首页 / Node.js 教程 / 性能分析 Profiling

← 上一篇 下一篇 →
Node.js 教程

性能分析 Profiling

本教程共 76 篇 · 第 67 篇 · 更新于 2026-07-25 · 约 6 分钟阅读

Node.js性能分析profiling火焰图CPU

67. 性能分析 Profiling

本节目标：用 —prof 和火焰图分析 CPU 性能瓶颈。

“程序慢” 是一个症状，不是病因。本章教你用 Node.js 内置的 profiler 和其他工具，像医生做 CT 一样找到代码里的性能病灶。

内置 V8 Profiler：--prof

Node.js 内置了基于 V8 的 CPU profiler，不需要安装任何第三方包。原理是定期采样（默认每秒 1000 次），记录当前执行栈在哪些函数里停留，生成一个 tick 文件。

准备一个有性能问题的程序

我们写一个故意有问题的 HTTP 服务，用同步的 pbkdf2Sync 做密码哈希：

import http from 'node:http';
import crypto from 'node:crypto';

const users = new Map();

const server = http.createServer((req, res) => {
  const url = new URL(req.url, `http://${req.headers.host}`);

  if (url.pathname === '/register') {
    const username = url.searchParams.get('username') || 'user';
    const password = url.searchParams.get('password') || 'pass';

    // 同步哈希，阻塞事件循环！
    const salt = crypto.randomBytes(128).toString('base64');
    const hash = crypto.pbkdf2Sync(password, salt, 100000, 512, 'sha512');
    users.set(username, { salt, hash });

    res.writeHead(200);
    res.end('registered\n');
    return;
  }

  if (url.pathname === '/auth') {
    const username = url.searchParams.get('username') || 'user';
    const password = url.searchParams.get('password') || 'pass';
    const user = users.get(username);

    if (!user) {
      res.writeHead(401);
      res.end('not found\n');
      return;
    }

    // 又是同步哈希！
    const hash = crypto.pbkdf2Sync(password, user.salt, 100000, 512, 'sha512');
    if (crypto.timingSafeEqual(hash, user.hash)) {
      res.writeHead(200);
      res.end('ok\n');
    } else {
      res.writeHead(401);
      res.end('fail\n');
    }
    return;
  }

  res.writeHead(404);
  res.end('not found\n');
});

server.listen(3000, () => console.log('监听 3000'));

保存为 slow-app.mjs。

运行 profiling

# 1. 用 --prof 启动应用
node --prof slow-app.mjs

# 2. 在另一个终端施加负载（用 curl 或 ab）
curl "http://localhost:3000/register?username=test&password=123"
ab -n 50 -c 5 "http://localhost:3000/auth?username=test&password=123"

# 3. 停止应用（Ctrl+C），当前目录会生成一个 tick 文件
# 文件名类似：isolate-0x1234567890ab-v8.log

处理 tick 文件

# 用 --prof-process 处理日志
node --prof-process isolate-0x*-v8.log > profile.txt

打开 profile.txt，你会看到几个关键部分。

Summary（摘要）：

 [Summary]:
   ticks  total  nonlib   name
     15    0.1%    0.1%  JavaScript
  15234   97.5%   99.3%  C++
     12    0.1%    0.1%  GC
    267    1.7%          Shared libraries
    102    0.7%          Unaccounted

97.5% 的时间花在 C++ 代码里。这说明瓶颈不在 JavaScript 层面，而在某个原生调用上。

C++ 部分：

 [C++]:
   ticks  total  nonlib   name
   8234   52.7%   53.7%  node::crypto::PBKDF2(...)
   2101   13.4%   13.7%  _sha1_block_data_order
   1567   10.0%   10.2%  _malloc_zone_malloc

一目了然：52.7% 的 CPU 时间耗在 PBKDF2 上，也就是我们的 pbkdf2Sync。

Bottom up (heavy) profile：

   ticks parent  name
   8234   52.7%  node::crypto::PBKDF2(...)
   8234  100.0%    v8::internal::Builtins::~Builtins()
   8234  100.0%      LazyCompile: ~pbkdf2 crypto.js:557:16
   8234  100.0%        LazyCompile: *exports.pbkdf2Sync crypto.js:552:30

这里清晰地展示了调用链：pbkdf2Sync → pbkdf2 → PBKDF2（C++ 层）。

修复并验证

把同步版本改成异步版本：

// 替换 pbkdf2Sync 为 pbkdf2
crypto.pbkdf2(password, salt, 100000, 512, 'sha512', (err, hash) => {
  if (err) { /* ... */ }
  users.set(username, { salt, hash });
  res.writeHead(200);
  res.end('registered\n');
});

重新用 --prof 跑一遍，PBKDF2 会从 C++ 采样里消失，事件循环不再被阻塞，并发能力大幅提升。

Note

--prof 的采样开销很小，可以在生产环境短时启用。但不建议长期开着，毕竟还是有额外负担。

Chrome DevTools：可视化的 profiler

命令行看数字不够直观，Chrome DevTools 提供了火焰图（Flame Graph）视图。

生成 CPU profile 文件

用内置的 inspector 协议：

node --inspect server.mjs

或者启动时立即断点：

node --inspect-brk server.mjs

打开 Chrome，访问 chrome://inspect，点击 “Open dedicated DevTools for Node”。在 Performance 标签页点击录制按钮，施加负载后停止，就能看到火焰图。

用编程方式导出 .cpuprofile

如果你想把 profiling 集成到 CI 流程里，可以用 inspector 模块程序化控制：

import inspector from 'node:inspector';
import fs from 'node:fs';

const session = new inspector.Session();
session.connect();

// 开始 CPU profiling
session.post('Profiler.enable', () => {
  session.post('Profiler.start', () => {
    console.log('CPU profiling 开始，10 秒后结束');

    setTimeout(() => {
      session.post('Profiler.stop', (err, { profile }) => {
        if (err) throw err;
        fs.writeFileSync('profile.cpuprofile', JSON.stringify(profile));
        console.log('已保存 profile.cpuprofile');
        session.disconnect();
        process.exit(0);
      });
    }, 10000);
  });
});

把这段代码和业务逻辑跑在一起，结束后得到 profile.cpuprofile，拖到 Chrome DevTools 的 Performance 面板就能分析。

火焰图怎么看

火焰图（Flame Graph）是把采样结果可视化的一种方式。每一层是一个函数，宽度代表该函数在采样中出现的比例。看火焰图的技巧：

  1. 找最宽的塔：宽就是耗时长，优化它收益最大。
  2. 从下往上看：底部是调用栈的根，往上是被调用的函数。
  3. 关注 “平顶”：如果某个函数的宽度几乎和它的父函数一样宽，说明它自己就是热点，而不是因为被调用了太多次。

在 DevTools 里，橙色条是 JavaScript，绿色是 V8 内部，蓝色是原生/C++。如果你看到一片橙色里某个函数特别宽，那就是你的优化目标。

火焰图工具：0x

如果你希望一键生成火焰图，可以用 0x 这个工具：

npm install -g 0x

# 生成火焰图
0x slow-app.mjs

运行结束后会自动打开浏览器展示 SVG 火焰图。0x 内部整合了 perf（Linux）或采样逻辑，对 v24 兼容良好。

Clinic.js：诊断套件

NearForm 出品的 Clinic.js 是 Node.js 性能诊断的专业工具集，包含三个子工具：

npm install -g clinic

# Doctor：综合分析，给建议
clinic doctor -- node slow-app.mjs

# Flame：CPU 火焰图
clinic flame -- node slow-app.mjs

# Bubbleprof：异步流分析，定位 I/O 瓶颈
clinic bubbleprof -- node slow-app.mjs

clinic doctor 是我最喜欢的。它跑一遍你的应用，收集 CPU、内存、事件循环等指标，最后生成一个 HTML 报告，直接告诉你 “事件循环延迟过高”、“CPU 占用不均衡” 之类的结论，并给出优化方向。

性能分析的正确姿势

很多新手容易犯的错：

  1. 凭感觉优化。没 profiling 就改代码，改了半天发现瓶颈根本不在这里。
  2. 只看平均值。P50 响应时间好看不代表没问题，P99 可能高得吓人。profiler 里也要关注长尾。
  3. 在开发机测性能。开发机的 CPU、内存、网络和生产完全不同，测量结果没有参考价值。至少要在 staging 环境测。
  4. 一次改太多。优化后重新 profiling，确认真的变快了，再改下一处。

推荐的流程：

建立基准（ab/autocannon） → 运行 profiler → 找到热点 → 优化代码 → 重新测试 → 对比提升
上一篇
开发与生产环境差异
下一篇
内存诊断