生产环境内存泄漏定位：从 RSS 飙升到源码行号的分层归因
- 症状：只升不降的内存曲线
- 内存泄漏还是内存占用高？
- 四类泄漏模式的真实根因链
- 看起来在涨，其实不是泄漏
- 如何定位泄漏：自顶向下的分层归因
- 传统工具为什么在生产环境里不够用
- 常见问题
- 症状：只升不降的内存曲线
- 内存泄漏还是内存占用高？
- 四类泄漏模式的真实根因链
- 看起来在涨，其实不是泄漏
- 如何定位泄漏：自顶向下的分层归因
- 传统工具为什么在生产环境里不够用
- 常见问题
← Back
Openresty-Xray
Off-CPU 分析实战：CPU 使用率低但延迟高的四类根因与定位方法
- Off-CPU 时间是什么？
- 症状：CPU 使用率上不去，请求却在排队
- 四类 Off-CPU 根因的真实根因链
- 如何量化 Off-CPU 时间
- On-CPU + Off-CPU = 挂钟时间：全局视角与工具生态
- 常见问题
- Off-CPU 时间是什么？
- 症状：CPU 使用率上不去，请求却在排队
- 四类 Off-CPU 根因的真实根因链
- 如何量化 Off-CPU 时间
- On-CPU + Off-CPU = 挂钟时间：全局视角与工具生态
- 常见问题
OpenResty XRay AI 助手：让每一份分析数据都能开口说话
- 它和“把报告贴进 ChatGPT”有什么区别？
- 三个典型场景
- 常见问题：AI 能读懂火焰图吗？解读可靠吗？
- 它和“把报告贴进 ChatGPT”有什么区别？
- 三个典型场景
- 常见问题：AI 能读懂火焰图吗？解读可靠吗？
OpenResty 私有库：高性能 Lua 与 Nginx 模块
- 完整目录
- 按场景分类
- 许可方式
- 常见问题
- 完整目录
- 按场景分类
- 许可方式
- 常见问题
二进制漏洞扫描：识别 Backport 补丁，消除误报
- 为什么版本匹配漏洞扫描会失效：三类叠加代价
- OpenResty XRay 的二进制漏洞扫描如何工作：证据优先模型
- 实战案例：Rocky Linux 双版本 OpenSSL 场景下的二进制漏洞扫描
- 从告警疲劳到精准：可持续的漏洞扫描实践
- 为什么版本匹配漏洞扫描会失效：三类叠加代价
- OpenResty XRay 的二进制漏洞扫描如何工作：证据优先模型
- 实战案例：Rocky Linux 双版本 OpenSSL 场景下的二进制漏洞扫描
- 从告警疲劳到精准：可持续的漏洞扫描实践
不改代码、不重启服务：OpenResty XRay 如何对生产环境做全栈动态追踪
- 现有动态追踪框架的技术权衡与生产环境局限性
- OpenResty XRay 的动态追踪架构级突破
- 全栈火焰图
- 能力边界的持续扩展
- 现有动态追踪框架的技术权衡与生产环境局限性
- OpenResty XRay 的动态追踪架构级突破
- 全栈火焰图
- 能力边界的持续扩展
OpenResty XRay 是什么
- 以“零侵入”重构生产环境性能分析
- 将海量遥测数据转化为可执行的洞察
- 适应弹性架构的无感观测能力
- 赋能高可用架构的长期主义
- 以“零侵入”重构生产环境性能分析
- 将海量遥测数据转化为可执行的洞察
- 适应弹性架构的无感观测能力
- 赋能高可用架构的长期主义
一次无法重启的 Nginx 内存泄漏，我们是如何在生产环境把它抓出来的
- 一次生产环境内存泄漏的完整解剖
- 为什么这类问题几乎无解？
- 从“靠运气”到“可预测”
- 当性能问题超越“工具”范畴”
- 一次生产环境内存泄漏的完整解剖
- 为什么这类问题几乎无解？
- 从“靠运气”到“可预测”
- 当性能问题超越“工具”范畴”
Nginx 反向代理 QPS 暴跌 15 倍：upstream keepalive 缺失与 -O0 编译选项的根因定位
- Nginx 反向代理慢 15 倍，日志却零报错
- 火焰图暴露连接风暴：upstream keepalive 缺失
- 剩下的 10% 差距：基线对比指向编译器
- -O0 调试编译如何吃掉我们 10% 的性能
- 15 倍 QPS 差异的工程性复盘
- Nginx 反向代理慢 15 倍，日志却零报错
- 火焰图暴露连接风暴：upstream keepalive 缺失
- 剩下的 10% 差距：基线对比指向编译器
- -O0 调试编译如何吃掉我们 10% 的性能
- 15 倍 QPS 差异的工程性复盘
修复 OpenResty 中 LuaJIT RSS 内存泄漏：无需重启即可消除 OOM Kill
- 什么是 LuaJIT「伪内存泄漏」？
- 用真实生产数据诊断问题
- 为什么常规修复手段无效
- LuaJIT-plus 如何在分配器层面解决
- 上线后的生产收益
- 什么是 LuaJIT「伪内存泄漏」？
- 用真实生产数据诊断问题
- 为什么常规修复手段无效
- LuaJIT-plus 如何在分配器层面解决
- 上线后的生产收益
我们如何在一个 500k QPS 的 OpenResty 网关中定位 244 毫秒的性能异常
- 被健康平均值掩盖的延迟尖刺与 CPU 浪费
- 无需改代码、无需重启：OpenResty 延迟问题排查
- 优化结果：延迟毛刺消除，CPU 使用率下降 30%
- 常见问题
- 被健康平均值掩盖的延迟尖刺与 CPU 浪费
- 无需改代码、无需重启：OpenResty 延迟问题排查
- 优化结果：延迟毛刺消除，CPU 使用率下降 30%
- 常见问题
如何在生产环境中定位 Java 内存泄漏——无需堆转储、无需重启
- 为什么多次 Full GC 后堆内存仍未回落
- 如何在不导出堆转储的情况下定位生产环境的 Java 内存泄漏
- 如何定位 Java 内存泄漏：一套可复用的三步法
- 为什么用 OpenResty XRay 定位 Java 内存泄漏
- 常见问题
- 为什么多次 Full GC 后堆内存仍未回落
- 如何在不导出堆转储的情况下定位生产环境的 Java 内存泄漏
- 如何定位 Java 内存泄漏：一套可复用的三步法
- 为什么用 OpenResty XRay 定位 Java 内存泄漏
- 常见问题
当”黑盒”插件吃掉 45% CPU，我们如何在无源码情况下定位到 Lua 第 93 行
- 当 perf 遇到“黑盒”
- 从采样到全栈动态追踪
- 拿到证据链
- 从“发生了什么”到“为什么”
- 当 perf 遇到“黑盒”
- 从采样到全栈动态追踪
- 拿到证据链
- 从“发生了什么”到“为什么”
Gzip CPU 占用过高的根因：压缩级别 6 吃掉了 54% 的 CPU
- Gzip 压缩如何在生产环境中吃掉了 54% 的 CPU
- Gzip CPU 占用为何如此之高：配置级根因诊断
- 量化 Gzip 与 Brotli 的 CPU 开销
- 从凭感觉到数据驱动的压缩调优
- Gzip 压缩如何在生产环境中吃掉了 54% 的 CPU
- Gzip CPU 占用为何如此之高：配置级根因诊断
- 量化 Gzip 与 Brotli 的 CPU 开销
- 从凭感觉到数据驱动的压缩调优
Nginx C++ 模块内存泄漏:生产环境不重启定位根因
- 生产环境难题：无法用 GDB 调试的 C++ 模块内存泄漏
- 火焰图如何锁定 ngx_dubbo_module 中的泄漏函数
- 从被动应对到主动赋能：XRay 带来的排障新闭环
- 总结
- 生产环境难题：无法用 GDB 调试的 C++ 模块内存泄漏
- 火焰图如何锁定 ngx_dubbo_module 中的泄漏函数
- 从被动应对到主动赋能：XRay 带来的排障新闭环
- 总结
无侵入式 Java 探针：生产环境无 Java Agent 捕获方法参数
- 为什么无侵入式 Java 探针在生产环境很重要
- 实战演示：在生产环境捕获 Java 方法参数
- OpenResty XRay 与常见 Java Profiler 的差异
- 常见问题
- 为什么无侵入式 Java 探针在生产环境很重要
- 实战演示：在生产环境捕获 Java 方法参数
- OpenResty XRay 与常见 Java Profiler 的差异
- 常见问题
别让”大数据”淹没你：OpenResty XRay 如何用最少数据，定位最棘手问题
- “更多数据”不等于“更多洞察”
- OpenResty XRay 有何不同？
- XRay 在真实场景中的应用案例
- “更多数据”不等于“更多洞察”
- OpenResty XRay 有何不同？
- XRay 在真实场景中的应用案例
Perl 内存泄漏排查案例：数 GB 降至 60MB，一张火焰图定位根因
- 精准定位内存泄漏根因
- 显著的优化成效
- 延展阅读
- 总结
- 精准定位内存泄漏根因
- 显著的优化成效
- 延展阅读
- 总结
OpenResty XRay 如何用 Node.js 函数探针实现监控新范式
- 为什么你需要无侵入式函数探针的新范式？
- 实战演示：监控函数参数
- 顶尖团队如何利用无侵入式探针提升研发效能？
- 总结
- 为什么你需要无侵入式函数探针的新范式？
- 实战演示：监控函数参数
- 顶尖团队如何利用无侵入式探针提升研发效能？
- 总结
Nginx Worker 进程 RPS 上不去：追踪到 75 毫秒的事件循环阻塞
- 负载很高却没干活：缺失 worker_cpu_affinity 导致的 CPU 争抢
- 阻塞的 Lua IO 操作如何拖停 Nginx 事件循环
- 量化文件 IO 延时：单次最高 1.5 毫秒
- Nginx 事件循环阻塞有多严重？43952 个样本、最大 75 毫秒
- 常见问题
- 负载很高却没干活：缺失 worker_cpu_affinity 导致的 CPU 争抢
- 阻塞的 Lua IO 操作如何拖停 Nginx 事件循环
- 量化文件 IO 延时：单次最高 1.5 毫秒
- Nginx 事件循环阻塞有多严重？43952 个样本、最大 75 毫秒
- 常见问题
双重瓶颈并发？OpenResty XRay 多维分析破解性能难题
- 整体 CPU 使用分析
- 深入模块内部分析
- 压缩策略深度分析
- 分析结论
- 优化解决方案
- 整体 CPU 使用分析
- 深入模块内部分析
- 压缩策略深度分析
- 分析结论
- 优化解决方案
零侵入 Node.js CPU 性能分析：火焰图实战
- Node.js 应用中的高 CPU 使用率问题
- Node.js 应用中的 CPU 阻塞问题
- 支持的 Node.js 版本和操作系统
- 性能影响和额外负担
- 下一步的计划
- Node.js 应用中的高 CPU 使用率问题
- Node.js 应用中的 CPU 阻塞问题
- 支持的 Node.js 版本和操作系统
- 性能影响和额外负担
- 下一步的计划
从崩溃到根因：OpenResty XRay 如何将 Nginx 内存踩踏问题分析得明明白白
- 案例背景：日志无法解释的 Nginx worker 进程频繁崩溃
- 分析录制文件：把崩溃过程回放回“第一现场”
- 根因：Nginx 连接生命周期中的 Use-After-Free
- 常见问题（FAQ）
- 案例背景：日志无法解释的 Nginx worker 进程频繁崩溃
- 分析录制文件：把崩溃过程回放回“第一现场”
- 根因：Nginx 连接生命周期中的 Use-After-Free
- 常见问题（FAQ）
UDB + OpenResty XRay：解锁 OpenResty 应用性能之谜
- OpenResty XRay 如何协同 UDB 增效
- 实战：使用 UDB 与 OpenResty XRay 分析 OpenResty 应用的 Lua 代码调用栈
- 时间旅行调试的优势
- OpenResty XRay 如何协同 UDB 增效
- 实战：使用 UDB 与 OpenResty XRay 分析 OpenResty 应用的 Lua 代码调用栈
- 时间旅行调试的优势
UDB 与 OpenResty XRay 如何让你看透 Perl 代码执行全过程
- UDB 是什么？
- 实战：使用 OpenResty XRay 与 UDB 分析 Perl 应用的代码调用栈
- 为什么越来越多开发者选择 UDB？
- UDB 是什么？
- 实战：使用 OpenResty XRay 与 UDB 分析 Perl 应用的代码调用栈
- 为什么越来越多开发者选择 UDB？
如何用时间旅行调用栈调试 Java 文件 I/O
- IDE 断点和 coredump 在 Java 文件 I/O 排查中的短板
- 从 native write() 系统调用重建完整的 Java 调用栈
- 用时间旅行回放一步步调试 Java 文件 I/O
- 常见问题
- IDE 断点和 coredump 在 Java 文件 I/O 排查中的短板
- 从 native write() 系统调用重建完整的 Java 调用栈
- 用时间旅行回放一步步调试 Java 文件 I/O
- 常见问题
结合 UDB 的时间旅行功能，揭秘 Python 代码执行过程
- UDB 在 Python 调试中的独特价值
- 结合 OpenResty XRay 增强调试能力
- 实战案例：分析 Python 网络请求的调用栈
- 总结
- UDB 在 Python 调试中的独特价值
- 结合 OpenResty XRay 增强调试能力
- 实战案例：分析 Python 网络请求的调用栈
- 总结
追踪 OpenResty 中 LRU 缓存引发的内存泄漏 —— 根因竟是缓存的 SSL 证书
- 为什么一个低流量的 OpenResty 应用会持续泄漏内存
- 一步步追踪 LRU 缓存内存泄漏的完整过程
- 最终结果：从无限增长到内存平稳
- 为什么一个低流量的 OpenResty 应用会持续泄漏内存
- 一步步追踪 LRU 缓存内存泄漏的完整过程
- 最终结果：从无限增长到内存平稳
Nginx Worker CPU 占用不均：定位未启用 reuseport 与 cjson 解析瓶颈
- 症状：部分 Nginx Worker 进程 CPU 打满，其余接近空闲
- OpenResty XRay 如何定位根因
- 修复：三项优化与各自的实测收益
- 总结：OpenResty XRay 几分钟内的发现
- 常见问题
- 症状：部分 Nginx Worker 进程 CPU 打满，其余接近空闲
- OpenResty XRay 如何定位根因
- 修复：三项优化与各自的实测收益
- 总结：OpenResty XRay 几分钟内的发现
- 常见问题
动态追踪的瑞士军刀：Y 语言如何让动态追踪不再复杂
- 行业痛点：为什么我们迫切需要一门全新的追踪语言？
- 技术硬实力：Y 语言凭什么敢说“革命性”？
- Y 语言语法：熟悉的 C，更强大的追踪能力
- 杀手级应用场景：解决传统工具无法解决的问题
- 全平台支持：没有 Y 语言到不了的地方
- 行业痛点：为什么我们迫切需要一门全新的追踪语言？
- 技术硬实力：Y 语言凭什么敢说“革命性”？
- Y 语言语法：熟悉的 C，更强大的追踪能力
- 杀手级应用场景：解决传统工具无法解决的问题
- 全平台支持：没有 Y 语言到不了的地方
OpenResty XRay 重要突破：无侵入分析 Java 应用内存与 Envoy Lua 性能
- 无需侵入，彻底洞察 Java 应用内存
- 首次打通 Envoy 内 Lua 性能黑盒
- 无需侵入，彻底洞察 Java 应用内存
- 首次打通 Envoy 内 Lua 性能黑盒
为什么动态追踪才是生产环境调试的未来
- 现代软件中看不见的危机
- 传统工具为何会失效？
- 故障排除的新范式：动态追踪
- OpenResty XRay 的独特之处
- 现代软件中看不见的危机
- 传统工具为何会失效？
- 故障排除的新范式：动态追踪
- OpenResty XRay 的独特之处
深入动态追踪技术：OpenResty XRay 如何彻底改变问题诊断方式
- 动态追踪：解决复杂系统问题的利器
- 为什么选择 OpenResty XRay？
- 产品聚焦：XRay 在真实场景中的应用案例
- 常见误区与 FAQ
- 动态追踪：解决复杂系统问题的利器
- 为什么选择 OpenResty XRay？
- 产品聚焦：XRay 在真实场景中的应用案例
- 常见误区与 FAQ
日志、埋点、A/B 测试都不够用了？你该了解”动态追踪”
- 传统方法 vs 动态追踪：效率与控制力的革命
- 动态追踪：系统的“透视眼”
- 从火焰图到系统全景
- 为什么选择 OpenResty XRay？
- 动态追踪的新边界
- 传统方法 vs 动态追踪：效率与控制力的革命
- 动态追踪：系统的“透视眼”
- 从火焰图到系统全景
- 为什么选择 OpenResty XRay？
- 动态追踪的新边界
为什么动态追踪落地难？OpenResty XRay 如何破局？
- 动态追踪技术的落地痛点
- OpenResty XRay：新一代动态追踪解决方案
- 动态追踪的未来
- 动态追踪技术的落地痛点
- OpenResty XRay：新一代动态追踪解决方案
- 动态追踪的未来
可观测性的下一站：OpenResty XRay 如何重新定义问题排查
- 现代软件架构下的问题排查为何越来越难？
- 趋势洞察：可观测技术的未来
- 动态追踪技术是如何打通抽象层的
- 实战案例：在线上 Kong 服务中实时统计插件资源消耗
- 现代软件架构下的问题排查为何越来越难？
- 趋势洞察：可观测技术的未来
- 动态追踪技术是如何打通抽象层的
- 实战案例：在线上 Kong 服务中实时统计插件资源消耗
从黑盒到白盒：OpenResty XRay 让系统问题无所遁形
- OpenResty XRay：黑盒变白盒的动态追踪利器
- 全方位多角度的分析能力
- 实际案例分享
- 产品愿景
- OpenResty XRay：黑盒变白盒的动态追踪利器
- 全方位多角度的分析能力
- 实际案例分享
- 产品愿景
OpenResty XRay 助力 LLVM clang 性能优化实践
- 什么是 LLVM/clang
- OpenResty XRay 分析过程
- 优化实施与成果
- 什么是 LLVM/clang
- OpenResty XRay 分析过程
- 优化实施与成果
自我优化：OpenResty XRay 的性能蜕变
- 显著的优化成果
- Ylang 语言：动态追踪的理想工具
- 技术协同的典范
- 显著的优化成果
- Ylang 语言：动态追踪的理想工具
- 技术协同的典范
OpenResty XRay 助力脚本性能提升 44 倍
- 真实案例：从发现瓶颈到显著提速
- OpenResty XRay 的工作原理
- 优化效果
- 支适用场景与实践建议
- 真实案例：从发现瓶颈到显著提速
- OpenResty XRay 的工作原理
- 优化效果
- 支适用场景与实践建议
跨介质数据结构漂移：OpenResty XRay 助力性能提升 20 倍
- 性能挑战与突破
- 20 倍性能提升的实际意义
- 未来展望
- 性能挑战与突破
- 20 倍性能提升的实际意义
- 未来展望
从 OOM 到 O(1)：OpenResty 流式 JSON 解析器的实现之道
- JSONL 格式与传统 JSON 的区别
- 解决方案
- 技术验证
- 持续优化
- 技术启示
- JSONL 格式与传统 JSON 的区别
- 解决方案
- 技术验证
- 持续优化
- 技术启示
从数天到数小时：OpenResty XRay 如何让 Linux shred 工具提速几十倍
- 问题分析
- XRay 实战效果
- 优化过程
- 应用价值
- 总结与展望
- 问题分析
- XRay 实战效果
- 优化过程
- 应用价值
- 总结与展望
实战分享：OpenResty XRay 让 Ylang 编译器性能翻倍
- 显著的优化成果
- Ylang 语言：动态追踪的理想工具
- 技术协同的典范
- 显著的优化成果
- Ylang 语言：动态追踪的理想工具
- 技术协同的典范
Java Tomcat 响应慢：用单请求 PCAP 精准定位慢请求
- 诊断 Tomcat 响应慢，精准捕获慢请求
- 选择性抓包：按响应时间、状态码、路径过滤
- 每个慢请求单独下载对应 PCAP 包
- 区分服务端延迟与网络延迟
- 支持 Spring Boot 内嵌 Tomcat 场景
- 诊断 Tomcat 响应慢，精准捕获慢请求
- 选择性抓包：按响应时间、状态码、路径过滤
- 每个慢请求单独下载对应 PCAP 包
- 区分服务端延迟与网络延迟
- 支持 Spring Boot 内嵌 Tomcat 场景
Java 应用性能剖析：CPU、Off-CPU 与磁盘 I/O 分析（无 Safepoint 偏差）
- 用火焰图剖析 Java CPU 热点
- Off-CPU Java 性能分析：锁等待与阻塞诊断
- Java 磁盘 I/O 剖析：追踪文件与套接字写入
- 支持 OpenJDK 8/11/17/21 应用剖析
- 自动化采样与专家分析
- 性能影响与开销
- 常见问题
- 用火焰图剖析 Java CPU 热点
- Off-CPU Java 性能分析：锁等待与阻塞诊断
- Java 磁盘 I/O 剖析：追踪文件与套接字写入
- 支持 OpenJDK 8/11/17/21 应用剖析
- 自动化采样与专家分析
- 性能影响与开销
- 常见问题