Project Icon

jfr-flame-graph

将Java Flight Recorder剖析数据转换为FlameGraph格式的开源工具

jfr-flame-graph是一个开源工具,用于将Java Flight Recorder(JFR)的方法剖析数据转换为FlameGraph兼容格式。它支持CPU、内存分配、I/O等多种事件类型分析,提供灵活的输出选项。该工具有助于开发者直观分析Java应用性能,识别代码热点。jfr-flame-graph构建简单,使用方便,可与Brendan Gregg的FlameGraph项目无缝集成,是Java性能分析的实用工具。

注意:Travis 已移除对 Oracle JDK 8 的支持。因此暂时移除了构建状态。

将 JFR 方法分析样本转换为 FlameGraph 兼容格式

这是一个简单的应用程序,用于读取 Java Flight Recorder 转储中的方法分析样本,并将这些堆栈跟踪转换为 FlameGraph 兼容格式。

此应用程序使用了未受支持的 JMC Parser

有关更多详细信息,请参阅我的博客文章"使用 Java Flight Recordings 生成火焰图"。

前提条件

该项目依赖于 Oracle JDK 8。因此,请确保将 JAVA_HOME 设置为 Oracle JDK 8。

如何构建和安装

使用以下命令构建和安装 jfr-flame-graph 应用程序:

./gradlew installDist

这将在 ./build/install/jfr-flame-graph/bin 中安装可执行文件。

您可以将此位置添加到 PATH 中。

克隆 FlameGraph 仓库

克隆 BrendanFlameGraph 仓库,并将环境变量 FLAMEGRAPH_DIR 设置为 FlameGraph 目录

git clone https://github.com/brendangregg/FlameGraph.git
export FLAMEGRAPH_DIR=/path/to/FlameGraph

如何生成火焰图

./build/install/jfr-flame-graph/bin 目录中有辅助脚本用于生成火焰图。

例如:

./create_flamegraph.sh -f /tmp/highcpu.jfr -i > flamegraph.svg

在网络浏览器中打开 SVG 文件。

使用脚本时加上 -h 参数可查看可用选项。

例如:

$ ./jfr-flame-graph -h
  用法:JFRToFlameGraphWriter [选项]
    选项:
      -d, --decompress
        解压 JFR 文件
        默认值:false
      -et, --end-timestamp
        过滤的结束时间戳(以秒为单位)
        默认值:9223372036854775807
      -e, --event
        用于生成火焰图的事件类型
        默认值:cpu
        可选值:[cpu, allocation-tlab, allocation-outside-tlab, exceptions, monitor-blocked, io]
      -h, --help
        显示帮助
      -ha, --hide-arguments
        隐藏方法中的参数
        默认值:false
      -i, --ignore-line-numbers
        忽略堆栈帧中的行号
        默认值:false
    * -f, --jfrdump
        Java Flight Recorder 转储文件
      -l, --live
        导出堆栈跟踪样本时间戳(在 json 输出类型中)
        默认值:false
      -o, --output
        输出文件
      -ot, --output-type
        输出类型
        默认值:folded
        可选值:[folded, json]
      -j, --print-jfr-details
        打印 JFR 详细信息并退出
        默认值:false
      -t, --print-timestamp
        在 JFR 详细信息中打印时间戳
        默认值:false
      -rv, --show-return-value
        在堆栈中显示方法的返回值
        默认值:false
      -st, --start-timestamp
        过滤的开始时间戳(以秒为单位)
        默认值:-9223372036854775808
      -sn, --use-simple-names
        在堆栈中使用简单名称而不是限定名称
        默认值:false

许可证

版权所有 (C) 2015 M. Isuru Tharanga Chrishantha Perera

根据 Apache License 2.0 版许可

项目侧边栏1项目侧边栏2
推荐项目
Project Cover

豆包MarsCode

豆包 MarsCode 是一款革命性的编程助手,通过AI技术提供代码补全、单测生成、代码解释和智能问答等功能,支持100+编程语言,与主流编辑器无缝集成,显著提升开发效率和代码质量。

Project Cover

AI写歌

Suno AI是一个革命性的AI音乐创作平台,能在短短30秒内帮助用户创作出一首完整的歌曲。无论是寻找创作灵感还是需要快速制作音乐,Suno AI都是音乐爱好者和专业人士的理想选择。

Project Cover

有言AI

有言平台提供一站式AIGC视频创作解决方案,通过智能技术简化视频制作流程。无论是企业宣传还是个人分享,有言都能帮助用户快速、轻松地制作出专业级别的视频内容。

Project Cover

Kimi

Kimi AI助手提供多语言对话支持,能够阅读和理解用户上传的文件内容,解析网页信息,并结合搜索结果为用户提供详尽的答案。无论是日常咨询还是专业问题,Kimi都能以友好、专业的方式提供帮助。

Project Cover

阿里绘蛙

绘蛙是阿里巴巴集团推出的革命性AI电商营销平台。利用尖端人工智能技术,为商家提供一键生成商品图和营销文案的服务,显著提升内容创作效率和营销效果。适用于淘宝、天猫等电商平台,让商品第一时间被种草。

Project Cover

吐司

探索Tensor.Art平台的独特AI模型,免费访问各种图像生成与AI训练工具,从Stable Diffusion等基础模型开始,轻松实现创新图像生成。体验前沿的AI技术,推动个人和企业的创新发展。

Project Cover

SubCat字幕猫

SubCat字幕猫APP是一款创新的视频播放器,它将改变您观看视频的方式!SubCat结合了先进的人工智能技术,为您提供即时视频字幕翻译,无论是本地视频还是网络流媒体,让您轻松享受各种语言的内容。

Project Cover

美间AI

美间AI创意设计平台,利用前沿AI技术,为设计师和营销人员提供一站式设计解决方案。从智能海报到3D效果图,再到文案生成,美间让创意设计更简单、更高效。

Project Cover

AIWritePaper论文写作

AIWritePaper论文写作是一站式AI论文写作辅助工具,简化了选题、文献检索至论文撰写的整个过程。通过简单设定,平台可快速生成高质量论文大纲和全文,配合图表、参考文献等一应俱全,同时提供开题报告和答辩PPT等增值服务,保障数据安全,有效提升写作效率和论文质量。

投诉举报邮箱: service@vectorlightyear.com
@2024 懂AI·鲁ICP备2024100362号-6·鲁公网安备37021002001498号