2026年11月22日,InfoQ中国报道,Pinterest与英特尔宣布合作扩展开源持续性能分析工具gProfiler,增强其在超大规模多语言生产环境下的跨语言、跨机器统一分析能力,并新增动态分析、硬件层遥测与挂钟时间火焰图等特性,同时完成集群级稳定性加固。
Pinterest运维着数十万个实例,为6.4亿月活跃用户提供支撑,业务服务采用Java、Python、C++、Go和Node.js编写。在这样的规模下,即使很小的效率提升也会带来显著的基础设施和成本影响。工程师此前使用perf、async-profiler和py-spy等工具,生成的性能分析数据碎片化,很难跨语言、跨机器关联分析。Pinterest没有自研闭源平台,而是联合英特尔扩展gProfiler并将新增能力回馈社区。
gProfiler作为多个性能分析工具的编排层,将系统级perf数据与运行时专用工具(如Java的async-profiler、基于eBPF的Python分析)结合,为单台主机上运行的全部进程生成统一火焰图。代理可自动发现进程、启动相应分析器、合并堆栈跟踪并上传数据,全程无需修改应用代码。新能力让工程师可通过UI或API选择服务、主机或集群远程触发分析,代理平时休眠,CPU占用低于1%,内存约100MB。
通过与Intel PerfSpect集成,gProfiler可收集缓存行为、内存带宽和CPU停顿等硬件级信息,并新增PMC火焰图,将函数与缓存未命中、分支预测错误等硬件事件关联。挂钟时间分析则可可视化线程等待IO、锁或远程调用造成的耗时。数据采集与分析相分离,分析数据存储在S3中,通过SQS异步索引,存入ClickHouse用于查询,React前端提供火焰图交互浏览。
Pinterest和英特尔还针对生产环境加固平台,解决代理资源消耗、磁盘占用、TB级数据摄入等问题后才部署到整个集群。在Parca、Grafana Pyroscope及Datadog等商业平台竞争加剧的持续性能分析赛道,gProfiler的差异化在于侧重系统级、多运行时性能分析以及开源可扩展性。
扫码查看视频号
咨询
咨询