#采样 vs 插桩

性能剖析有两种核心技术：采样和插桩。它们各有优劣，选择哪个取决于具体场景。

#采样剖析（Sampling）

采样剖析基于 OS 的周期性中断（如 Linux 的 perf_event_open），在每个中断时刻采样线程的调用栈。

flowchart LR
    subgraph OS
        P["perf_event_open\n周期性中断"]
    end

    subgraph 采样
        S1["样本 1: main() -> a() -> b()"]
        S2["样本 2: main() -> a() -> c()"]
        S3["样本 3: main() -> a() -> b()"]
    end

    P --> S1
    P --> S2
    P --> S3

工作原理：

• 每隔固定时间（如 10ms）向目标进程发送信号
• JVM 响应信号，采样当前线程的调用栈
• 重复多次，统计每个调用栈出现的次数

// 采样结果示例
// main() -> service() -> dao.query() - 45 次 (30%)
// main() -> service() -> dao.update() - 30 次 (20%)
// main() -> service() -> cache.get() - 25 次 (17%)

#采样的优点

• 低开销：通常 < 5% CPU 开销
• 可随时启用：不需要修改代码
• 统计准确：样本足够大时，统计结果接近真实
• 适合生产环境：低干扰

#采样的缺点

• 结果具有统计性：需要足够长的采样时间
• 短方法可能被漏掉：如果一个方法执行时间 < 采样间隔，可能检测不到
• 无法获取精确计数：只能知道时间占比，无法知道调用次数

#插桩剖析（Instrumentation）

插桩剖析通过修改字节码，在方法入口和出口插入计时代码。

flowchart LR
    subgraph 原始代码
        O["public void method() {\n    // 业务逻辑\n}"]
    end

    subgraph 插桩后
        I["public void method() {\n    long start = System.nanoTime();\n    // 业务逻辑\n    record(start, \"method\");\n}"]
    end

    O -->|"字节码修改"| I

工作原理：

• 在方法入口记录开始时间
• 在方法出口记录结束时间
• 计算执行时长并上报

#插桩的优点

• 精确到方法：能获取每个方法的执行时间和调用次数
• 无遗漏：无论方法执行多快，都能记录
• 功能丰富：可以记录入参、返回值、异常

#插桩的缺点

• 有性能开销：可能放大 2x-10x
• 需要修改代码或字节码：增加了复杂度
• 可能改变优化决策：插桩代码本身可能影响 JIT 优化

#对比总结

#实战选择

#场景一：生产环境 CPU 热点分析

推荐：采样剖析（async-profiler）

# 30 秒 CPU 采样
./async-profiler.sh start -d 30 -f profile.html -e cpu <pid>

理由：生产环境不能承受高开销，采样足以定位 CPU 热点。

#场景二：定位特定方法的耗时

推荐：插桩剖析（Arthas trace）

# 追踪方法调用链路
trace com.example.Service processOrder

理由：需要精确到方法级别的耗时，插桩可以提供。

#场景三：分析内存分配

推荐：采样剖析（async-profiler alloc）

# 采样内存分配
./async-profiler.sh start -d 30 -f alloc.html -e alloc <pid>

理由：内存分配分析通常是采样，插桩开销太大。

#场景四：测试环境性能验证

推荐：插桩剖析（JFR profiling）

# JFR profiling 模式
java -XX:+FlightRecorder \
     -XX:StartFlightRecording=name=profile,settings=profile \
     -jar app.jar

理由：测试环境可以承受一定开销，插桩提供更精确的数据。

#采样与插桩的结合

最佳实践是先用采样找到热点区域，再用插桩精确测量。

flowchart LR
    A["采样剖析\n快速定位热点区域"] --> B["插桩剖析\n精确测量该区域"]
    B --> C["优化代码"]
    C --> D["采样剖析\n验证效果"]

#本章小结

采样和插桩是互补的技术：

• 采样：低开销、统计准确，适合快速定位，适合生产环境
• 插桩：精确到方法、功能丰富，适合精确诊断，适合测试环境

实战建议：先用采样定位问题区域，再用插桩精确分析。

#延伸思考

为什么 async-profiler 比原生 perf 更适合 Java？

原生 perf 只能看到内核函数和汇编指令，看不到 Java 方法名和行号。async-profiler 通过 JVMTI 和 JVM 内部机制，可以获取：

• Java 方法名
• 行号
• 类名
• 甚至内联函数

这就是为什么 Java 性能剖析需要专门的工具。