Parca是一个针对应用程序和基础设施的持续分析项目。持续分析以分析CPU、内存使用情况，直至行号。节省基础设施成本、提高性能并提高可靠性。
持续分析是以系统的方式对程序进行剖析（如CPU、内存、I/O等）的行为。Parca收集、存储并提供可在一段时间内查询的配置文件。它有一个强大的多维数据模型、存储和查询引擎，专门为剖析数据设计。
特性：eBPFProfiler：单个profiler，使用eBPF，以非常低的开销自动从Kubernetes或systemd跨整个基础架构发现目标。支持C、C++、Rust、Go等。
OpenStandards：使用基于eBPF的 profiler 生成pprof格式的配置文件，并摄取任何pprof格式的配置文件，允许广泛的语言采用和与现有工具的互操作性。
优化的存储和查询：有效地存储分析数据，同时保留原始数据，并允许通过基于标签的搜索对数据进行切片和切块。聚合分析数据基础架构范围内的数据，及时查看单个配置文件或在任何维度上进行比较。
优势省钱：许多组织通过轻松优化的代码路径浪费了20-30%的资源。Parca代理旨在通过要求整个基础设施的0检测来降低进入门槛。提高性能：使用随时间收集的分析数据，Parca可以自信地和具有统计意义的确定要优化的热门路径。此外，它还可以显示任何标签维度之间的差异，例如部署、版本和区域。了解事件：分析数据可提供对流程随时间执行的内容的独特见解和深度。内存泄漏，以及导致意外行为的CPU或I/O中的瞬时峰值，传统上难以排除故障，而通过连续分析则轻而易举。
评论