性能分析：pprof 接入与常见优化点（对象复用/预分配/池）

先测量再优化：Go 内置 net/http/pprof 提供 CPU、内存、goroutine 采样，可视化工具 go tool pprof 帮你找热点。本章讲接入方法与 Go 侧常见的三个优化抓手，API 以 pkg.go.dev 的 net/http/pprof 文档为准。

1. 接入 pprof

用独立端口暴露调试接口，避免与业务路由混在一起：

import (
    "net/http"
    _ "net/http/pprof" // 注册 /debug/pprof/ 系列路由
)

func main() {
    go func() {
        // 仅开发/内网监听，生产请加访问控制
        http.ListenAndServe("127.0.0.1:6060", nil)
    }()
    // ... gin 正常启动
}

Gin 项目也可以把 pprof 挂进业务路由（社区包 gin-contrib/pprof），但端口隔离更干净。

2. 抓取与分析

# CPU 采样 30 秒，期间用压测工具打流量
go tool pprof http://127.0.0.1:6060/debug/pprof/profile?seconds=30
# 交互界面：top 看热点函数，web 输出火焰图

# 内存与 goroutine 采样
go tool pprof http://127.0.0.1:6060/debug/pprof/heap
go tool pprof http://127.0.0.1:6060/debug/pprof/goroutine

常用结论：CPU 热点看函数耗时占比；内存分析看 alloc_objects 找频繁分配点。

3. 优化点一：预分配切片

能预估容量就不要让切片反复扩容：

// 差：append 可能反复扩容与拷贝
var ids []int
for _, u := range users {
    ids = append(ids, u.ID)
}

// 好：一次性预分配
ids := make([]int, 0, len(users))
for _, u := range users {
    ids = append(ids, u.ID)
}

4. 优化点二：对象复用 sync.Pool

高频创建的小对象（如解析 buffer）用 sync.Pool 缓存复用，减少 GC 压力：

var bufPool = sync.Pool{
    New: func() any { return bytes.NewBuffer(make([]byte, 0, 4<<10)) },
}

func handle(c *gin.Context) {
    buf := bufPool.Get().(*bytes.Buffer)
    buf.Reset()          // 复用前必须重置
    defer bufPool.Put(buf) // 用完归还
    // ... 写入 buf
}

5. 优化点三：别滥用 fmt

热路径上 fmt.Sprintf 会走反射并产生分配，整数转字符串用 strconv.Itoa：

// 差：key := fmt.Sprintf("user:%d", id)
// 好：
key := "user:" + strconv.Itoa(id)

注意点

• 优化必须建立在 pprof 数据上，先采样再动手。
• 采样期间的流量要能代表真实负载（读写比例、参数分布）。
• sync.Pool 不保证对象存活，别用它管理有状态资源（如数据库连接）。
• goroutine 图暴涨通常意味着泄漏：先找谁在阻塞/等待，而不是盲目加并发。

小结

流程固定：接入 pprof → 压测采样 → 看 top/火焰图 → 对症优化。三个常用抓手是预分配、对象池、少用 fmt。记住「没有测量就没有优化」，后续章节的并发注意点同样适用。