Что нового в Pyroscope: профилирование дополнительных рабочих процессов, поиск и устранение неисправностей с помощью ИИ-агентов и многое другое

Читайте дальше, чтобы узнать больше о некоторых из последних обновлений. А полный список недавних изменений см. в примечаниях к выпуску Pyroscope и Profiles Drilldown.

Профилирование большего числа рабочих нагрузок

Профилирование памяти и поддержка Windows были одними из самых запрашиваемых функций для Pyroscope.

Если вы используете службы на Python или Rust, теперь вы можете применять SDK Pyroscope, чтобы видеть, куда расходуется память, а не только процессорное время. Если вы используете приложения .NET в Windows, теперь вы также можете их профилировать.

Поиск утечек памяти и интенсивных выделений: профилирование памяти для Python

Проблемы с памятью бывает трудно обнаружить только по метрикам. График памяти контейнера показывает рост использования, но не то, какой именно код выделяет эту память. Профили ЦП тоже не дают на это ответа, так как они показывают, на что код тратит время. Профили памяти показывают, какие пути кода выделяют больше всего памяти и какая память все еще используется — именно это необходимо, когда потребление памяти службой постоянно растет или ее выделение приводит к интенсивной работе сборщика мусора.

SDK Python теперь поддерживает профилирование памяти, позволяя видеть, какой код выделяет больше всего памяти и какой код выделил память, используемую в данный момент, наряду с профилями ЦП, которые вы собираете уже сейчас. Включите эту функцию с помощью mem_enabled=True:

Дополнительные сведения см. в разделе PR и в документации по Python SDK.

Поиск утечек памяти и роста кучи: профилирование памяти для Rust

В дополнение к профилированию ЦП, SDK Pyroscope для Rust теперь поддерживает профилирование памяти с помощью jemalloc аллокатора. Он сообщает об используемой памяти, поэтому вы можете видеть, какие пути кода выделили больше всего живой памяти, а также отслеживать рост кучи и утечки.

Дополнительные сведения см. в разделе PR, документации по Rust SDK и примере jemalloc.

Профилирование .NET-приложений в Windows

Если вы используете приложения .NET в Windows, включая приложения .NET Framework, размещенные в IIS, теперь вы можете отправлять профили из них в Pyroscope и находить «горячие точки» без предварительной миграции.

Поддержка Windows предназначена для архитектуры x64, начиная с версии 1.3.0 профилировщика. На платформах .NET 8, 9 и 10 вы получаете те же типы профилей в Windows, что и в Linux, которые включаются теми же переменными среды. В .NET Framework 4.7 и более поздних версиях доступны профилирование ЦП и времени выполнения (wall-time).

Дополнительные сведения см. в разделе PR и в документации по .NET SDK. Примечание: эта функция в настоящее время находится в стадии публичного предварительного просмотра.

Предоставление ИИ-агентам возможности работать с вашими данными профилирования

Без доступа к профилям ИИ-агент для написания кода может рассуждать о причинах медленной работы службы только на основе имеющегося у него кода, либо вам приходится вручную копировать графики пламени (flame graphs) и цифры в диалог. Имея доступ к профилям, агент может работать с теми же данными, что и вы, обладая информацией о том, какие службы используют больше всего ресурсов, какие функции за это отвечают и как конкретный профиль выглядел в определенный момент времени.

gcx, интерфейс командной строки Grafana, предоставляет вам и вашему ИИ-агенту структурированный доступ к вашему экземпляру Grafana — от панелей мониторинга и оповещений до метрик, логов, трейсов и профилей. gcx автоматически включает режим агента в многих ИИ-агентах для кода, таких как Claude Code, GitHub Copilot и Cursor, и вы можете включить его самостоятельно для любого другого агента с помощью флага --agent.

Теперь gcx также включает команды gcx profiles для запросов к Pyroscope. Чтобы увидеть gcx в действии с Pyroscope как в терминале, так и с ИИ-агентом, посмотрите этот звонок сообщества.

Ниже приведены некоторые способы использования gcx с данными профилирования, независимо от того, запускаете ли вы команды самостоятельно или за вас это делает агент. Вам не обязательно запускать собственный стек, чтобы попробовать их. Grafana Play содержит демонстрационные данные для запросов, поэтому вы можете направить gcx на них, добавив контекст play:

GCX_CONTEXT выбирает контекст play для команд в этой сессии терминала без изменения вашего контекста по умолчанию. В приведенных ниже командах также используется источник данных Play profiles — grafanacloud-profiles.

Чтобы использовать собственные данные, откройте новый терминал, опустите параметр -d grafanacloud-profiles и измените имя службы.

Начните со служб, использующих больше всего ресурсов

Когда вы запускаете множество служб, не всегда очевидно, с какой из них стоит начать. gcx profiles metrics --top ранжирует ваши службы по типу профиля (например, ЦП) за определенный период времени, чтобы вы или ваш агент могли начать с тех, которые используют больше всего ресурсов:

Чтобы попробовать это с вашим ИИ-агентом и данными Grafana Play, используйте следующую подсказку:

Дополнительные сведения см. в разделе PR и в справочной документации по CLI gcx profiles metrics.

Переход от комбинированного представления к точечному профилю с помощью экземпляров (exemplars)

Агрегированный профиль объединяет все экземпляры службы за заданный временной диапазон, поэтому отдельный некорректно работающий процесс бывает трудно обнаружить. Экземпляры показывают отдельные профили, отсортированные по их значению для запрашиваемого типа профиля (например, времени ЦП или памяти), чтобы вы или ваш агент могли сразу перейти к самым ресурсоемким и посмотреть, что произошло в каждом из них, вместо того чтобы видеть только общую сумму.

gcx profiles exemplars переводит в список самые ресурсоемкие отдельные профили, и вы можете передать один из их идентификаторов профилей в gcx profiles query, чтобы просмотреть основные функции только для этого профиля:

Если ваши профили связаны с трейсами, вы также можете сузить запрос до одного спана или трейса, чтобы увидеть код, который выполнялся во время медленной операции или запроса.

Чтобы попробовать это с вашим ИИ-агентом и данными Grafana Play, используйте следующую подсказку:

Дополнительные сведения см. в PR для exemplars, идентификаторов профилей и селекторов спанов и трейсов. Также см. справочную документацию CLI по экземплярам и запросам.

Экспорт профилей для использования с другими инструментами

Иногда вам нужен исходный профиль: чтобы открыть его в уже используемых инструментах, прикрепить к задаче или сохранить снимок до внесения изменений для последующего сравнения. Добавьте -o pprof в команду gcx profiles query, чтобы скачать профиль в виде файла pprof, который можно открыть с помощью go tool pprof.

Вы также можете начать работу из пользовательского интерфейса Grafana. С выходом Profiles Drilldown 3.0 в октябре вы можете нажать значок загрузки Export profile data над графиком пламени и выбрать команду gcx, которая скопирует команду gcx profiles query для скачивания просматриваемого профиля в виде файла pprof. В представлении дифференциального графика пламени команды gcx копируют две команды: одну для базового профиля, а другую для сравниваемого.

Дополнительные сведения см. в PR для -o pprof и копирования команд gcx, в документации по экспорту данных профиля в Profiles Drilldown, а также в справочной документации по CLI gcx profiles query.

Просмотр большего количества данных профилирования в Grafana

Интерфейс пользователя Grafana теперь включает экземпляры для детального просмотра по одному профилю за раз, а также дерево вызовов (Call Tree) для точного отслеживания того, как именно ваш код дошел до ресурсоемкой функции. Используйте их самостоятельно или чтобы изучить результаты работы агента и лично увидеть те же данные.

Просмотр по одному профилю за раз с помощью экземпляров

Те же самые отдельные профили, которые возвращает gcx profiles exemplars, доступны и в интерфейсе Grafana. Когда вы изучаете всплеск нагрузки, экземпляры позволяют увидеть индивидуальные профили отдельных процессов в этот момент времени, а не только совокупный результат за весь временной диапазон.

Экземпляры отображаются в виде маркеров на временной шкале, которые строятся по значению каждого профиля. В режиме детализации профилей (Profiles Drilldown) они включены по умолчанию в представлениях графа пламени (Flame graph) и меток (Labels), а также их можно включить в других представлениях. Нажмите на маркер, чтобы просмотреть его метки, такие как хост или, если вы работаете в Kubernetes, под и пространство имен. Затем выберите «Просмотреть профиль» (View profile), чтобы увидеть граф пламени только для этого профиля. В разделе Explore включите экземпляры в параметрах запроса Pyroscope (Options).