Awesome GitHub RepositoriesContinuous Profilers

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

Parca is an always-on continuous profiling platform that captures CPU and memory usage from running applications without any code modifications. It uses eBPF kernel-level tracing to automatically discover and sample stack traces across infrastructure, and provides a web-based flame graph dashboard for interactive performance analysis. Its label-based query engine lets users slice and aggregate profiling data across dimensions such as service, container, or region, using a Prometheus-style selector syntax. Unlike basic profilers, Parca stores profile samples in a columnar format using Apache A

Ce projet est une ressource éducative fournissant un tutoriel de développement complet pour écrire et charger des programmes eBPF en utilisant C, Go et Rust au sein du noyau Linux. Il sert de guide technique pour développer une logique personnalisée à exécuter directement dans le noyau. Les matériaux couvrent des domaines spécialisés, notamment l'observabilité et le traçage du noyau, l'implémentation de la sécurité pour la détection d'intrusion et l'ingénierie réseau haute performance pour le filtrage de paquets et l'équilibrage de charge. Il inclut également des manuels dédiés pour le traçage du noyau Linux et l'utilisation de kprobes, uprobes et tracepoints. Le projet englobe un large éventail de domaines de capacités, tels que l'instrumentation du noyau, la surveillance et l'observabilité du système, l'analyse réseau et l'application de la sécurité. Il s'étend en outre au débogage au niveau matériel pour les GPU et les pilotes, ainsi qu'à la manipulation système de bas niveau et à la gestion des ressources.

DeepFlow est une plateforme d'observabilité eBPF qui fournit une suite pour le profilage continu, le traçage distribué, la cartographie des dépendances de services et le stockage de télémétrie unifié. Il fonctionne comme un système de surveillance qui collecte des métriques, des traces et des profils sans nécessiter d'instrumentation manuelle de l'application ou de modifications du code source. La plateforme se distingue par l'utilisation de l'analyse de paquets consciente des protocoles pour reconstruire les chaînes de requêtes et la cartographie automatisée des dépendances de services pour visualiser les interactions entre les applications et l'infrastructure. Elle utilise un magasin de données de télémétrie conçu pour l'optimisation des signaux à haute cardinalité, permettant aux utilisateurs d'interroger des données unifiées via des interfaces SQL et PromQL. Le système couvre un large éventail de domaines d'observabilité, incluant le profilage des performances des applications avec des flame graphs on-CPU et off-CPU, la collecte des performances réseau et la surveillance de l'infrastructure cloud. Il intègre la collecte de télémétrie au niveau du noyau pour rassembler des métriques système et des métadonnées de couche application à travers les services et les threads.