无法得到golang pprof工作

import "fmt"
import "github.com/davecheney/profile"

func fact(n int) int {
      if n == 0 {
        return 1
      }
      return n * fact(n-1)
}

func main() {
      defer profile.Start(profile.CPUProfile).Stop()
      fmt.Println(fact(30))
}

正如inf所提到的,你的代码执行得太快了.原因是pprof通过在执行期间反复暂停程序来工作,查看当时正在运行的函数并将其写入(与整个函数调用堆栈一起). Pprof样品的速率为每秒100个样品.这在运行时/ pprof / pprof.go中是硬编码的,因为您可以轻松检查(参见 https://golang.org/src/runtime/pprof/pprof.go第575行及其上面的注释)：

func StartCPUProfile(w io.Writer) error {
// The runtime routines allow a variable profiling rate,// but in practice operating systems cannot trigger signals
// at more than about 500 Hz,and our processing of the
// signal is not cheap (mostly getting the stack trace).
// 100 Hz is a reasonable choice: it is frequent enough to
// produce useful data,rare enough not to bog down the
// system,and a nice round number to make it easy to
// convert sample counts to seconds.  Instead of requiring
// each client to specify the frequency,we hard code it.
const hz = 100

// Avoid queueing behind StopCPUProfile.
// Could use TryLock instead if we had it.
if cpu.profiling {
    return fmt.Errorf("cpu profiling already in use")
}

cpu.Lock()
defer cpu.Unlock()
if cpu.done == nil {
    cpu.done = make(chan bool)
}
// Double-check.
if cpu.profiling {
    return fmt.Errorf("cpu profiling already in use")
}
cpu.profiling = true
runtime.SetCPUProfileRate(hz)
go profileWriter(w)
return nil

}

程序运行的时间越长,可以制作的样本越多,可能性越小,也会对短运行函数进行采样.如果您的程序在完成第一个样本之前完成,则生成的cpu.pprof将为空.

从上面的代码中可以看出,采样率设置为

runtime.SetCPUProfileRate(..)

如果在调用StartCPUProfile()之前使用其他值调用runtime.SetCPUProfileRate(),则可以覆盖采样率.在执行程序期间,您将收到一条警告消息,告诉您“运行时：在上一个配置文件完成之前无法设置cpu配置文件速率”.你可以忽略.结果是因为pprof.go再次调用SetCPUProfileRate().由于您已经设置了值,因此将忽略pprof中的值.

此外,Dave Cheney发布了他的分析工具的新版本,你可以在这里找到它：https://github.com/pkg/profile.在那里,除其他更改外,您还可以指定写入cpu.pprof的路径：

defer profile.Start(profile.CPUProfile,profile.ProfilePath(".")).Stop()

你可以在这里阅读：http://dave.cheney.net/2014/10/22/simple-profiling-package-moved-updated

顺便说一下,即使你把int64作为参数和返回值,你的fact()函数也会快速溢出. 30！大约是2 * 10 ^ 32,而int64存储的值最多只有2 ^ 63-1,大约是9 * 10 ^ 18.