Awesome GitHub RepositoriesFlamegraph Generators

The 1BRC (One Billion Row Challenge) is a Java performance benchmarking exercise that processes one billion temperature records from a text file to compute the minimum, mean, and maximum temperature per weather station. At its core, it is a large-scale data aggregation challenge designed to test how efficiently a Java program can parse and aggregate structured data from a plain text file, serving as both a programming exercise and a benchmark for Java performance optimization. The project distinguishes itself through a collection of performance-oriented architectural patterns for high-through

Pixie is an open-source observability platform for Kubernetes that uses eBPF to automatically capture telemetry data from clusters without requiring any manual instrumentation or code changes. It functions as an eBPF telemetry collector, a continuous application profiler, a network traffic analyzer, and a scriptable telemetry query engine, all within a single Kubernetes-native tool. The platform distinguishes itself through several integrated capabilities. It continuously samples stack traces from compiled-language code to identify CPU performance bottlenecks, visualizing the results as inter

Dieses Projekt ist ein Profiling-Dienstprogramm, das in Rust geschrieben wurde und Funktions-Call-Stacks erfasst, transformiert und visualisiert, um System-Performance-Engpässe zu identifizieren. Es fungiert als Sampling-Profiler-Wrapper, der rohe Profiling-Daten in interaktive Flamegraphs konvertiert, bei denen es sich um hierarchische Karten des Ressourcenverbrauchs handelt. Das Tool bietet eine spezialisierte Integration mit dem Rust-Build-System, um Binärdateien und Performance-Benchmarks zu profilieren. Es ermöglicht zudem benutzerdefinierte Profiling-Konfigurationen, wodurch Benutzer Standard-System-Profiling-Tools oder Aufzeichnungs-Flags überschreiben können, um zu steuern, wie Daten gesammelt werden. Das Dienstprogramm unterstützt Anwendungs-Performance-Monitoring und Binär-Ausführungsanalysen. Es kann Performance-Daten erfassen, indem es sich an eine aktive Prozess-ID anhängt, um eine laufende Anwendung zu analysieren, ohne einen Neustart zu erfordern.

Dieses Projekt ist eine Bildungsressource, die ein umfassendes Entwicklungs-Tutorial zum Schreiben und Laden von eBPF-Programmen unter Verwendung von C, Go und Rust innerhalb des Linux-Kernels bietet. Es dient als technischer Leitfaden für die Entwicklung benutzerdefinierter Logik zur direkten Ausführung im Kernel. Die Materialien decken spezialisierte Bereiche ab, einschließlich Kernel-Observability und Tracing, Sicherheitsimplementierung für Intrusion-Detection und High-Performance-Network-Engineering für Paketfilterung und Load Balancing. Es enthält zudem dedizierte Handbücher für Linux-Kernel-Tracing und die Verwendung von kprobes, uprobes und tracepoints. Das Projekt umfasst ein breites Spektrum an Funktionsbereichen, wie Kernel-Instrumentierung, Systemüberwachung und Observability, Netzwerkanalyse und Sicherheitsdurchsetzung. Es erstreckt sich zudem auf Hardware-Level-Debugging für GPUs und Treiber sowie auf Low-Level-Systemmanipulation und Ressourcenmanagement.

Dieses Projekt ist ein Performance-Analysetool für Ruby-Anwendungen unter Verwendung der Rack-Schnittstelle. Es überwacht die Ausführungszeiten von Anfragen und die Ressourcennutzung und dient als Profiler für Webanwendungen, um Latenz zu messen und Engpässe zu identifizieren. Das Tool bietet spezifische Analysatoren für die Performance von Datenbankabfragen, Speicherallokationen und Garbage-Collection-Statistiken. Es generiert Call-Stack-Flamegraphs, um die Zeitverteilung über Methoden hinweg zu visualisieren, und rendert Speed-Badges sowie Timing-Metriken direkt auf HTML-Seiten. Das System deckt breitere Performance-Profiling-Funktionen ab, einschließlich der Verfolgung benutzerdefinierter Code-Blöcke, des Exports von Profiling-Daten an entfernte URLs und des Performance-Samplings in der Produktion. Es enthält Mechanismen zur Persistenz von Profiling-Daten über verschiedene Speicher-Backends hinweg und implementiert Zugriffskontrolle, um einzuschränken, wer sensible Performance-Metriken einsehen darf.