CPU 性能分析

Deno 内置支持 V8 CPU 性能分析，可帮助你识别代码中的性能瓶颈。使用 --cpu-prof 标志在程序执行期间捕获 CPU 分析文件：

deno run --cpu-prof your_script.ts
# 或使用 deno eval
deno eval --cpu-prof "for (let i = 0; i < 1e8; i++) {}"

当程序退出时，Deno 会将一个 .cpuprofile 文件写入当前目录（例如 CPU.1769017882255.25986.cpuprofile）。该文件可以加载到 Chrome DevTools（Performance 选项卡）或其他 V8 分析查看器中进行分析。

CPU 分析标志 Jump to heading#

自定义分析输出 Jump to heading#

默认情况下，分析文件会写入当前目录，并使用自动生成的文件名。你可以控制分析文件的保存位置和方式：

# 将分析文件保存到特定目录
deno run --cpu-prof --cpu-prof-dir=./profiles your_script.ts

# 使用自定义文件名
deno run --cpu-prof --cpu-prof-name=my-profile.cpuprofile your_script.ts

# 提高采样频率以获得更多细节（默认：1000μs）
deno run --cpu-prof --cpu-prof-interval=100 your_script.ts

更低的 --cpu-prof-interval 会让每秒捕获更多样本，从而获得更细的粒度，但代价是分析文件更大。默认的 1000 微秒（1ms）对大多数使用场景来说是一个不错的平衡。对于你想要详细捕获的短生命周期函数，可以尝试 100（0.1ms）。

在 Chrome DevTools 中分析 Jump to heading#

要分析 .cpuprofile 文件：

1. 打开 Chrome DevTools（F12）
2. 转到 Performance 选项卡
3. 点击 Load profile 按钮（向上箭头图标）
4. 选择你的 .cpuprofile 文件

DevTools 将显示 flame chart，以及应用中时间耗费位置的详细分解。

示例：Markdown 报告 Jump to heading#

--cpu-prof-md 标志会生成一个易于阅读的 Markdown 摘要，无需将分析文件加载到 DevTools 中：

deno run -A --cpu-prof --cpu-prof-md server.js

这会同时创建一个 .cpuprofile 文件和一个 .md 文件，报告如下：

# CPU Profile

| Duration | Samples | Interval | Functions |
| -------- | ------- | -------- | --------- |
| 833.06ms | 641     | 1000us   | 10        |

**Top 10:** `op_crypto_get_random_values` 98.5%, `(garbage collector)` 0.7%,
`getRandomValues` 0.6%, `assertBranded` 0.2%

## Hot Functions (Self Time)

| Self% |     Self | Total% |    Total | Function                      | Location          |
| ----: | -------: | -----: | -------: | ----------------------------- | ----------------- |
| 98.5% | 533.00ms |  98.5% | 533.00ms | `op_crypto_get_random_values` | [native code]     |
|  0.7% |   4.00ms |   0.7% |   4.00ms | `(garbage collector)`         | [native code]     |
|  0.6% |   3.00ms |   0.6% |   3.00ms | `getRandomValues`             | 00_crypto.js:5274 |
|  0.2% |   1.00ms |   0.2% |   1.00ms | `assertBranded`               | 00_webidl.js:1149 |

## Call Tree (Total Time)

| Total% |    Total | Self% |     Self | Function                      | Location          |
| -----: | -------: | ----: | -------: | ----------------------------- | ----------------- |
|  16.8% |  91.00ms | 16.8% |  91.00ms | `(anonymous)`                 | server.js:1       |
|   0.6% |   3.00ms |  0.6% |   3.00ms | `getRandomValues`             | 00_crypto.js:5274 |
|  98.5% | 533.00ms | 98.5% | 533.00ms | `op_crypto_get_random_values` | [native code]     |

## Function Details

## `op_crypto_get_random_values`

[native code] | 自身：98.5%（533.00ms） | 总计：98.5%（533.00ms） | 样本：533

该报告包括：

• 摘要：总持续时间、样本数量、采样间隔和函数数量
• Top 10：最耗时函数的快速概览
• Hot Functions：按自身耗时排序的函数（函数自身代码中耗费的时间，不包括被调用函数）
• Call Tree：显示调用栈和时间分布的层级视图
• Function Details：按函数细分的样本计数

示例：交互式 flamegraph Jump to heading#

--cpu-prof-flamegraph 标志会生成一个自包含、交互式的 SVG flamegraph，你可以直接在浏览器中打开，无需外部工具：

deno run --cpu-prof --cpu-prof-flamegraph your_script.ts

这会同时创建一个 .cpuprofile 文件和一个 .svg 文件。在任意浏览器中打开 SVG 以交互式探索分析结果：

• Click 任意框以缩放到该子树
• Reset Zoom 按钮可恢复完整视图
• Ctrl+F 或 Search 按钮用于基于正则表达式的函数搜索，并带有高亮和匹配百分比
• Invert 复选框可切换为 icicle graph（根在顶部）
• Hover 任意框可查看函数名和样本计数

flamegraph 也可与 deno eval 一起使用：

deno eval --cpu-prof --cpu-prof-flamegraph "for (let i = 0; i < 1e8; i++) {}"

性能分析技巧 Jump to heading#

• 分析具有代表性的工作负载：对于 HTTP 服务器，在停止之前向服务器发送真实流量——分析文件只会捕获程序运行期间发生的内容。
• 使用自身耗时与总耗时：在分析报告中，自身耗时 是函数自身代码中花费的时间，而 总耗时 包括其调用的函数所花费的时间。较高的自身耗时指向真正的瓶颈；总耗时高但自身耗时低，则表示该函数把工作委托给了某个昂贵的部分。
• 前后对比：使用描述性的 --cpu-prof-name 值保存分析文件（例如 before-optimization.cpuprofile），这样你就可以在修改后在 DevTools 中并排比较分析结果。
• 组合输出格式：你可以将 --cpu-prof-md 和 --cpu-prof-flamegraph 结合使用，在一次运行中获得全部三种输出（.cpuprofile、.md 和 .svg）：
  >_

  deno run --cpu-prof --cpu-prof-md --cpu-prof-flamegraph your_script.ts
  

• 过滤噪声：短生命周期程序可能会显示启动开销（模块加载、JIT 编译）主导分析结果。为了获得更准确的结果，请确保你想分析的代码运行足够长，以收集有意义的样本。