[GCP 教學] Cloud Profiler 是 Cloud Trace 什麼東東？

東東 — Mon, 02 Dec 2024 09:47:20 +0000

我常常搞混這兩個東西，我每次考 GCP 證照都會弄錯，真的好幾十次，所以特別寫下來，防止再次搞混。

官網 Cloud Profiler 介紹：

Cloud Profiler 可持續分析在應用程式執行時，那些占用大量 CPU 運算資源或記憶體的函式效能，並據此改善問題。

Cloud Profiler 會以互動式火焰圖呈現相關函式的呼叫階層與資源耗用情形，協助開發人員瞭解哪些路徑使用最多資源，以及程式碼的各種實際呼叫方式。

官網 Cloud Trace 介紹：

收集應用程式的 Latency 資料，並且即時呈現。

Cloud Trace 專門用於分散式追蹤，能夠追蹤和分析服務之間的請求 Latency，特別適合微服務架構中的效能監控。

Cloud Profiler vs Cloud Trace 比較表

比較面向	Cloud Profiler	Cloud Trace
主要用途	CPU 和記憶體使用情況分析	分贿式系統的 Request 追蹤
監控重點	– CPU 使用率	– 服務間的 Request Latency
	– 記憶體分配	– 請求路徑追蹤
	– 程式碼熱點 (Hot Spots)	– 服務依賴關係
	– 函數執行時間	– 端到端 Latency 分析
使用場景	– 效能優化	– 微服務架構監控
	– 資源使用分析	– API 延遲分析
	– 程式碼效率提升	– 服務依賴診斷
	– 記憶體洩漏檢測	– 系統瓶頸識別
收集數據類型	– CPU profiles	– 請求延遲
	– Heap profiles	– 請求路徑
	– Wall-time profiles	– HTTP headers
	– Contention profiles	– RPC 調用信息
支援語言	– Java	– Java
	– Go	– Go
	– Node.js	– Node.js
	– Python	– Python
	– C++	– PHP
	– .NET	– Ruby
視覺化方式	– 火焰圖 (Flame Graphs)	– 分布式追蹤圖
	– 調用樹	– 瀑布圖
	– 熱點圖	– 延遲分佈圖
性能影響	較低，通常 < 5%	極低，通常 < 1%
適用開發階段	– 開發環境	– 所有環境
	– 測試環境	– 特別適合生產環境
	– 生產環境
整合性	與 Cloud Console 整合	與 Cloud Console 和 Cloud Monitoring 整合
主要優勢	– 深入的程式碼級分析	– 分布式系統可視化
	– 資源使用優化	– 端到端監控
	– 性能瓶頸識別	– 系統依賴分析