13 애플리케이션 성능 문제를 디버그하기 위한 프로파일링 소프트웨어

응용 프로그램의 목적은 최종 사용자에게 잘 서비스를 제공하는 것입니다.

다른 바람직한 기능 중에서 빠르고, 반응이 빠르며, 사용하기 쉽고, 신뢰할 수 있어야 합니다.

그러나 최고 수준의 성능을 계속 제공하는 방식으로 소프트웨어를 유지 관리하는 것은 그리 쉬운 일이 아닙니다.

코드가 불필요한 함수를 호출하기 시작하고, 스스로 넘어지고, 버그를 포착하고, 추가 루프에 빠지면 비효율성을 초래할 수 있습니다. 응용 프로그램이 느려지거나 응답하지 않거나 이상하게 작동할 수 있습니다.

그리고 이러한 문제를 해결하지 않으면 전체 애플리케이션 성능이 저하됩니다.

결과적으로 고객은 성능 저하와 속도 저하로 인해 짜증을 내거나 애플리케이션 사용을 완전히 중단할 수 있습니다. 그것은 당신의 평판을 떨어뜨릴 뿐만 아니라 수입과 이익의 측면에서 당신에게 비용을 초래합니다. 따라서 최적의 성능을 달성하려면 코드를 분석, 검토 및 디버깅해야 합니다. 그리고 이를 수행하는 빠른 방법은 소프트웨어 프로파일링 도구를 사용하여 코드를 모니터링 및 디버그하고 성능 관련 병목 현상을 제거하는 것입니다.

이 기사에서는 소프트웨어 프로파일링과 이것이 어떻게 도움이 되는지 배울 것입니다. 그런 다음 응용 프로그램을 디버그하고 성능을 최적화하기 위한 몇 가지 최고의 프로파일링 도구를 안내해 드리겠습니다.

소프트웨어 프로파일링이란 무엇입니까?

소프트웨어 프로파일링은 프로그램이 실행될 때 수집된 데이터를 사용하여 프로그램의 동작을 조사하는 동적 코드 분석입니다. 응용 프로그램 속도, 응답성을 높이고 메모리 및 리소스 소비를 줄이기 위해 최적화해야 하는 다양한 프로그램 섹션을 결정하는 것을 목표로 합니다.

소프트웨어 프로파일러는 일반적으로 프로그램과 관련된 메모리 또는 시간 복잡성과 함께 함수 호출의 기간 및 빈도를 측정합니다. 메모리 프로파일러와 같은 특정 프로파일러도 사용할 수 있습니다.

프로파일링은 일반적으로 프로그램의 소스 코드를 계측하여 수행됩니다. 프로파일러는 계측, 이벤트 기반, 통계 또는 시뮬레이션 방법과 같은 다양한 프로파일링 기술을 사용할 수 있습니다.

소프트웨어 프로파일링이 중요한 이유는 무엇입니까?

특정 기능과 관련된 리소스 사용량 및 실행 시간을 확인하려면 소프트웨어 프로파일링이 필요합니다. 프로그램의 속도를 최적화하는 동시에 최소한의 리소스를 사용하도록 합니다.

또한 CPU 사용량 및 명령 실행 시간을 추적하고 최적화하기 위해 수행됩니다.

따라서 성능 관련 문제를 더 빨리 디버그하여 효율성을 개선하고 더 나은 최종 사용자 경험을 제공할 수 있도록 하려면 올바른 소프트웨어 프로파일링 도구를 선택해야 합니다. 많은 프로파일러에는 문제의 정확한 근본 원인을 찾는 데 도움이 되는 자세한 보고서와 대화형 그래프 및 시각화가 함께 제공되어 문제를 더 쉽게 해결할 수 있습니다.

그래서, 여기 당신이 시도할 수 있는 최고의 소프트웨어 프로파일러의 목록이 있습니다. 그리고 무엇이 당신에게 가장 효과가 있었는지 알려주십시오.

스파이

py-spy는 Python을 위한 훌륭한 샘플링 프로파일러입니다. 이를 통해 Python 기반 애플리케이션에서 시간을 보내는 모든 것을 살짝 엿볼 수 있습니다.

이를 위해 코드를 수정하거나 프로그램을 완전히 다시 시작할 필요가 없습니다. py-spy는 오버헤드가 낮고 더 빠른 실행을 위해 Rust에서 개발되었습니다. 프로파일링된 파이썬 기반 프로그램이 실행되는 동일한 프로세스에서 작동하도록 구축되지 않았습니다. 이것은 py-spy가 프로덕션 Python 기반 코드에 대해 사용하기에 매우 안전하고 안전함을 의미합니다.

이 도구를 사용하면 프로필을 기록하고 플레임 그래프를 생성하여 대화형 SVG 파일을 만들 수 있습니다. 샘플링 속도 변경, 프로파일링을 위한 기본 C 확장, 하위 프로세스, 스레드 ID 등과 같은 다른 옵션도 볼 수 있습니다. 'top' 명령을 사용하여 프로그램에서 발생하는 기능의 실시간 보기를 얻을 수 있고 모든 파이썬 스레드에 대해 'dump' 명령을 사용하여 현재 호출 스택을 표시할 수 있습니다.

2.3 – 2.7 및 3.3 – 3.8과 같은 모든 CPython 인터프리터 버전을 지원합니다. PyPI 또는 GitHub에서 py-spy를 설치할 수 있습니다.

파이로스코프

Pyroscope의 오픈 소스 연속 프로파일링 소프트웨어를 사용하면 애플리케이션 내의 모든 성능 문제를 몇 분 안에 디버그할 수 있습니다.

Docker, Linux를 사용하거나 Ruby 또는 Go 문서를 찾고 있으면 Pyroscope가 지원하는 서버를 시작한 다음 에이전트를 시작할 수 있습니다. 10초 또는 10개월의 소프트웨어 프로파일링 데이터를 목표로 하는 경우에도 맞춤형으로 설계된 스토리지 엔진은 빠른 쿼리를 만듭니다.

성능에 영향을 미치지 않는 샘플링 프로파일링 기술을 사용하므로 오버헤드나 애플리케이션 성능에 대해 걱정할 필요가 없습니다. Pyroscope는 프로파일링 데이터를 효율적으로 저장합니다. 따라서 수년 동안 다양한 애플리케이션의 다양한 프로파일링 데이터를 저장하려는 경우에도 비용 효율적입니다.

macOS, Linux 및 Docker에서 작동하며 Python, Go 및 Ruby로 작성된 프로그램을 지원합니다.

버블프로프

Clinic.js의 Bubbleprof는 Node.js로 작성된 소프트웨어를 프로파일링하는 새롭고 독특한 방법을 제공합니다. 전문가에서 초보자에 이르기까지 모든 사람이 앱에서 보낸 비동기식 시간을 결정하는 데 도움이 되는 '거품' UI를 사용합니다.

비동기식 작업을 관찰하고 그룹화하고 지연을 계산하고 매핑하여 Node.js 프로세스가 작동하는 방식을 시각화합니다.

Bubbleprof는 코드, 노드 코어 또는 모듈이 될 수 있는 특정 작업 그룹 내에서 거품의 크기를 확인하여 작업 타이밍을 결정합니다. 또한 인접 그룹을 그룹화하여 혼란을 줄입니다.

작업이 한 그룹에서 다른 그룹으로 흐를 때 지연을 계산하기 위해 Bubbleprof는 거품을 연결하는 화살표 길이를 측정합니다. 이 외에도 측정 과정에서도 다양한 색상을 사용합니다. 동시에 내부 컬러 라인은 지연의 원인으로 비동기 작업 유형이 혼합되어 있음을 나타냅니다.

악기

Pyinstrument로 Python 코드를 최적화하십시오.

Python 코드가 느린 이유를 보여주고 문제를 진단하는 데 도움을 주어 그토록 빠른 성능을 발휘할 수 있습니다.

Pyinstrument를 사용하기 위해 Python 스크립트를 작성할 필요가 없습니다. 명령줄을 직접 사용하여 Pyinstrument를 호출하면 됩니다. 스크립트는 정상적으로 실행되고 도구는 응용 프로그램이 시간을 보낸 영역에 대한 색상 요약을 생성합니다. 또한 프로세스를 훨씬 쉽게 만드는 Python API가 함께 제공됩니다.

Flask 및 Django에서 웹 요청을 프로파일링할 수 있는 옵션이 있으며, 이에 대해 정교한 문서를 유지 관리하고 있습니다. 여기에서 Pyinstrument는 프로그램에서 수행한 모든 함수 호출을 추적하는 대신 호출 스택을 1ms마다 기록하는 통계적 프로파일링을 제공합니다.

통계적 프로파일러는 추적 프로파일러에 비해 오버헤드가 적기 때문에 유리합니다. 전체 스택을 기록하므로 값비싼 함수 호출을 추적하는 것이 수월해집니다. 이 외에도 Pyinstrument는 (기본적으로) 라이브러리 프레임을 숨기므로 성능에 영향을 미치는 응용 프로그램이나 모듈에 집중할 수 있습니다.

Pyinstrument는 '벽시계' 시간을 사용하여 보낸 시간을 기록하기 때문에 성능 문제 디버깅이 더 쉬워집니다. 이 도구는 파일을 읽고, 데이터를 다운로드하고, 데이터베이스와 통신하는 등의 모든 프로그램 시간을 추적합니다.

Xdebug

코드의 성능 문제를 개선하고 개발 경험을 조금 더 재미있게 만들기 위해 Xdebug는 프로파일링 및 디버깅을 위한 광범위한 기능을 제공합니다.

이것은 실제로 PHP 애플리케이션에서 병목 현상을 찾아내고 성능 그래프를 생성하기 위해 외부 시각화 도구를 사용하여 성능을 분석할 수 있게 해주는 PHP 확장입니다.

Xdebug는 주어진 함수에 전달된 매개변수를 포함하여 오류에 도달하는 응용 프로그램의 경로를 보여주는 자세한 출력을 생성합니다. 이것은 오류를 추적하기 위해 수행됩니다. 개발자가 명확하게 이해할 수 있도록 구조화된 보기와 함께 색상으로 구분된 정보를 생성합니다.

Xdebug를 실행 중인 코드, IDE 또는 브라우저와 연결하여 코드 중단점을 확인하고 코드를 한 줄씩 실행하는 데 사용할 수 있는 원격 디버거도 함께 제공됩니다. 제공하는 또 다른 기능은 프로그램 코드가 실행된 정도를 보여주는 코드 적용 범위이며 단위 테스트에도 도움이 됩니다.

SPX

SPX(Simple Profiling eXtension)는 PHP용으로 설계된 프로파일링 확장입니다. 다른 프로파일링 확장과 구별되는 몇 가지 고유한 속성이 있습니다. 사용은 완전히 무료이며 인프라에만 국한되므로 데이터 누출 위험이 없습니다.

SPX의 단순성 덕분에 사용이 매우 간편합니다. 스크립트를 프로파일링하기 위해 명령줄이나 환경 변수를 설정하기만 하면 됩니다. 또는 웹 페이지의 라디오 버튼을 켜서 스크립트를 프로파일링할 수도 있습니다. 결과적으로 코드를 수동으로 계측할 필요가 없습니다.

또한 실행 중인 명령줄 스크립트(Ctrl-C)를 지원합니다. 이 외에도 이 프로세스를 통해 명령줄 실행 프로그램이나 전용 브라우저 확장을 사용할 필요가 없습니다. SPX는 다양한 시간 및 메모리 메트릭, 개체, 사용 중인 파일, I/O 등을 포함하여 약 22개의 다중 메트릭을 지원합니다.

컨텍스트를 벗어나지 않고 데이터를 수집할 수 있습니다. 웹 UI를 통해 현재 사용 중인 브라우저 세션에 대한 프로파일링을 구성/활성화할 수 있으며 프로파일링된 모든 스크립트 세부 정보 및 보고서를 나열합니다. 웹 UI를 사용하면 심층 분석을 위해 특정 보고서를 선택할 수 있으며 수백만 단위의 함수 호출로 확장할 수 있는 Flamegraph, 평면 프로필 및 타임라인과 같은 일부 대화형 시각화 기능을 제공합니다.

접두사

Stackify의 Prefix는 많은 개발자들이 좋아하는 설치가 쉽고 가벼운 코드 프로파일러입니다. 애플리케이션 성능의 병목 현상을 제거하여 최적화하고 사용자 경험을 개선하는 데 도움이 됩니다.

Prefix의 우수한 추적 및 프로파일링 기능을 통해 숨겨진 예외, 느린 SQL 쿼리 등을 빠르게 찾을 수 있습니다. 개발자에게 APM(응용 프로그램 성능 모니터링)의 진정한 힘을 제공합니다. 이를 위해 Prefix는 작성된 방식으로 코드 성능을 검증하고 더 나은 성능의 코드를 테스트에 푸시할 수 있도록 합니다.

이러한 방식으로 프로덕션 측에서 지원 티켓을 덜 받고 개발 관리자가 목표를 더 빨리 달성할 수 있습니다. 성능이 저하된 모든 쿼리, 알 수 없는 병목 현상 및 ORM 생성 쿼리를 검색합니다.

또한 각 SQL 호출 매개변수를 추적하고, 타이밍을 다운로드하고, 영향을 받는 레코드를 볼 수 있습니다. 접두사를 사용하면 N+1 패턴도 쉽게 찾을 수 있습니다. 모든 지저분한 로그를 정렬하는 것은 잊어버리십시오. 문제를 쉽게 찾을 수 있도록 함께 가져옵니다.

접두사를 사용하면 쿼리 요청 내에서 의심스러운 로그의 컨텍스트를 직접 찾고 한 로그에서 추적으로 이동하여 손쉽게 디버깅할 수 있습니다. 접두사는 숨겨진 예외를 찾고 레거시 코드 또는 프레임워크 섹션으로 작업하는 데 유용한 성능이 낮은 종속성을 보여줍니다. 이러한 종속성은 웹 서비스, 타사 서비스, 캐시 서비스 등이 될 수 있습니다.

접두사는 Windows 및 Mac에서 작동하며 .Net, Ruby, Java, PHP, Python 및 Node.js를 지원합니다.

부등변 삼각형

Scalene은 Python 기반 프로그램을 위한 고정밀 고성능 GPU, CPU 및 메모리 프로파일러입니다. 더 빠른 규모의 실행 및 보다 심층적인 정보 제공과 같은 다른 프로파일러에 비해 몇 가지 이점을 제공합니다.

Scalene은 믿을 수 없을 정도로 빠르며 계측 대신 샘플링을 사용합니다. Python의 추적 기능에도 의존하지 않습니다. 이 외에도 오버 헤드는 일반적으로 10-20% 미만입니다. 이 도구는 줄 수준에서 소프트웨어 프로파일링을 수행하고 프로그램 실행 시간을 담당하는 코드 줄을 가리킵니다.

이러한 세부 정보는 기능 수준 프로파일링의 세부 정보보다 더 중요합니다. Scalene은 라이브러리를 포함하는 네이티브 코드의 시간과 순수하게 Python에서 보낸 시간을 구분합니다. 대부분의 Python 프로그래머는 기본 코드 성능을 최적화하지 않으므로 개발자는 실제로 개선할 수 있는 코드 최적화에 노력을 집중할 수 있습니다.

CPU 시간/메모리 할당을 쉽게 식별하고 I/O 문제를 찾기 위해 시스템 시간을 쉽게 분리할 수 있도록 핫스팟을 빨간색으로 강조 표시합니다. Scalene은 GPU 시간을 보고하고 메모리 사용량을 프로파일링하며 CPU 사용량을 추적할 수 있습니다. Scalene은 또한 가능한 메모리 누수, 프로필 복사 볼륨을 식별하고 CPU의 1% 이상을 소비하는 코드 라인에 대해 축소된 프로필을 생성할 수 있습니다.

비주얼 VM

Java용 올인원 문제 해결 도구인 VisualVM은 생산 및 개발 단계 모두에 사용하도록 설계되었습니다. 경량 프로파일링 기능과 명령줄 JDK 도구를 통합하는 시각적 소프트웨어입니다.

VisualVM은 Java 1.4 이상에서 실행되는 응용 프로그램을 모니터링하고 JMX, jvmstat, Attach API 및 Serviceability Agent와 같은 여러 기술을 사용하여 문제를 해결합니다. 이 도구는 품질 엔지니어, 시스템 관리자 및 최종 사용자의 다양한 요구 사항에 완벽하게 맞습니다.

원격 및 로컬에서 실행되는 Java 기반 응용 프로그램을 자동으로 감지하고 나열합니다. 이 도구를 사용하면 JMX 연결을 사용하여 수동으로 프로그램을 정의할 수도 있습니다. 모든 프로세스에 대해 PID, 전달된 인수, JDK 홈, 메인 클래스, JVM 플래그, JVM 버전, 시스템 및 인수 속성과 같은 일반적인 런타임 데이터를 보여줍니다.

VisualVM은 CPU 사용량, 힙 및 메타 공간 또는 영구 생성 메모리, 실행 중인 스레드 및 응용 프로그램의 로드된 클래스를 모니터링합니다. 그것은 집계된 Sleeping, Running, Park, Monitor 및 Wait 시간과 함께 타임라인에 실행 중인 모든 스레드를 표시합니다.

계측 및 샘플링 프로파일러는 모두 메모리 관리 및 애플리케이션 성능을 위해 VisualVM을 사용하여 수행할 수 있습니다. 스레드 덤프를 표시하여 프로세스에 대한 빠른 통찰력을 제공합니다. 또한 요청 시 .hprof 스냅샷을 보고 생성하여 힙 사용의 비효율성을 발견하고 메모리 누수를 디버그하는 데 도움이 됩니다.

또한 VisualVM은 충돌한 Java 기반 프로세스의 기본 데이터를 해당 환경과 함께 읽을 수 있습니다. 앱을 오프라인으로 분석할 수 있습니다. 이후 단계에서 오프라인으로 처리할 수 있는 힙 덤프, 스레드 덤프 및 프로파일링 스냅샷을 사용하여 앱 런타임 환경 및 구성을 저장할 수 있습니다.

Windows, Linux 및 Unix에서 작동합니다.

궤도 프로파일러

Orbit Profiler를 사용하여 C/C++ 애플리케이션을 시각화하고 성능 문제를 빠르게 찾으십시오. 이것은 개발자가 복잡한 앱의 실행 흐름을 보고 이해할 수 있도록 도와주는 디버깅 도구이자 독립 실행형 프로파일러입니다.

앱 내부에서 일어나는 모든 일에 대한 날카로운 보기를 제공하므로 성능 병목 현상을 신속하게 제거하고 애플리케이션의 고성능을 복원할 수 있습니다.

Orbit Profiler는 PDB 파일에 액세스할 수 있는 경우 모든 C 또는 C++ 앱에서 효율적으로 작동할 수 있습니다. 다음으로 프로그램 다운로드가 완료되면 프로파일링이 시작됩니다. 이 도구는 대상 프로세스로 이동하여 선택한 기능에 연결하고 프로파일링을 수행합니다.

최적화된 최종 또는 배송 빌드에서도 작동할 수 있습니다. 동적 계측 외에도 Orbit Profiler는 빠르고 강력한 '항상 작동' 샘플링 기능도 제공합니다.

Windows 및 Linux에서 작동합니다.

Uber JVM 프로파일러

고급 프로파일링 기능을 갖춘 Uber JVM 프로파일러는 Java 기반 애플리케이션을 위한 또 다른 좋은 옵션입니다.

메모리/CPU/IO 메트릭과 같은 분산 방식으로 Spark/Hadoop JVM 프로세스에 대한 여러 스택 추적 및 메트릭을 수집하는 Java 에이전트를 제공합니다.

이 도구는 변경하지 않고 사용자 코드에서 Java 인수 및 메소드를 추적할 수 있습니다. 또한 이를 사용하여 모든 Spark 앱에 대한 HDFS 이름 노드의 호출 대기 시간을 추적하고 문제를 찾을 수 있습니다. Spark 앱의 HDFS 파일 경로를 추적하여 핫 파일을 찾고 추가 최적화를 수행할 수도 있습니다.

Uber JVM 프로파일러는 원래 일반적으로 하나의 애플리케이션에 대해 많은 기계 또는 프로세스를 포함하는 Spark 앱을 프로파일링하기 위해 만들어졌습니다. 따라서 사람들은 이러한 기계 또는 프로세스에 대한 메트릭을 쉽게 연관시킬 수 있습니다.

그러나 이 도구는 일반적인 Java 에이전트로 작동하며 모든 JVM 프로세스에 사용할 수 있습니다. 기능은 다음과 같습니다.

• 자바 힙 메모리, 네이티브 메모리, 비힙 메모리, 버퍼 풀, 메모리 풀과 같은 Spark 앱 실행기의 메모리 사용량 디버깅
• CPU 사용량 및 가비지 수집 시간 디버깅
• 빈도 및 시간 또는 기간 프로파일링에 대한 Java 클래스 메서드 디버깅
• 인수 프로파일링(자바 클래스 메소드 호출 및 인수 값 디버깅 및 추적)
• Stacktrack 프로파일링 및 CPU 시간에 대한 Flamegraph 생성
• I/O 메트릭 및 JVM 스레드 메트릭 디버깅

트레이시

Tracy는 개발자가 PHP 프로그램을 쉽게 디버그할 수 있도록 도와주는 유용한 도구입니다. 친숙한 디자인과 CLI 지원, AJAX 호출 디버깅 등과 같은 고급 기능이 있습니다.

신속하게 오류를 찾아 수정하고, 변수를 덤프하고, 오류를 기록하고, 메모리 소비를 시각화하고, 쿼리 또는 스크립트의 실행 시간을 결정할 수 있습니다. 색상 코딩을 사용하고 명확한 설명과 함께 문제를 빨간색으로 강조 표시하면 예외 및 오류를 쉽게 시각화하고 이해할 수 있습니다.

Tracy는 로깅 기능 및 환경 자동 감지와 함께 제공됩니다. 데이터를 로그 파일에 저장하고 다운타임 동안 방문자에게 서버 오류 메시지를 표시합니다. Tracy는 Drupal 7, OpenCart, WordPress 등과도 통합할 수 있습니다.

vprof

vprof는 Python 애플리케이션을 위한 시각적 프로파일러입니다. 메모리 사용량 및 실행 시간과 같은 Python 프로그램의 다양한 특성에 대한 풍부한 대화형 시각화를 제공합니다.

BSD 라이선스로 제공되며 Python 3.4 이상을 지원합니다.

결론

애플리케이션 성능은 최종 사용자의 기대를 충족시키는 데 중요한 요소입니다. 성능 문제가 발생하는 경우 최종 사용자 경험에 영향을 미치기 전에 문제를 진단할 준비가 되어 있어야 합니다.

따라서 이 기사에서 언급한 도구를 사용하여 사용자에게 초고속 애플리케이션 성능을 계속 제공하려면 애플리케이션을 계속 최적화하고 문제를 즉시 수정하십시오.

다음은 위의 프로파일러와 주로 사용되는 프로파일러를 보여주는 빠른 비교 표입니다.