火焰图（Flame Graph）深度解析
火焰图是一种可视化性能分析工具，由Brendan Gregg发明，用于直观展示程序在运行时的函数调用栈及其资源占用情况（如CPU时间、内存分配等）。它通过层次化的图形结构，帮助开发者快速定位性能瓶颈。
火焰图的核心原理
基本结构
Y轴（垂直方向）：表示调用栈深度，从上到下是函数调用关系。
X轴（水平方向）：表示资源占用比例（如CPU时间、内存分配），越宽的函数消耗越多资源。
颜色：通常随机分配，仅用于区分不同函数，无特殊含义。
数据来源
采样分析（如perf、DTrace、eBPF）
运行时调用栈记录（如Java的jstack、Python的py-spy）
火焰图的类型
类型
用途
典型工具
CPU火焰图
分析CPU热点函数
perf、VTune、async-profiler
内存火焰图
分析内存分配/泄漏
jemalloc、tcmalloc
I/O火焰图
分析磁盘/网络延迟
bcc、bpftrace
差分火焰图
比较两次性能差异（优化前后）
difffolded.pl
如何生成火焰图
https://arthas.aliyun.com/doc/profiler.html
通用流程
数据采集（采样或记录调用栈）
数据折叠（转换为单行格式）
生成SVG（可视化）
示例（Linux下使用perf）
# 1. 采集CPU调用栈（采样99Hz，持续30秒）
perf record -F 99 -g -- sleep 30
# 2. 转换数据为折叠格式
perf script | stackcollapse-perf.pl > out.folded
# 3. 生成火焰图
flamegraph.pl out.folded > flame.svg
其他语言示例
Java（使用async-profiler）
./profiler.sh -d 30 -f /tmp/flame.svg
Python（使用py-spy）
py-spy record -o profile.svg --pid
如何解读火焰图
关键观察点
最宽的矩形 → 资源占用最多的函数（可能是瓶颈）。
高调用栈 → 深层嵌套调用可能影响性能。
平顶函数 → 该函数自身耗时较长（而非调用其他函数）。
常见优化场景
CPU热点：优化最宽的函数（如算法优化、减少循环次数）。
内存泄漏：检查频繁分配内存的函数。
I/O瓶颈：分析文件/网络操作是否阻塞主线程。
火焰图的优缺点
✅ 优点
直观：一眼看出性能瓶颈。
高效：适用于大规模系统分析。
跨语言：支持C/C++、Java、Python、Go等。
❌ 缺点
采样误差：可能遗漏短时函数。
异步代码分析难：如协程、事件循环（需特殊工具支持）。
进阶技巧
差分火焰图
比较优化前后的性能差异：
difffolded.pl before.folded after.folded | flamegraph.pl > diff.svg
红色：性能变差的部分。
绿色：性能优化的部分。
实时火焰图
使用bcc/bpftrace动态监控：
bcc/tools/flamegraph.py -p
工具推荐
工具
适用场景
perf
Linux系统级CPU分析
async-profiler
Java应用性能分析
py-spy
Python程序分析
VTune
Intel CPU深度分析
Brendan Gregg的FlameGraph脚本
通用火焰图生成