|
|
## GoSkeleton 项目骨架性能分析报告（三）
|
|
|
> 1.内存分析篇我们原计划分为2篇：主线逻辑和操作数据库部分,但是经过测试发现，如果不操作数据库处理大量数据，主线逻辑基本不占用内存，根本就采集不到有效数据.
|
|
|
> 2.基于第一条因素，我们将内存占用分析限定在操作数据库代码段，分析相关代码段内存占用，得出可视化的性能分析报告。
|
|
|
|
|
|
|
|
|
### 操作数据库, 我们需要做如下铺垫代码
|
|
|
> 1.我们本次分析的核心是在数据库操作部分, 因此我们在路由出添加如下代码，访问路由即可触发数据库的调用.
|
|
|
```code
|
|
|
router.GET("/", func(context *gin.Context) {
|
|
|
// 默认路由处直接触发数据库调用
|
|
|
if model.CreateTestFactory("").SelectDataMultiple() {
|
|
|
context.String(200,"批量查询数据OK")
|
|
|
} else {
|
|
|
context.String(200,"批量查询数据出错")
|
|
|
}
|
|
|
context.String(http.StatusOK, "Api 模块接口 hello word！")
|
|
|
})
|
|
|
```
|
|
|
|
|
|
> 2.操作数据库部分代码，主要逻辑是每次查询1000条，循环查询了500次，每一次将结果存储在变量,并且在最后一次输出了结果集.
|
|
|
```code
|
|
|
// 超多数据批量查询的正确姿势
|
|
|
func (t *Test) SelectDataMultiple() bool {
|
|
|
// 如果您要亲自测试，请确保相关表存在，并且有数据
|
|
|
sql := `
|
|
|
SELECT
|
|
|
code,name,company_name,concepts,indudtry,province,city,introduce,created_at
|
|
|
FROM
|
|
|
db_stocks.tb_code_list
|
|
|
LIMIT 0, 1000 ;
|
|
|
`
|
|
|
//1.首先独立预处理sql语句，无参数
|
|
|
if t.PrepareSql(sql) {
|
|
|
// 你可以模拟插入更多条数据，例如 1万+
|
|
|
var code, name, company_name, concepts, indudtry, province, city, introduce, created_at string
|
|
|
|
|
|
type Column struct {
|
|
|
Code string `json:"code"`
|
|
|
Name string `json:"name"`
|
|
|
Company_name string `json:"company_name"`
|
|
|
Concepts string `json:"concepts"`
|
|
|
Indudtry string `json:"indudtry"`
|
|
|
Province string `json:"province"`
|
|
|
City string `json:"city"`
|
|
|
Introduce string `json:"introduce"`
|
|
|
Created_at string `json:"created_at"`
|
|
|
}
|
|
|
|
|
|
|
|
|
for i := 1; i <= 500; i++ {
|
|
|
var nColumn = make([]Column, 0)
|
|
|
//2.执行批量查询
|
|
|
rows := t.QuerySqlForMultiple()
|
|
|
if rows == nil {
|
|
|
variable.ZapLog.Sugar().Error("sql执行失败，sql:", sql)
|
|
|
return false
|
|
|
} else {
|
|
|
for rows.Next() {
|
|
|
_ = rows.Scan(&code, &name, &company_name, &concepts, &indudtry, &province, &city, &introduce, &created_at)
|
|
|
oneColumn := Column{
|
|
|
code,
|
|
|
name,
|
|
|
company_name,
|
|
|
concepts,
|
|
|
indudtry,
|
|
|
province,
|
|
|
city,
|
|
|
introduce,
|
|
|
created_at,
|
|
|
}
|
|
|
nColumn = append(nColumn, oneColumn)
|
|
|
|
|
|
}
|
|
|
//// 我们只输出最后一行数据
|
|
|
if i == 500 {
|
|
|
fmt.Println("循环结束，最终需要返回的结果成员数量：",len(nColumn))
|
|
|
fmt.Printf("%#+v\n",nColumn)
|
|
|
}
|
|
|
}
|
|
|
rows.Close()
|
|
|
}
|
|
|
}
|
|
|
variable.ZapLog.Info("批量查询sql执行完毕！")
|
|
|
return true
|
|
|
}
|
|
|
|
|
|
```
|
|
|
### 内存占用 底层数据采集步骤
|
|
|
> 1.浏览器访问pprof接口：`http://127.0.0.1:20191/debug/pprof/heap?seconds=30`, 该过程会持续 30 秒,采集本进程内存变化数据.
|
|
|
> 2.新开浏览器窗口,输入 `http://127.0.0.1:20191/` 刷新,触发路由中的数据库操作代码, 等待被 pprof 采集数据.
|
|
|
> 3.稍等片刻，30秒之后，您点击过的步骤1就会提示下载文件：`heap-delta`, 请保存在您能记住的路径中，稍后马上使用该文件(heap-delta), 至此内存占用数据已经采集完毕.
|
|
|
|
|
|
### 内存占用数据分析步骤
|
|
|
> 1.首先下载安装 [graphviz](https://www.graphviz.org/download/) ,根据您的系统选择相对应的版本安装，安装完成记得将`安装目录/bin`, 加入系统环境变量.
|
|
|
> 2.打开cmd窗口,执行 `dot -V` ,会显示版本信息，说明安装已经OK, 那么继续执行 `dot -c` 安装图形显示所需要的插件.
|
|
|
> 3.我们已经得到了 `heap-delta` 文件,那么就在同目录打开cmd窗口,执行 `go tool pprof -inuse_space heap-delta`, 然后输入 `web` 回车就会自动打开浏览器，展示给您如下结果图：
|
|
|
|
|
|
### 报告详情参见如下图
|
|
|
|
