parca Download - parca Quellcode-Download

parca

Python

v0.22.0

Herunterladen

Kontinuierliche Profilerstellung zur Analyse der CPU, der Speichernutzung im Zeitverlauf und bis hin zur Zeilennummer. Einsparung von Infrastrukturkosten, Verbesserung der Leistung und Erhöhung der Zuverlässigkeit.

Screenshot von Parca

Merkmale

eBPF-Profiler : Ein einzelner Profiler, der eBPF verwendet und automatisch Ziele von Kubernetes oder systemd in der gesamten Infrastruktur mit sehr geringem Overhead erkennt. Unterstützt C, C++, Rust, Go und mehr!
Offene Standards : Sowohl die Erstellung von Profilen im Pprof-Format mit dem eBPF-basierten Profiler als auch die Aufnahme beliebiger Profile im Pprof-Format ermöglichen eine breite Sprachübernahme und Interoperabilität mit vorhandenen Tools.
Optimierte Speicherung und Abfrage : Effizientes Speichern von Profilierungsdaten unter Beibehaltung der Rohdaten und Ermöglichen der Aufteilung und Unterteilung von Daten durch eine etikettenbasierte Suche. Aggregieren Sie Profilierungsdaten in der gesamten Infrastruktur, zeigen Sie einzelne Profile im Zeitverlauf an oder vergleichen Sie sie in beliebigen Dimensionen.

Warum?

Sparen Sie Geld : Bei vielen Unternehmen werden 20–30 % der Ressourcen durch einfach zu optimierende Codepfade verschwendet. Der Parca Agent zielt darauf ab, die Einstiegshürde zu senken, indem für die gesamte Infrastruktur keine Instrumentierung erforderlich ist. Stellen Sie es in Ihrer Infrastruktur bereit und legen Sie los!
Verbessern Sie die Leistung : Mithilfe der im Laufe der Zeit gesammelten Profildaten kann Parca mit Sicherheit und statistischer Signifikanz wichtige Optimierungspfade ermitteln. Darüber hinaus können Unterschiede zwischen beliebigen Labeldimensionen angezeigt werden, z. B. Bereitstellungen, Versionen und Regionen.
Vorfälle verstehen : Profilierungsdaten bieten einzigartige Einblicke und Tiefe in die Ausführung eines Prozesses im Laufe der Zeit. Speicherlecks, aber auch vorübergehende CPU- oder I/O-Spitzen, die zu unerwartetem Verhalten führen, lassen sich traditionell nur schwer beheben und sind mit kontinuierlicher Profilerstellung ein Kinderspiel.

Feedback und Support

Wenn Sie Feedback haben, eröffnen Sie bitte eine Diskussion in den GitHub-Diskussionen dieses Projekts. Wir würden gerne erfahren, was Sie denken!

Installation und Dokumentation

Auf der Website von Parca finden Sie aktualisierte und ausführliche Installationsanleitungen und Dokumentationen!

parca.dev

Entwicklung

Sie müssen Go, Node und Pnpm installiert haben.

Klonen Sie das Projekt

git clone https://github.com/parca-dev/parca.git

Gehen Sie in das Projektverzeichnis

 cd parca

Erstellen Sie die Benutzeroberfläche und kompilieren Sie die Go-Binärdateien

make build

Ausführen der kompilierten Parca-Binärdatei

Die Binärdatei wurde zu bin/parca kompiliert.

 ./bin/parca

Jetzt läuft Parca lokal und seine Web-Benutzeroberfläche ist unter http://localhost:7070/ verfügbar.

Standardmäßig kratzt Parca seine eigenen pprof-Endpunkte und Sie sollten sehen, dass im Laufe der Zeit Profile angezeigt werden. Die Scrape-Konfiguration kann in parca.yaml im Stammverzeichnis des Repositorys geändert werden.

Konfiguration

Flaggen:

Usage: parca [flags]

Flags:
  -h, --help                     Show context-sensitive help.
      --config-path="parca.yaml"
                                 Path to config file.
      --mode="all"               Scraper only runs a scraper that sends to a
                                 remote gRPC endpoint. All runs all components.
      --http-address=":7070"     Address to bind HTTP server to.
      --http-read-timeout=5s     Timeout duration for HTTP server to read
                                 request body.
      --http-write-timeout=1m    Timeout duration for HTTP server to write
                                 response body.
      --port=""                  (DEPRECATED) Use http-address instead.
      --log-level="info"         Log level.
      --log-format="logfmt"      Configure if structured logging as JSON or as
                                 logfmt
      --otlp-address=STRING      The endpoint to send OTLP traces to.
      --otlp-exporter="grpc"     The OTLP exporter to use.
      --cors-allowed-origins=CORS-ALLOWED-ORIGINS,...
                                 Allowed CORS origins.
      --version                  Show application version.
      --path-prefix=""           Path prefix for the UI
      --mutex-profile-fraction=0
                                 Fraction of mutex profile samples to collect.
      --block-profile-rate=0     Sample rate for block profile.
      --enable-persistence       Turn on persistent storage for the metastore
                                 and profile storage.
      --storage-active-memory=536870912
                                 Amount of memory to use for active storage.
                                 Defaults to 512MB.
      --storage-path="data"      Path to storage directory.
      --storage-enable-wal       Enables write ahead log for profile storage.
      --storage-snapshot-trigger-size=134217728
                                 Number of bytes to trigger a snapshot. Defaults
                                 to 1/4 of active memory. This is only used if
                                 enable-wal is set.
      --storage-row-group-size=8192
                                 Number of rows in each row group during
                                 compaction and persistence. Setting to <= 0
                                 results in a single row group per file.
      --storage-index-on-disk    Whether to store the index on disk instead
                                 of in memory. Useful to reduce the memory
                                 footprint of the store.
      --symbolizer-demangle-mode="simple"
                                 Mode to demangle C++ symbols. Default mode
                                 is simplified: no parameters, no templates,
                                 no return type
      --symbolizer-number-of-tries=3
                                 Number of tries to attempt to symbolize an
                                 unsybolized location
      --debuginfo-cache-dir="/tmp"
                                 Path to directory where debuginfo is cached.
      --debuginfo-upload-max-size=1000000000
                                 Maximum size of debuginfo upload in bytes.
      --debuginfo-upload-max-duration=15m
                                 Maximum duration of debuginfo upload.
      --debuginfo-uploads-signed-url
                                 Whether to use signed URLs for debuginfo
                                 uploads.
      --debuginfod-upstream-servers=debuginfod.elfutils.org,...
                                 Upstream debuginfod servers. Defaults to
                                 debuginfod.elfutils.org. It is an ordered
                                 list of servers to try. Learn more at
                                 https://sourceware.org/elfutils/Debuginfod.html
      --debuginfod-http-request-timeout=5m
                                 Timeout duration for HTTP request to upstream
                                 debuginfod server. Defaults to 5m
      --profile-share-server="api.pprof.me:443"
                                 gRPC address to send share profile requests to.
      --store-address=STRING     gRPC address to send profiles and symbols to.
      --bearer-token=STRING      Bearer token to authenticate with store.
      --bearer-token-file=STRING
                                 File to read bearer token from to authenticate
                                 with store.
      --insecure                 Send gRPC requests via plaintext instead of
                                 TLS.
      --insecure-skip-verify     Skip TLS certificate verification.
      --external-label=KEY=VALUE;...
                                 Label(s) to attach to all profiles in
                                 scraper-only mode.

Credits

Parca wurde ursprünglich von Polar Signals entwickelt. Lesen Sie den Ankündigungs-Blogbeitrag: https://www.polarsignals.com/blog/posts/2021/10/08/introducing-parca-we-got-funded/

Mitwirken

Schauen Sie sich unseren Beitragsleitfaden an, um loszulegen! Es erklärt, wie Parca kompiliert, mit Tilt als Container in Kubernetes ausgeführt und eine Pull-Anfrage gesendet wird.

Mitwirkende

Der Dank geht an diese wunderbaren Menschen (Emoji-Taste):

_{Frédéric Branczyk} ?	_Thor ?	_{Matthias Loibl} ?	_{Kemal Akkoyun}	_{Sumera Priyadarsini}
_{Jessica Lins}	_{Holger Freyther}	_{Sergiusz Urbaniak} ?	_{Paweł Krupa} ?	_{Ben Ye} ?
_Felix ?	_{Christian Bargmann}	_{Yomi Eluwande}	_{Manoj Vivek}	_{Monica Wojciechowska}
_{Manuel Rüger} ?	_{Avinash Upadhyaya KR}	_{Ikko Ashimine}	_{Maxime Brunet} ?	_Rohit
_{Ujjwal Goyal}	_{Javier Honduvilla Coto}	_{Marsel Mavletkulov}	_{Kautilya Tripathi}	_{Jon Seager}
_{Philip Gough}	_{Boran Seref}	_{Wen Long}	_{cui fliter}	_{Alfonso Subiotto Marqués}
_TomHellier	_{Stefan VanBuren}	_{Carlos Tadeu Panato Junior} ?	_{Daniel (Shijun) Qian}	_{Alex Weste}
_{Shubham Palriwala}	_{Fabian Reinartz}	_{Karthick Raja}	_{ziemlich4work}	_Bert
_{Mohammad S}	_{Nikhilesh Susarla}	_{Franco Sánchez}	_{Andrea Scarpino}	_{Maksim Nabokikh}