本文已收录 https://github.com/lkxiaolou/lkxiaolou 欢迎star。

在Java中，我们用Junit做单元测试，用JMH做性能基准测试（benchmark），用async-profiler剖析cpu性能，用jstack、jmap、arthas等来排查问题。作为一名比较新的编程语言，golang的这些工具是否更加好用呢？

单元测试

Java的单元测试需要使用第三方库，一般是Junit，配置起来比较复杂。在使用了golang之后发现golang自带的单元测试真的非常简单。如果我们有一个cal.go文件，那么其对应的单元测试文件为cal_test.go，其中的方法命名必须为TestXxx，这种按照命名进行单元测试的方式简单有效，也正是通常所说的“约定大于配置”。来看一个简单的例子：

package unitfunc add(a int, b int) int {return a + b}func sub(a int, b int) int {return a - b}

package unitimport ("github.com/stretchr/testify/assert""testing")func TestAdd(t *testing.T) {assert.Equal(t, 10, add(5, 5))}func TestSub(t *testing.T) {assert.Equal(t, 0, sub(5, 5))}

执行单元测试只需要运行（更多用法参考go help test）

go test --cover cal_test.go cal.go -v

benchmark

和单元测试类似，golang的benchmark也是开箱即用。在cal_test.go基础上增加一个BenchmarkAdd方法

package unitimport ("github.com/stretchr/testify/assert""testing")func TestAdd(t *testing.T) {assert.Equal(t, 10, add(5, 5))}func TestSub(t *testing.T) {assert.Equal(t, 0, sub(5, 5))}func BenchmarkAdd(b *testing.B) {for i:= 0; i < b.N; i++ {add(5, 5)}}

执行即可（更多用法参考go help test）

go test -bench=. -cpu=4 -count=3

pprof

pprof是golang自带的可以用来做cpu、内存、锁分析的工具，非常类似java的async-profiler。pprof的使用非常简单，只需要在代码中引入net/http/pprof包，然后监听一个端口即可。一个简单的例子如下：

package mainimport ("fmt""log""net/http""time"_ "net/http/pprof")func main() {go func() {//example: visit http://127.0.0.1:6060/debug/pprof in browser.err := http.ListenAndServe("0.0.0.0:6060", nil)if err != nil {fmt.Println("failed to start pprof goroutine:", err)}}()http.HandleFunc("/", handler)log.Fatal(http.ListenAndServe("localhost:8000", nil))}func handler(w http.ResponseWriter, r *http.Request) {time.Sleep(1 * time.Second)eat()time := time.Now().Unix() * 2 + 1000000fmt.Fprintf(w, "URL.Path = %q; time = %d\\n", r.URL.Path, time)}func eat() {loop := 10000000000for i := 0; i < loop; i++ {// do nothing}}

在命令行中输入

go tool pprof http://127.0.0.1:6060/debug/pprof/profile

同时不停的请求，让pprof能采集到数据，这里我的请求是

curl http://127.0.0.1:8000/hello

等待30秒后，采集结束会显示采集文件的地址

Saved profile in /Users/roshi/pprof/pprof.samples.cpu.003.pb.gz

此时可以使用top等命令直接查看cpu消耗过高的函数，更多命令可以使用help查看。

或者把文件下载下来用可视化的界面来分析，可以使用

go tool pprof -http=":8080" /User/roshi/pprof/pprof.samples.cpu.003.pb.gz

来开启一个可视化的页面，查看，如果报错需要安装graphviz，安装文档在这里可以查找：

https://graphviz.gitlab.io/download/

访问

http://localhost:8080/ui/

可以看到下图，其中面积最大的块表示消耗cpu最多

这里有一篇文章对pprof介绍的很仔细，可以参考：

https://blog.wolfogre.com/posts/go-ppof-practice/

dlv

pprof很好用，但有一个缺点是必须事先在代码中开启，如果线上出问题且没有开启pprof，可能就需要类似jstack、jmap、arthas等这类工具来排查。这里推荐一个最近使用过非常好用的golang问题排查利器——dlv，项目地址见

https://github.com/go-delve/delve

它很有用的一个功能是attach，可以attach到正在运行的golang程序，查看goroutine。这点可以很好的排查线上问题。各个平台的安装在github上写的很清楚，需要说明的是安装dlv的golang版本和要排查进程的golang版本需要保持一致。先写一个测试程序，起两个goroutine，一个运行，一个阻塞

package mainimport ("fmt""sync")func main()  {go count()go wait()wait()}func count()  {count := 0for {count = count + 1if count % 1000000000 == 0 {fmt.Println("I\'m a running routine")}}}func wait()  {wg := sync.WaitGroup{}wg.Add(1)wg.Wait()}

运行起来，然后使用dlv进行attach，如下图（具体命令可以attach后使用help查看）