应用性能剖析该不该用：先看它解决的问题是不是你的问题

采样型 profiler 的开销通常在 1-5%，可以在生产短时开启

它擅长的是CPU 飙高的定位；如果你只是接口变慢的归因，用现成的东西更省事。

先说结论

剖析的价值在「知道该优化哪一行」，不在生成一张好看的图

• 适合：CPU 飙高的定位
• 不适合：内存增长的排查
• 学习成本：火焰图的宽度是采样占比，不是耗时绝对值，别拿它当基准测试
• 最大收益：只看 CPU 火焰图会漏掉「等 IO」和「等锁」，这两类要另外看
• 最大风险：拿火焰图当性能测试，优化完发现线上没变化

它到底解决什么

采样型 profiler 的开销通常在 1-5%，可以在生产短时开启。

换句话说，它把「CPU 飙高的定位」这件事从手工变成可重复的流程。这是它真正的价值，而不是功能列表的长度。

什么时候不该用

下面三种情况，用了反而更累：

拿火焰图当性能测试，优化完发现线上没变化

在压测环境做剖析，流量形态和线上完全不同

开全量埋点 profiler，开销 20%，把问题变成另一个问题

和替代方案比

30 秒采样能覆盖多数抖动，低于 5 秒的样本量不足以定论。

这台工具的关键细节

几个决定长期体验的点：

• 火焰图的宽度是采样占比，不是耗时绝对值，别拿它当基准测试
• 只看 CPU 火焰图会漏掉「等 IO」和「等锁」，这两类要另外看
• 30 秒采样能覆盖多数抖动，低于 5 秒的样本量不足以定论
• 容器里跑 perf 需要 CAP_PERFMON 或 privileged，否则读不到内核符号

我的建议

剖析的价值在「知道该优化哪一行」，不在生成一张好看的图。

先用两周，跑一个真实的小任务；两周后你还想用它，再谈长期。

还有几处容易忽略的

都是小地方，但出问题时往往就卡在这里。

• 采样型 profiler 的开销通常在 1-5%，可以在生产短时开启
• 内存剖析要区分分配次数和分配大小，泄漏常是次数少但每次很大

工具是解法，不是身份。