首发于：https://studygolang.com/articles/35253

然而，自从我们发布了我们的 [持续分析产品](https://www.polarsignals.com/blog/posts/2021/02/09/announcing-polar-signals-continuous-profiler/) 之后，收到了很多工程师的反馈，发现许多工程师不知道如何去分析， 或者不知道分析能给他们带来什么好处。这篇文章主要剖析 pprof 标签，并会结合一些 Go 的示例代码去分析。

pprof 标签只支持 Go 的 CPU 分析器。Go 的分析器是抽样分析，这意味着它只会根据特定的频率（默认是 1 秒钟 100 次）去获取执行中函数的调用栈并记录。简单来说，开发者如果使用标签，在分析器取样时就可以将函数的调用栈进行区分，然后只聚合具有相同标签的函数调用栈。

为了进行演示如何使用 pprof 标签，我们创建了一个包含许多示例的仓库，这个示例仓库代码作为这篇文章的内容指导。仓库地址：[https://github.com/polarsignals/pprof-labels-example](https://github.com/polarsignals/pprof-labels-example)

示例代码的 [`main.go`](https://github.com/polarsignals/pprof-labels-example/blob/60accf8b4fbebcd5f96b3743663af5745ef74596/main.go) 通过将 `tanant` 传递给 `iterate` 函数实现了大量的 for 循环， 其中`tanant1` 做了 10 亿次循环，而 `tanant2` 做了 1 亿次循环，同时会记录 CPU 的分析日志并将其写入 `./cpuprofile.pb.gz`。

为了演示如何在 pprof 的分析日志中展示 pprof 标签，用 [`printprofile.go`](https://github.com/polarsignals/pprof-labels-example/blob/60accf8b4fbebcd5f96b3743663af5745ef74596/printprofile.go) 来打印每次抽样函数调用栈以及样本值，还有收集到样本的标签。

如果我们注释掉 [`pprof.Do` 的这部分](https://github.com/polarsignals/pprof-labels-example/blob/60accf8b4fbebcd5f96b3743663af5745ef74596/main.go#L39-L41) ，我们将无法进行标签检测，运行 [`printprofile.go`](https://github.com/polarsignals/pprof-labels-example/blob/60accf8b4fbebcd5f96b3743663af5745ef74596/printprofile.go) 代码，让我们看看没有标签的抽样分析结果：

将所有抽样加起来总共花费了 2.82 秒，然而，因为调用 `iterate` 时，我们添加了标签，所以我们能在结果中区分哪个 `tenant` 导致了更多的 CPU 占用。现在我们可以看到 `tenant1` 花费了总时间 2.82 秒中的 2.55 秒（2540000000ns + 10000000ns = 2550000000ns = 2.55s）。

location_id: 1

location_id: 2

location_id: 3

location_id: 4

location_id: 5

value: 1

value: 10000000

location_id: 1

location_id: 2

location_id: 3

location_id: 4

location_id: 5

value: 254

value: 2540000000

label {

key: 14

str: 15

}

location_id: 6

location_id: 2

location_id: 3

location_id: 4

location_id: 5

value: 1

value: 10000000

label {

key: 14

str: 15

}

location_id: 1

location_id: 2

location_id: 3

location_id: 7

location_id: 5

value: 26

value: 260000000

label {

key: 14

str: 16

}

我们可以看到每个抽样都由许多 ID 组成，这些 ID 指向它们在分析日志 `location` 数组中的位置，除了这些 ID 还有几个值。仔细看下 `printprofile.go` 程序，你会发现它使用了每个抽样的最后一个抽样 value。实际上，Go 的 CPU 分析器会记录两个 value，第一个代表这个调用栈在一次分析区间被记录样本的数量，第二个代表它花费了多少纳秒。pprof 的定义描述当没设置 `default_sample_type` 时（在 Go 的 CPU 配置中设置），就使用所有 value 中的最后一个，因此我们使用的是代表纳秒的 value 而不是样本数的 value。最后，我们可以打印出标签，它是 pprof 定义的一个以字符串组成的字典。