go提供了打来嗯api套件来处理逻辑问题或是性能问题。
诊断方案可分成以下几种：
- profiling：分析
- 主要分析go程序的复杂度和消耗
- eg：内存使用，或是函数调用频率
- tracing：跟踪
- 是一种工具代码
- 在调用或用户请求中的整个生命周期中，分析延时
- debugging：调试
- 通过调试，可以暂停并分析程序的执行
- 在调试过程中可校验程序的状态和流程
- runtime statistics and events：运行时统计和事件
- 对运行时状态和事件的搜集和分析
- 有助于分析吞吐量/利用率/性能的变化
这些工具尽量单独使用。
在分析复杂度和函数的调用频率时，非常方便。 最牛的是go提供了可视化工具来查看结果。
runtime/pprof包提供了下面几种分析：
- cpu，查看cpu消耗
- heap，查看内存使用，用于分析内存泄漏
- threadcreate，创建新系统线程时进行报告
- gorotine，分析当前协程的调用栈
- block，显示同步原语中，协程阻塞在哪儿，这个默认没有启用
- mutex，分析锁，默认没有启用
还有其他可分析的工具吗
- linxu上，perf tools可以用于分析内核瓶颈
- macos上，instruments可分析go程序
具体工具的使用，后面会用文章来补充
在一个链式调用中，分析每个函数用了多长时间，用tracing最好。
golang.org/x/net/trace。
跟踪让我们：
- 可以在go程序中测量并分析延时
- 在链式调用中，计算某个调用花了多少时间
- 分析利用率和性能调优，跟踪并不一定能很明显看到瓶颈
单进程多协程的容易跟踪，不容易跟踪的是分布式程序。 在分布式程序中，通过分析一个请求到响应的时间也是一种方法。
分布式跟踪让我们：
- 在一个大系统中进行测量并分析程序的延时
- 可以跟踪所有rpc调用
- 找出整个系统的性能提升点
go生态提供了多种和后端无关的分布式跟踪库
调试用delve或gdb
编译时可指定不优化： go build -gcflags=all="-N -l"
支持分析core文件
也是利用跟踪来实现，可用于：
- 理解协程执行
- 理解某些核心运行时事件，eg：gc
- 瓶颈分析
这篇文章主要介绍了能做什么，具体怎么做，还需要看其他文章