volcengine /
技术解读: continue-profiling-agent（cpa）是一个字节跳动刚刚开源的一个面向 Linux 的持续剖析工具， 目标是在性能问题已经发生之后，仍然能回看当时的执行现场。它以极低开销在 生产机器上持续记录 profiling 历史，让工程师可以抖动事后再去定位具体时间窗口并查看秒级火焰图， 而不是依赖复现或等待下一次异常。在字节内部大规模应用并极大提升了系统工程师的问题定位效率. 默认7天轮转. 关键词与优势 极低 …
技术解读: continue-profiling-agent（cpa）是一个字节跳动刚刚开源的一个面向 Linux 的持续剖析工具， 目标是在性能问题已经发生之后，仍然能回看当时的执行现场。它以极低开销在 生产机器上持续记录 profiling 历史，让工程师可以抖动事后再去定位具体时间窗口并查看秒级火焰图， 而不是依赖复现或等待下一次异常。在字节内部大规模应用并极大提升了系统工程师的问题定位效率. 默认7天轮转. 关键词与优势 极低 CPU 开销：开销随采样频率、活跃 CPU、栈深度和 ELF 数量变化。 在 19 Hz、数百核级活跃负载下，设计目标是把整机开销控制在低于 1 个 CPU core 的量级。 极低内存开销：libgunwinder 只保留持续回溯需要的 CFI 和 symbol， 并在整机范围内共享同 build-id ELF 的调试索引。 极低存储开销：CPA 不保存完整 perf.data，而是把调用栈拆成 字符串表、栈 ID 表和秒级计数窗口，典型数据量是 KB/s 级别。 秒级整机火焰图：持续采样和聚合让百毫秒到秒级的抖动可以事后回看。 IRQ-Off 支持：BPF 后端可以把长时间关中断路径纳入同一套火焰图链路。 生产可部署：CPA 的目标是长期常驻，而不是短时间手工抓取。 典型 16C 业务机器上，持续 profiling 的目标开销约为 0.04C CPU、 约 200 MB 内存、约 100 MB/天存储，并由 store 目录自动轮转。
讨论这个产品