
go tool pprof heap.pprof
- 注意：分析时最好带上二进制文件，能显示源码行号：
go tool pprof your-binary cpu.pprof
关键细节提醒
pprof 不是万能的，几个容易踩的坑要提前知道：
- HTTP 服务地址必须可访问；若程序没开 HTTP 服务，可用 runtime/pprof 手动写入文件，但需自行控制采样时机
- CPU 分析期间程序会稍慢（因采样开销），但影响有限；内存 profile 是瞬间快照，无持续开销
- GC 频繁可能掩盖真实内存问题，采集前可调大 GOGC 或手动 runtime.GC() 清理一次再采
- 火焰图中扁平宽条不等于瓶颈，要看“自耗时”（flat）和“含子调用总耗时”（cum）结合判断
态：curl -s "http://localhost:6060/debug/pprof/heap?debug=1" | grep "inuse_objects\|inuse_space"