Profiler 专栏导览
专栏定位
持续性能剖析（Continuous Profiling）是可观测性四大支柱中最年轻、也最被低估的信号。指标告诉你”P99 延迟升高了”，链路追踪告诉你”慢在 order-service 的 processOrder 方法”，日志告诉你”GC 暂停了 500ms”——但它们都无法回答**“这个方法内部到底在做什么？CPU 时间花在了哪一行代码上？”**。Profiler 填补了这个盲区：它以函数调用栈的粒度记录程序的运行时行为，通过火焰图将”CPU 在哪些函数上花了多少时间”直观地展示出来。
本专栏从持续剖析的概念出发，深入讲解火焰图的阅读技巧、eBPF 在内核级性能观测中的革命性作用，以及 SkyWalking 如何将 Profiler 集成到 APM 平台中，实现”从指标告警 → 链路定位 → 代码级剖析”的完整排查闭环。
目录
| 序号 | 文章 | 核心内容 |
|---|---|---|
| 01 | 01 持续性能剖析 | Profiling 的定义与分类（CPU/Memory/Lock/Alloc）、采样原理、传统 Profiling vs 持续 Profiling、主流平台对比 |
| 02 | 02 火焰图阅读与性能问题识别 | 火焰图的数据结构与生成原理、阅读技巧、常见性能模式识别（CPU 热点、锁竞争、内存泄漏） |
| 03 | 03 eBPF Profiling 内核级性能观测 | eBPF 的原理与安全模型、基于 eBPF 的零侵入 Profiling、Pyroscope/Parca 等工具 |
| 04 | 04 SkyWalking 集成 Profiler | SkyWalking 线程栈采样 Profiler 的原理、与 Trace 的关联、生产实践 |
推荐阅读路径
- 快速上手：01 → 02
- 深度技术：01 → 03 → 04
- APM 集成：02 → 04