这篇文章主要讲解了“Node.js性能监控实例分析”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“Node.js性能监控实例分析”吧！
让客户满意是我们工作的目标，不断超越客户的期望值来自于我们对这个行业的热爱。我们立志把好的技术通过有效、简单的方式提供给客户，将通过不懈努力成为客户在信息化领域值得信任、有价值的长期合作伙伴，公司提供的服务项目有：国际域名空间、虚拟空间、营销软件、网站建设、左贡网站维护、网站推广。
Node作为Javascript在服务端的一个运行时（Runtime），极大的丰富了Javascript的应用场景。
但是Node.js Runtime本身是一个黑盒，我们无法感知运行时的状态，对于线上问题也难以复现。
因此性能监控是Node.js应用程序「正常运行」的基石。不仅可以随时监控运行时的各项指标，还可以帮助排查异常场景问题。
性能监控可以分为两个部分：
性能指标的采集和展示
进程级别的数据：CPU，Memory，Heap，GC等
系统级别的数据：磁盘占用率，I/O负载，TCP/UDP连接状态等
应用层的数据：QPS，慢HTTP，业务处理链路日志等
性能数据的抓取和分析
Heapsnapshot：堆内存快照
Cpuprofile：CPU快照
Coredump：应用崩溃快照
从上图可以看到目前主流的三种Node.js性能监控方案的优缺点，以下是简单介绍这三种方案的组成：
Prometheus
prom-client是prometheus的nodejs实现，用于采集性能指标
grafana是一个可视化平台，用来展示各种数据图表，支持prometheus的接入
只支持了性能指标的采集和展示，排查问题还需要其他快照工具，才能组成闭环
AliNode
整合了agentx + commdx的便利工具
v8的运行时内存状态监控
libuv的运行时状态监控
在线故障诊断功能：堆快照、CPU Profile、GC Trace等
alinode是一个兼容官方nodejs的拓展运行时，提供了一些额外功能：
agenthub是一个常驻进程，用来收集性能指标并上报
整体从监控，展示，快照，分析形成闭环，接入便捷简单，但是拓展运行时还是有风险
Easy-Monitor
xprofiler 负责进行实时的运行时状态采样，以及输出性能日志（也就是性能数据的抓取）
xtransit 负责性能日志的采集与传输
跟AliNode最大的区别在于使用了Node.js Addon来实现采样器
通过process.cpuUsage()可以获取当前进程的CPU耗时数据，返回值的单位是微秒
user：进程执行时本身消耗的CPU时间
system：进程执行时系统消耗的CPU时间
通过process.memoryUsage()可以获取当前进程的内存分配数据，返回值的单位是字节
rss：常驻内存，node进程分配的总内存大小
heapTotal：v8申请的堆内存大小
heapUsed：v8已使用的堆内存大小
external：v8管理的C++所占用的内存大小
arrayBuffers：分配给ArrayBuffer的内存大小
从上图可以看出，rss包含代码段(Code Segment)、栈内存(Stack)、堆内存(Heap)
Code Segment：存储代码段
Stack：存储局部变量和管理函数调用
Heap：存储对象、闭包、或者其他一切
通过v8.getHeapStatistics()和v8.getHeapSpaceStatistics()可以获取v8堆内存和堆空间的分析数据，下图展示了v8的堆内存组成分布：
堆内存空间先划分为空间（space），空间又划分为页（page），内存按照1MB对齐进行分页。
New Space：新生代空间，用来存放一些生命周期比较短的对象数据，平分为两个空间（空间类型为semi space）：from space，to space
晋升条件：在New space中经过两次GC依旧存活
Old Space：老生代空间，用来存放New Space晋升的对象
Code Space：存放v8 JIT编译后的可执行代码
Map Space：存放Object指向的隐藏类的指针对象，隐藏类指针是v8根据运行时记录下的对象布局结构，用于快速访问对象成员
Large Object Space：用于存放大于1MB而无法分配到页的对象
v8的垃圾回收算法分为两类：
Major GC：使用了Mark-Sweep-Compact算法，用于老生代的对象回收
Minor GC：使用了Scavenge算法，用于新生代的对象回收
前提：New space分为from和to两个对象空间
触发时机：当New space空间满了
步骤：
在from space中，进行宽度优先遍历
发现存活（可达）对象
已经存活过一次（经历过一次Scavange），晋升到Old space
其他的复制到to space中
当复制结束时，to space中只有存活的对象，from space就被清空了
交换from space和to space，开始下一轮Scavenge
适用于回收频繁，内存不大的对象，典型的空间换时间的策略，缺点是浪费了多一倍的空间
三个步骤：标记、清除、整理
触发时机：当Old space空间满了
步骤：
Marking（三色标记法）
白色：代表可回收对象
黑色：代表不可回收对象，且其所产生的引用都已经扫描完毕
灰色：代表不可回收对象，且其所产生的引用还没扫描完
将V8根对象直接引用的对象放进一个marking queue（显式栈）中，并将这些对象标记为灰色
从这些对象开始做深度优先遍历，每访问一个对象，将该对象从marking queue pop出来，并标记为黑色
然后将该对象引用下的所有白色对象标记为灰色，push到marking queue上，如此往复
直到栈上所有对象都pop掉为止，老生代的对象只剩下黑色（不可回收）和白色（可以回收）两种了
PS：当一个对象太大，无法push到空间有限的栈时，v8会把这个对象保留灰色跳过，将整个栈标记为溢出状态（overflowed），等栈清空后，再次进行遍历标记，这样导致需要额外扫描一遍堆
Sweep
清除白色对象
会造成内存空间不连续
Compact
由于Sweep会造成内存空间不连续，不利于新对象进入GC
把黑色（存活）对象移到Old space的一端，这样清除出来的空间就是连续完整的
虽然可以解决内存碎片问题，但是会增加停顿时间（执行速度慢）
在空间不足以对新生代晋升过来的对象进行分配时才使用mark-compact
在最开始v8进行垃圾回收时，需要停止程序的运行，扫描完整个堆，回收完内存，才会重新运行程序。这种行为就叫全停顿（Stop-The-World）
虽然新生代活动对象较小，回收频繁，全停顿，影响不大，但是老生代存活对象多且大，标记、清理、整理等造成的停顿就会比较严重。
增量回收（Incremental Marking）：在Marking阶段，当堆达到一定大小时，开始增量GC，每次分配了一定量的内存后，就暂停运行程序，做几毫秒到几十毫秒的marking，然后恢复程序的运行。
这个理念其实有点像React框架中的Fiber架构，只有在浏览器的空闲时间才会去遍历Fiber Tree执行对应的任务，否则延迟执行，尽可能少地影响主线程的任务，避免应用卡顿，提升应用性能。
并发清除（Concurrent Sweeping）：让其他线程同时来做 sweeping，而不用担心和执行程序的主线程冲突
并行清除（Parallel Sweeping）：让多个 Sweeping 线程同时工作，提升 sweeping 的吞吐量，缩短整个 GC 的周期
由于v8对于新老生代的空间默认限制了大小
New space 默认限制：64位系统为32M，32位系统为16M
Old space 默认限制：64位系统为1400M，32位系统为700M
因此node提供了两个参数用于调整新老生代的空间上限
--max-semi-space-size：设置New Space空间的最大值
--max-old-space-size：设置Old Space空间的最大值
node也提供了三种查看GC日志的方式：
--trace_gc：一行日志简要描述每次GC时的时间、类型、堆大小变化和产生原因
--trace_gc_verbose：展示每次GC后每个V8堆空间的详细状况
--trace_gc_nvp：每次GC的详细键值对信息，包含GC类型，暂停时间，内存变化等
由于GC日志比较原始，还需要二次处理，可以使用AliNode团队开发的v8-gc-log-parser
对于运行程序的堆内存进行快照采样，可以用来分析内存的消耗以及变化
生成.heapsnapshot文件有以下几种方式：
使用heapdump
使用v8的heap-profile
使用nodejs内置的v8模块提供的api
v8.writeHeapSnapshot(fileName)
v8.getHeapSnapshot()
使用v8-profiler-next
生成的.heapsnapshot文件，可以在Chrome devtools工具栏的Memory，选择上传后，展示结果如下图：
默认的视图是Summary视图，在这里我们要关注最右边两栏：Shallow Size 和 Retained Size
Shallow Size：表示该对象本身在v8堆内存分配的大小
Retained Size：表示该对象所有引用对象的Shallow Size之和
当发现Retained Size特别大时，该对象内部可能存在内存泄漏，可以进一步展开去定位问题
还有Comparison视图是用于比较分析两个不同时段的堆快照，通过Delta列可以筛选出内存变化最大的对象
对于运行程序的CPU进行快照采样，可以用来分析CPU的耗时及占比
生成.cpuprofile文件有以下几种方式：
v8-profiler（node官方提供的工具，不过已经无法支持node v10以上的版本，并不再维护）
v8-profiler-next（国人维护版本，支持到最新node v18，持续维护中）
这是采集5分钟的CPU Profile样例
生成的.cpuprofile文件，可以在Chrome devtools工具栏的Javascript Profiler（不在默认tab，需要在工具栏右侧的更多中打开显示），选择上传文件后，展示结果如下图：
默认的视图是Heavy视图，在这里我们看到有两栏：Self Time和Total Time
Self Time：代表此函数本身（不包含其他调用）的执行耗时
Total Time：代表此函数（包含其他调用函数）的总执行耗时
当发现Total Time和Self Time偏差较大时，该函数可能存在耗时比较多的CPU密集型计算，也可以展开进一步定位排查
当应用意外崩溃终止时，系统会自动记录下进程crash掉那一刻的内存分配信息，Program Counter以及堆栈指针等关键信息来生成core文件
生成.core文件的三种方法：
ulimit -c unlimited打开内核限制
node --abort-on-uncaught-exceptionnode启动添加此参数，可以在应用出现未捕获的异常时也能生成一份core文件
gcore 手动生成core文件
获取.core文件后，可以通过mdb、gdb、lldb等工具实现解析诊断实际进程crash的原因
llnode `which node` -c /path/to/core/dump
从监控可以观察到堆内存在持续上升，因此需要堆快照进行排查
根据heapsnapshot可以分析排查到有一个newThing的对象一直保持着比较大的内存
从代码中可以看到虽然unused方法没有调用，但是newThing对象是引用自theThing，导致其一直存在于replaceThing这个函数的执行上下文中，没有被释放，这就是典型的由于闭包产生的内存泄漏案例
常见的内存泄漏有以下几种情况：
全局变量
闭包
定时器
事件监听
缓存
因此在上述这几种情况时，一定要谨慎考虑对象在内存中是否会被自动回收，不会被自动回收的话，需要手动进行回收，比如手动把对象设置为null、移除定时器、解绑事件监听等
感谢各位的阅读，以上就是“Node.js性能监控实例分析”的内容了，经过本文的学习后，相信大家对Node.js性能监控实例分析这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是创新互联，小编将为大家推送更多相关知识点的文章，欢迎关注！