Какие инструменты для дебагинга использовал?

Инструменты отладки в Go: от встроенных возможностей до продвинутых профайлеров

Go предоставляет как базовые встроенные инструменты, так и мощные сторонние решения для отладки, трассировки и профилирования. Вот основные инструменты, которые я регулярно использую в работе:

Встроенные инструменты Go

GDB/Delve интеграция - хотя Go поддерживает GDB, я предпочитаю использовать Delve, специально созданный для Go. Основные команды:

package main

func main() {
    data := []int{1, 2, 3, 4, 5}
    sum := 0
    for i := 0; i < len(data); i++ { // Точка останова
        sum += data[i]
    }
    println(sum)
}

Работа с Delve:

# Запуск отладчика
dlv debug main.go

# Установка точки останова
break main.go:8

# Выполнение до точки останова
continue

# Просмотр переменных
print sum
print i

# Пошаговое выполнение
next
step

Логирование через fmt/print - для простых случаев использую fmt.Printf() с контекстом:

import (
    "fmt"
    "runtime"
)

func debugInfo(msg string) {
    pc, file, line, _ := runtime.Caller(1)
    funcName := runtime.FuncForPC(pc).Name()
    fmt.Printf("[DEBUG] %s:%d %s: %s\n", file, line, funcName, msg)
}

Инструменты тестирования

Встроенные тесты с флагами:

# Подробный вывод тестов
go test -v

# Запуск конкретного теста
go test -v -run TestCalculateSum

# Покрытие кода
go test -cover -coverprofile=coverage.out
go tool cover -html=coverage.out

Профилирование и мониторинг

pprof - основной инструмент профилирования:

import (
    "net/http"
    _ "net/http/pprof"
)

func main() {
    // Запуск pprof сервера
    go func() {
        http.ListenAndServe("localhost:6060", nil)
    }()
    
    // Остальная логика приложения
}

Анализ профилей:

# CPU профилирование
go tool pprof http://localhost:6060/debug/pprof/profile

# Анализ памяти
go tool pprof http://localhost:6060/debug/pprof/heap

# Графическое представление
go tool pprof -web http://localhost:6060/debug/pprof/heap

Сторонние инструменты

go-torch - для визуализации профилей CPU в виде flame graph:

# Генерация flame graph
go-torch -u http://localhost:6060 --seconds 30

jaeger/opentelemetry - для распределенной трассировки в микросервисных архитектурах:

import (
    "go.opentelemetry.io/otel"
    "go.opentelemetry.io/otel/trace"
)

func processRequest(ctx context.Context) {
    tracer := otel.Tracer("service-name")
    ctx, span := tracer.Start(ctx, "processRequest")
    defer span.End()
    
    // Логика функции
}

Инструменты для работы с памятью

Вывод статистики памяти:

import (
    "runtime"
    "fmt"
)

func printMemStats() {
    var m runtime.MemStats
    runtime.ReadMemStats(&m)
    fmt.Printf("Alloc = %v MiB", m.Alloc/1024/1024)
    fmt.Printf("\tTotalAlloc = %v MiB", m.TotalAlloc/1024/1024)
    fmt.Printf("\tSys = %v MiB", m.Sys/1024/1024)
    fmt.Printf("\tNumGC = %v\n", m.NumGC)
}

Анализ гонок данных

Детектор данных races:

# Запуск с детектором гонок
go run -race main.go

# Тестирование с обнаружением гонок
go test -race ./...

Практический рабочий процесс

Мой типичный процесс отладки включает:

1. Начальный этап: логирование и fmt.Printf для быстрой диагностики
2. Сложные случаи: подключение Delve для пошаговой отладки
3. Производительность: использование pprof для CPU и memory profiling
4. Гонки данных: всегда запускаю с флагом -race в staging
5. Продакшн проблемы: собираю дампы памяти и CPU профили
6. Распределенные системы: интегрирую OpenTelemetry для трассировки

Интеграция в CI/CD

В CI/CD пайплайнах обязательно использую:

# Пример .github/workflows/test.yml
- name: Run tests with race detection
  run: go test -race ./...

- name: Generate coverage
  run: go test -coverprofile=coverage.out ./...

- name: Static analysis
  run: |
    go vet ./...
    staticcheck ./...

Заключение

Важно комбинировать различные подходы в зависимости от ситуации. Для повседневной разработки достаточно встроенных инструментов и pprof, но для сложных проблем в продакшене требуется полный стек: от отладчика до распределенной трассировки. Ключевой принцип - проактивный мониторинг, а не реактивная отладка, поэтому всегда интегрирую инструменты профилирования и метрик на ранних этапах разработки.