场景
剖析 postgresql BE 的性能数据，适应于应用 GCC 编译的场景。
办法
. 编译
关上 profiling 选项
./configure --enable-profiling. 执行
$ psql
postgres=# create table t1(id int);
postgres=# insert into t1 values(1);
postgres=# insert into t1 values(2);
postgres=# \q
psql 退出后，其对应的 BE 也随之退出。BE 退出后产生相应的 gmon.out 文件，默认在数据目录的 gprof/$PID 目录下
data/dn6/gprof/26516/gmon.out. 转换
将 gmon.out 转换成可读的格局
gprof ./install/bin/postgres ./data/dn6/gprof/26516/gmon.out > gp.out格局阐明
. 第一局部
各个函数的耗时排名。
| column | 意义 |
|---|---|
| % time | 本函数耗时所占的比例 |
| self seconds | 本函数本身的耗时，循环，零碎调用，零碎库函数调用 (如 memset) 等。留神，不蕴含其调用的子函数的耗时。 |
Each sample counts as 0.01 seconds.
% cumulative self self total
time seconds seconds calls s/call s/call name
32.34 2.61 2.61 75262 0.00 0.00 handle_sync
11.15 3.51 0.90 109412 0.00 0.00 base_yyparse
4.71 3.89 0.38 2083921 0.00 0.00 SearchCatCacheInternal
4.58 4.26 0.37 2940109 0.00 0.00 core_yylex
4.21 4.60 0.34 13442073 0.00 0.00 AllocSetAlloc
2.73 4.82 0.22 1627890 0.00 0.00 hash_search_with_hash_value
2.60 5.03 0.21 4517373 0.00 0.00 MemoryContextAllocZeroAligned
1.24 5.13 0.10 1297178 0.00 0.00 hash_bytes. 第二局部
各个函数的堆栈状况，依照函数耗时排名排列。这里的函数耗时，与第一局部不同，是蕴含其子函数的耗时的。
| column | 意义 |
|---|---|
| index | 排名(蕴含子函数的耗时) |
| % time | 本函数耗时所占的比例 |
| self | 同第一局部中的 ’self seconds’。本函数本身的耗时。 |
| children | 其调用的子函数的耗时。 |
| called | 被调用的次数。 |
上面例子，为 hgds_handle_sync 的信息。上面是其子函数信息，依照耗时排序。下面是其 caller 的信息。
index % time self children called name
-----------------------------------------------
2.61 0.46 75262/75262 PostgresMain [6]
[8] 38.0 2.61 0.46 75262 handle_sync [8]
0.01 0.33 71509/307849 dist_extended_msg [15]
0.00 0.06 71509/71509 handle_result [81]
0.05 0.00 75262/82932 IsTransactionBlock [90]
0.01 0.00 75262/75262 dlist_is_empty [206]
0.00 0.00 75262/1496363 errstart [106]
0.00 0.00 3836/7670 cl_bind_dist_info [526]
-----------------------------------------------. 第三局部
函数 index 信息。
Index by function name
[1385] AbortBufferIO [121] SearchSysCache1 [8] handle_sync
[726] AbortOutOfAnyTransaction [1010] SearchSysCache2 [1039] hash_combine64总结
通过 profiling 信息，能够剖析哪些函数奉献了更多的耗时，以便针对性的优化。也能够针对两个版本的数据进行比照，查找新增的性能杀手，进行优化。
参考资料
pgbuild