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

Acest proiect este un utilitar de profilare scris în Rust care capturează, transformă și vizualizează call stack-urile funcțiilor pentru a identifica blocajele de performanță ale sistemului. Acesta funcționează ca un wrapper de profilare prin eșantionare care convertește datele brute de profilare în flamegraph-uri interactive, care sunt hărți ierarhice ale consumului de resurse. Instrumentul oferă integrare specializată cu sistemul de build Rust pentru a profila binarele și benchmark-urile de performanță. De asemenea, permite configurații de profilare personalizate, permițând utilizatorilor să suprascrie instrumentele implicite de profilare a sistemului sau flag-urile de înregistrare pentru a controla modul în care sunt colectate datele. Utilitarul suportă monitorizarea performanței aplicațiilor și analiza execuției binare. Poate captura date de performanță prin atașarea la un ID de proces activ pentru a analiza o aplicație care rulează fără a necesita o repornire.

Acest proiect este o resursă educațională care oferă un tutorial de dezvoltare cuprinzător pentru scrierea și încărcarea programelor eBPF folosind C, Go și Rust în kernel-ul Linux. Servește drept ghid tehnic pentru dezvoltarea logicii personalizate care să fie executată direct în kernel. Materialele acoperă domenii specializate, inclusiv observabilitatea și trasarea kernel-ului, implementarea securității pentru detectarea intruziunilor și ingineria rețelelor de înaltă performanță pentru filtrarea pachetelor și echilibrarea sarcinii. Include, de asemenea, manuale dedicate pentru trasarea kernel-ului Linux și utilizarea kprobes, uprobes și tracepoints. Proiectul cuprinde o gamă largă de domenii de capabilități, cum ar fi instrumentarea kernel-ului, monitorizarea și observabilitatea sistemului, analiza rețelei și aplicarea securității. Se extinde în continuare la depanarea la nivel hardware pentru GPU-uri și drivere, precum și la manipularea sistemului de nivel scăzut și gestionarea resurselor.

Acest proiect este un instrument de analiză a performanței pentru aplicații Ruby care utilizează interfața Rack. Monitorizează timpii de execuție a cererilor și utilizarea resurselor, servind drept profiler pentru aplicațiile web pentru a măsura latența și a identifica blocajele. Instrumentul oferă analizatoare specifice pentru performanța interogărilor bazei de date, alocările de memorie și statisticile de colectare a gunoiului (garbage collection). Generează flamegraph-uri ale stivei de apeluri pentru a vizualiza distribuția timpului între metode și randează insigne de viteză și metrici de timp direct pe paginile HTML. Sistemul acoperă capabilități mai largi de profilare a performanței, inclusiv urmărirea blocurilor de cod personalizate, exportul datelor de profilare către URL-uri la distanță și eșantionarea performanței în producție. Include mecanisme pentru persistența datelor de profilare pe diferite backend-uri de stocare și implementează controlul accesului pentru a restricționa cine poate vizualiza metricile de performanță sensibile.