实践背景是开发云原生背景下的指纹识别插件，主要针对的是镜像、容器等云时代的软件资产。
信息安全语境下的 指纹识别 指的是定位软件的特征，如名称、版本号、开源许可证等，就像指纹是人的独特生物凭证，这些特征是软件的独特电子凭证。除了识别软件外，指纹识别还用于上报资产，即辅助探针发现镜像中的软件资产，包括组件、中间件、系统工具、系统库、CMS（Content Management System）等。
一、调优背景 🂠
Trivy 是一个优秀的用于扫描镜像漏洞的开源工具，但商业场景下需要定制化开发，因此自研指纹识别工具。
根据知乎文章的介绍，Trivy 有以下特点：
因此自研产品应当对标 Trivy 且有一定改进，但在首次 Benchmark 测试时，针对 4.9G 大小的镜像，自研产品扫描用时 53 秒，且占用了一个 CPU 核。这个时间和硬件开销和 Trivy 相比是不可接受的，因此分析 CPU 用时信息。具体如何分析，见之前的博客 单元测试、基准测试和性能分析 。
二、分析 CPU Profile ⚛︎
分析 cpu.prof 后发现系统调用占了 38 秒，往上查找，发现 IsExist() 是主要的时间消耗对象，其底层实现是 Stat() 系统调用 。IsExist() 用于判断文件是否存在，但在遍历镜像的文件系统时，各个检测器都要对所有的文件进行检测（Detect 函数），而 Detect 函数中都有一个 IsExist() 判断，这将造成海量的系统调用，使检测速度大幅下降。
解决策略：
- 根据计算机领域的万能准则，以空间换时间，只考虑遍历一次文件系统，记录下有用信息到 map 中，后续使用时从 map 中取出。
- 后续详细阅读代码，发现
IsExist()函数逻辑根本没必要，因为在遍历文件系统时不可能遍历到不存在的文件。
因此修改代码逻辑后，系统调用大大减少，整体扫描时间下降至 14 秒。
三、为什么系统调用是重开销 💸（待详写）
所谓的重开销指的是消耗 CPU 资源，CPU 资源较为宝贵，因此需要合理分配。此外，从用户态陷入内核态时，还有上下文切换和现场保护，这部分也需要消耗较多资源。
