火焰图怎么看:从一张图到优化方向的完整方法论


 TL;DR
火焰图(Flame Graph)是 Brendan Gregg 在 2011 年提出的一种调用栈可视化方式。它把 profiler(perf、async-profiler、bpftrace...)采样的调用栈数据,渲染成一张"金字塔":
难度 中等

配套前文:PostgreSQL 逻辑复制性能分析:火焰图实战 —— 那一篇讲 PG 实战,这一篇讲通用方法论。

读完本文你会获得:

  1. 火焰图每根线条到底在表达什么
  2. 如何从一张图判断”有/没有/有多少瓶颈”
  3. 看到热点后,按什么顺序排查优化方向
  4. 火焰图看不到的东西(以及用什么工具补齐)

一、火焰图到底是什么

火焰图(Flame Graph)是 Brendan Gregg 在 2011 年提出的一种调用栈可视化方式。它把 profiler(perf、async-profiler、bpftrace…)采样的调用栈数据,渲染成一张”金字塔”:

flowchart TB subgraph FG["火焰图坐标系"] X["X 轴:采样占比<br/>(不是时间轴!函数越宽 = 被采样到的次数越多)"] Y["Y 轴:调用栈深度<br/>(从下往上是调用链,顶层是被采样到的函数)"] C["颜色:无意义<br/>(只是视觉区分,可选 warm/cold 配色)"] end style X fill:#fef9c3,stroke:#a16207,color:#000 style Y fill:#dbeafe,stroke:#1d4ed8,color:#000 style C fill:#f3f4f6,stroke:#6b7280,color:#000

核心三句话:

  1. X 轴不表示时间 —— 它表示采样的归一化占比。整张图的 X 轴总宽是 100% 的采样样本,每个矩形的宽度 = 这个栈帧在所有采样中出现的比例。
  2. Y 轴表示栈深度 —— 顶层是 profiler 抓到 PC 时正在执行的函数,下面依次是它的调用者。
  3. 颜色不携带信息 —— 默认是 random 或 warm(红=热,蓝=冷),用于视觉区分,不应当根据颜色判断”严重程度”。

理解这三点,你就已经超过了 80% 的”看图半吊子”。


二、生成火焰图:5 行命令搞定

不同 profiler 的命令不一样,但核心链路一致:

2.1 Linux perf + FlameGraph

# 1. 采样:99Hz 持续 30 秒,采样进程 PID 1234
perf record -F 99 -p 1234 -g -- sleep 30

# 2. 折叠栈帧(同一栈的样本合并)
perf script | ./stackcollapse-perf.pl > out.folded

# 3. 生成火焰图
./flamegraph.pl out.folded > out.svg

采样频率 99Hz 不是 100Hz:Brendan Gregg 专门说,用 99Hz 可以避开和某些周期性任务(秒级定时器)的同步偏差。

2.2 async-profiler(JVM)

./profiler.sh -d 30 -f out.html <pid>

2.3 bpftrace + 开源工具

profile-bpfcc -F 99 -p <pid> 30 > out.stacks

2.4 关键参数

参数 推荐值 说明
频率 -F 99 避开与定时器同步
持续时间 -d 30~60s 太短没代表性,太长污染数据
栈深度 -g 必须开 不带 -g 火焰图就是平的
目标 进程 PID 不要在整机采样,会包含噪音

三、读图三步法

看一张火焰图,按这三步走。

步骤 1:看整体形状 —— 找”平顶山”

flowchart TB subgraph A["典型火焰图形状"] S1["尖塔型<br/>没有明显宽顶 → 没有热点"]:::shape1 S2["平顶山型<br/>某个栈顶很宽 → 单点热点"]:::shape2 S3["多平顶山<br/>多个平顶 → 多点热点"]:::shape3 S4["断层型<br/>采样不全或采样率太低"]:::shape4 end classDef shape1 fill:#dcfce7,stroke:#15803d,color:#000 classDef shape2 fill:#fee2e2,stroke:#dc2626,color:#000 classDef shape3 fill:#fef9c3,stroke:#a16207,color:#000 classDef shape4 fill:#f3f4f6,stroke:#6b7280,color:#000

平顶山的定义

平顶山:某个函数或某段调用链在 X 轴上占比较大(经验阈值 ≥ 10%),且顶部是平的(代表该函数自身在消耗 CPU)。

平顶山宽度阈值(经验法则)

宽度 含义 行动
< 5% 一般噪声 忽略
5%~15% 值得关注 看是否可优化
15%~30% 明确热点 优先优化
> 30% 严重瓶颈 必须优化

步骤 2:从下往上看 —— 追溯调用链

平顶山找到了,从山顶往下走,就能看到这条”瓶颈调用链”:

flowchart TB subgraph Stack["一个完整的瓶颈调用链"] Top["a_function <-- 平顶山,占 35%"]:::hot Mid["b_function<br/>(被 a 调用)"]:::mid Low["c_function<br/>(被 b 调用)"]:::low Bot["d_function <-- 入口"]:::bot end Top --> Mid --> Low --> Bot classDef hot fill:#fee2e2,stroke:#dc2626,color:#000 classDef mid fill:#fef9c3,stroke:#a16207,color:#000 classDef low fill:#dbeafe,stroke:#1d4ed8,color:#000 classDef bot fill:#f3f4f6,stroke:#6b7280,color:#000

阅读规则:

  • 顶层(平顶)→ 实际消耗 CPU 的函数
  • 中间层 → 上下游调用关系
  • 底层(根部) → 入口函数(main、__libc_start_main、线程入口)

步骤 3:从左往右看 —— 找分支

X 轴上同一个函数被切成多段,意味着它的调用上下文不同:

flowchart LR subgraph SameFn["同一个 hash_search 出现 3 次"] A1["被 a 调用 30%"]:::a A2["被 b 调用 15%"]:::b A3["被 c 调用 8%"]:::c end A1 --> A2 --> A3 classDef a fill:#fee2e2,stroke:#dc2626,color:#000 classDef b fill:#fef9c3,stroke:#a16207,color:#000 classDef c fill:#dbeafe,stroke:#1d4ed8,color:#000

含义:同一个函数被多个调用方调用,各自占不同时间。要优化,先优化最宽的那一段(大概率是热点路径)。


四、判断”有没有瓶颈”:8 个信号

拿到一张火焰图,按这个清单逐项检查。

信号 1:平顶山宽度

✅ 已有定义。没有平顶山 ≠ 没有瓶颈(可能瓶颈在锁)。

信号 2:是否有大片的”矮宽”栈

flowchart TB subgraph WideLow["矮宽栈典型样子"] A["系统调用占了大块 X 轴"]:::sys B["可能是 futex / epoll_wait / read / write"]:::sys end classDef sys fill:#dbeafe,stroke:#1d4ed8,color:#000

含义:进程经常被踢出 CPU,或在系统调用里睡。常见原因:

  • 锁等待(futex)
  • 网络 IO(epoll_wait、recvfrom)
  • 磁盘 IO(read、write、pread64)
  • 主动 sleep(nanosleep)

信号 3:是否有大片的”深而窄”栈

含义:某条代码路径罕见但深,可能:

  • 错误处理路径(每次报错都走一遍)
  • 罕见分支(可能是冷启动路径)
  • 递归很深(注意:深 ≠ 慢,要看宽度)

信号 4:用户态 / 内核态比例

火焰图工具一般会标注:

  • On-CPU:进程在 CPU 上跑(纯计算)
  • Off-CPU:进程不在 CPU 上(等 IO、等锁)

如果你看到的是 Off-CPU 火焰图,所有”宽度”都是等的时间,不是消耗的 CPU。

flowchart LR A[CPU 火焰图] -->|"热点 = 消耗 CPU"| B[优化路径:减少计算] C[Off-CPU 火焰图] -->|"热点 = 等待时间"| D[优化路径:减少等待] style A fill:#dcfce7,stroke:#15803d,color:#000 style C fill:#fef9c3,stroke:#a16207,color:#000 style B fill:#dbeafe,stroke:#1d4ed8,color:#000 style D fill:#fee2e2,stroke:#dc2626,color:#000

信号 5:是否存在 spin / pollbusy 等循环

flowchart LR A["看到大量 pg_stat_activity 在 spin"] --> B["可能是自旋锁"] C["s_lock / SpinLockAcquire 频繁出现"] --> D["CPU 被白白消耗"] style A fill:#fee2e2,stroke:#dc2626,color:#000 style C fill:#fee2e2,stroke:#dc2626,color:#000

PG 中常见的自旋锁 s_lock / SpinLockAcquire 大量出现 → CPU 在空转,但实际上是”等锁”的另一种形式。

信号 6:多个相互独立的平顶山

flowchart TB subgraph Multi["多点瓶颈示意"] H1["热点 A:占 25%<br/>在 user 态"]:::a H2["热点 B:占 18%<br/>在 sys 态"]:::b H3["热点 C:占 12%<br/>在某个 IO 上"]:::c end classDef a fill:#fee2e2,stroke:#dc2626,color:#000 classDef b fill:#fef9c3,stroke:#a16207,color:#000 classDef c fill:#dbeafe,stroke:#1d4ed8,color:#000

含义:多热点通常意味着问题分布在多个层面——例如 CPU 和 IO 都不行,这种时候优化单点效果有限,需要先解决最严重的那个。

信号 7:某个第三方库的调用特别深

flowchart LR A["火焰图上看到 libc / libpthread / libssl 调用很深"] --> B["可能是标准库的瓶颈"] C["如 malloc/free 占大头"] --> D["→ 考虑 jemalloc / tcmalloc"] style A fill:#fef9c3,stroke:#a16207,color:#000 style C fill:#fef9c3,stroke:#a16207,color:#000

信号 8:大量未命名的栈帧 [unknown]

flowchart LR A["火焰图里有大块 [unknown] / [kernel]"] --> B["采样数据丢了"] C["常见原因"] --> D["/proc/sys/kernel/perf_event_paranoid 设置过严"] D --> E["或调试符号缺失"] style A fill:#fee2e2,stroke:#dc2626,color:#000

修复:

# 临时解决
sudo sysctl -w kernel.perf_event_paranoid=-1

# 永久:加到 /etc/sysctl.conf
echo 'kernel.perf_event_paranoid = -1' >> /etc/sysctl.conf

五、确定优化方向:4 类瓶颈对应 4 类解法

看到热点后,按这个分类法判断优化方向。

5.1 分类 1:用户态 CPU 热点(user% 高)

典型形态:

flowchart TB A["平顶山是某个 C 函数"] --> B["检查是否是已知热点"] B -->|是| C["优化算法 / 减少调用"] B -->|否| D["看调用上下文,判断是计算还是函数本身"] style A fill:#fee2e2,stroke:#dc2626,color:#000

典型场景:

看到的栈 优化方向
hash_search / hash_seq_search 减少 hash 查找(加缓存、改用数组)
palloc / MemoryContextAlloc 减少内存分配(对象池、arena)
palloc 大量 + memcpy 序列化反序列化
pg_utf8_verifychar 等编码函数 字符集转换开销
memcmp / strcmp 字符串比较(可以用 hash)
json_* JSON 解析开销(改 binary JSON)

PG 实战案例:

flowchart TB A["看到 pg_stat_get_activity 占 40%"] --> B["每次都遍历所有 backend 的快照"] B --> C["加缓存 / 改成后台异步刷新"] style A fill:#fee2e2,stroke:#dc2626,color:#000 style B fill:#fef9c3,stroke:#a16207,color:#000 style C fill:#dcfce7,stroke:#15803d,color:#000

5.2 分类 2:内核态 CPU 热点(sys% 高)

典型形态:

flowchart TB A["平顶山是系统调用或内核函数"] --> B["减少系统调用 / 用更高效的内核路径"] style A fill:#fee2e2,stroke:#dc2626,color:#000

典型场景:

看到的栈 优化方向
sys_write / sys_read 频繁 改用 writev/readv / 批量 IO
sys_futex 频繁 锁竞争严重(改用无锁、扩分区)
sys_epoll_wait 网络 IO 等待(考虑同步/异步模型)
copy_user_generic_string 用户/内核态拷贝频繁(改用 sendfile / splice)
tcp_sendmsg TCP 发送频繁(调 socket buffer)
__schedule / schedule 调度器压力大(可能 CPU 太多、NUMA 不均)

5.3 分类 3:Off-CPU(等锁、IO、调度)

关键:Off-CPU 火焰图默认看不到,需要特别采集:

# Off-CPU 火焰图(需要 systemtap 或 bcc)
# 推荐用 bcc 的 offcputime
offcputime-bpfcc -F 99 -p <pid> 30 > offcpu.stacks
./flamegraph.pl --title="Off-CPU" --countname=us offcpu.stacks > offcpu.svg

典型栈形态:

flowchart LR A["看到 epoll_wait 宽"] --> B["网络等待"] C["看到 futex_wait 宽"] --> D["mutex 锁等待"] E["看到 __lock_page 宽"] --> F["页锁 / 文件系统"] G["看到 schedule_timeout 宽"] --> H["主动 sleep"] style A fill:#fee2e2,stroke:#dc2626,color:#000 style C fill:#fee2e2,stroke:#dc2626,color:#000 style E fill:#fee2e2,stroke:#dc2626,color:#000 style G fill:#fee2e2,stroke:#dc2626,color:#000

优化方向:

等的对象 优化方向
网络 IO 改异步 / 加大 buffer / 减少 RTT
磁盘 IO 加 cache / 换 SSD / 调整 IO 调度器
用户态锁 锁粒度细化 / 改用无锁结构
LWLock (PG) 分区 / 减少持有时间
自旋锁 改用阻塞锁 / 减少临界区

5.4 分类 4:内存子系统

典型形态:火焰图上看到 malloc / free / mmap 占比高。

flowchart TB A["malloc/free 占 20%+"] --> B["分配器是瓶颈"] B --> C["PG:jemalloc / TCMalloc"] B --> D["业务:对象池 / arena"] style A fill:#fee2e2,stroke:#dc2626,color:#000 style B fill:#fef9c3,stroke:#a16207,color:#000

PG 特别提示:palloc 内部走 malloc,但有 MemoryContext 抽象。火焰图看的是底层 malloc,所以看到的可能是分配器的实际瓶颈。


六、3 个真实火焰图解读(实战演练)

案例 1:CPU 100% 但 QPS 上不去

flowchart TB subgraph FG["火焰图(简版)"] A["hash_search 40%"]:::hot B["hash_seq_search 25%"]:::hot C["其他 35%"]:::cold end subgraph Read["读图"] R1["平顶山 = hash_search"] --> R2["调用链指向 pg_stat_get_activity"] R2 --> R3["每次 backend 都遍历统计 hash"] end Read --> Action["优化:加 LRU 缓存 / 异步刷新"] classDef hot fill:#fee2e2,stroke:#dc2626,color:#000 classDef cold fill:#f3f4f6,stroke:#6b7280,color:#000

判断过程:

  1. 看到 hash_search 平顶山 40% → 明确热点
  2. 向下追栈 → 发现被 pg_stat_get_activity 调用
  3. 结论:统计视图被频繁查询,每次都遍历所有 backend 的内存 hash

优化方向:

  • 加缓存(后台定时刷新,前台查缓存)
  • 减少调用频率

案例 2:CPU 不高但事务慢

flowchart TB subgraph FG["Off-CPU 火焰图"] A["futex_wait 35%"]:::hot B["__lock_page 20%"]:::hot C["其他 45%"]:::cold end subgraph Read["读图"] R1["Off-CPU 火焰图"] --> R2["futex_wait 平顶 = 锁等待"] R2 --> R3["__lock_page = 磁盘页锁"] end Read --> Action["优化:细化锁 / IO 合并"] classDef hot fill:#fee2e2,stroke:#dc2626,color:#000 classDef cold fill:#f3f4f6,stroke:#6b7280,color:#000

判断过程:

  1. 关键观察:这是 Off-CPU 火焰图(栈顶都是系统等待)
  2. futex_wait 占 35% → mutex 锁竞争
  3. __lock_page 占 20% → 磁盘 IO 同步

优化方向:

  • 锁竞争:细化锁粒度 / 用无锁结构
  • 磁盘 IO:加 page cache / 换 SSD

案例 3:看似热点其实是噪声

flowchart TB subgraph FG["有疑问的火焰图"] A["__lll_unlock_wake 8%"]:::small B["__GI___libc_poll 5%"]:::small C["其他 87%"]:::cold end subgraph Read["读图"] R1["看似有热点"] --> R2{"宽度 < 10%?"} R2 -->|是| R3["通常为噪声<br/>无需优化"] end style A fill:#fef9c3,stroke:#a16207,color:#000 style B fill:#fef9c3,stroke:#a16207,color:#000 style R3 fill:#dcfce7,stroke:#15803d,color:#000

判断过程:

  1. 最大宽度 8% → 未达热点阈值
  2. 两个”热点”加起来不到 15% → 不算瓶颈
  3. 结论:不需要优化,误诊常见

七、火焰图看不到的东西(必读)

火焰图是采样,只能反映”被采样到”的栈。它有四大盲区。

盲区 1:看不到”为什么慢”

flowchart LR A["火焰图告诉你: hash_search 慢"] --> B["看不到:为什么慢"] B --> C["哈希冲突? 数据太多?<br/>竞争? 缓存 miss?"] style A fill:#fef9c3,stroke:#a16207,color:#000 style B fill:#fee2e2,stroke:#dc2626,color:#000

需要补充工具:

  • perf stat → 看 cache miss、TLB miss
  • perf mem record → 看内存访问
  • valgrind --tool=cachegrind → 缓存命中率

盲区 2:看不到数据本身

火焰图只看到代码路径,看不到:

  • 处理的数据量
  • 数据的内容
  • 用户的输入

意义:同一个 hash_search 平顶,可能是:

  • 1 亿次正常调用(优化空间小)
  • 1 万次但每次都在冲突(优化空间大)

需要补充:业务层监控、慢查询日志。

盲区 3:看不到因果关系

flowchart LR A["A 函数 30%"] -->|?"调用"| B["B 函数 25%"] A -->|"是父调用"| B A -->|"是同时间被另一个进程调用"| C["其实没关系"] style A fill:#fee2e2,stroke:#dc2626,color:#000 style C fill:#fef9c3,stroke:#a16207,color:#000

火焰图是时间归并的,看不出”先后”或”因果”。两个同时出现的热点可能是巧合。

盲区 4:看不到跨进程协作

flowchart LR A["进程 A 火焰图"] -->|"看不到"| B["进程 B 火焰图"] C["分布式场景下"] --> D["需要分布式追踪<br/>(Jaeger / Zipkin)"] style A fill:#fee2e2,stroke:#dc2626,color:#000 style D fill:#fef9c3,stroke:#a16207,color:#000

数据库的主备复制、分布式事务,只采样一个进程看不到完整图。


八、进阶:差分火焰图(Differential Flame Graph)

问题:优化前后两张火焰图怎么对比?

Brendan Gregg 在 2017 年提出 差分火焰图:颜色编码”前 vs 后”的变化:

flowchart LR A["优化前火焰图"] --> Tool[flamegraph-diff 工具] B["优化后火焰图"] --> Tool Tool --> C["差分火焰图"] C --> D["红色:变热了<br/>蓝色:变冷了<br/>灰色:没变"] style D fill:#dbeafe,stroke:#1d4ed8,color:#000

生成命令:

# 安装 FlameGraph 工具集
git clone https://github.com/brendangregg/FlameGraph

# 生成差分
./flamegraph.pl \
  --title="Before vs After" \
  --negate \
  before.folded after.folded > diff.svg

用途:

  • 验证优化效果(应该看到目标函数变蓝)
  • 发现意外的副作用(本来不热的函数变红了)

九、10 个常见陷阱

陷阱 1:优化”看起来很热”的函数

flowchart LR A["看到某个第三方库函数占 15%"] --> B["就想优化它"] B --> C["可能根本不在你的代码控制范围"] C --> D["先优化你能控制的"] style A fill:#fee2e2,stroke:#dc2626,color:#000 style D fill:#dcfce7,stroke:#15803d,color:#000

陷阱 2:忽略 Off-CPU

症状:CPU 火焰图一切正常,但业务慢。
真相:瓶颈在 IO/锁,采样不到。
对策:同时采 Off-CPU。

陷阱 3:采样时间过短

30 秒不够可能采不到偶发问题。建议:

  • 短问题:60s 起步
  • 长周期问题:多次采样,或 perf record -a -g -o /tmp/perf.data sleep 600

陷阱 4:采样时业务不繁忙

flowchart LR A["半夜空闲时采样"] --> B["火焰图一片空白"] B --> C["当然没热点,你也没业务"] style A fill:#fee2e2,stroke:#dc2626,color:#000

必须压测场景下采样,或者等待业务高峰。

陷阱 5:看 CPU 火焰图找锁问题

CPU 火焰图看不到锁——锁等待时进程不在 CPU 上。必须 Off-CPU 火焰图。

陷阱 6:看到 poll / epoll_wait 就以为是问题

flowchart LR A["看到 epoll_wait 占 60%"] --> B["进程没事做?<br/>还是网络模型就是异步?"] B -->|异步服务| C["正常"] B -->|同步服务| D["可能是瓶颈"] style B fill:#fef9c3,stroke:#a16207,color:#000 style C fill:#dcfce7,stroke:#15803d,color:#000 style D fill:#fee2e2,stroke:#dc2626,color:#000

陷阱 7:符号解析失败误判

flowchart LR A["火焰图一堆 0x00000000xxxx"] --> B["符号丢了"] B --> C["/usr/bin/postgres 缺 -g"] C --> D["重新编译带调试符号"] style A fill:#fee2e2,stroke:#dc2626,color:#000

陷阱 8:perf 在容器里采不到数据

# 容器内需要特殊权限
docker run --privileged --pid=host ...

# 或者用 --cap-add
docker run --cap-add=SYS_ADMIN --cap-add=SYS_PTRACE ...

陷阱 9:采样改变了程序行为

flowchart LR A["perf 采样"] --> B["程序会稍微变慢(1~5%)"] B --> C["极端情况下可能改变调度"] C --> D["压测场景要排除 perf 干扰"] style A fill:#fef9c3,stroke:#a16207,color:#000

陷阱 10:把不同进程的火焰图叠加

flowchart LR A["进程 A 的火焰图"] --> C["❌ 不能叠加"] B["进程 B 的火焰图"] --> C C --> D["两个进程调度独立<br/>叠加没意义"] style C fill:#fee2e2,stroke:#dc2626,color:#000

多进程场景需要逐个分析,或者用专门的 multi-process flame graph。


十、工具链速查

工具 适用 命令示例
perf Linux 通用 perf record -F 99 -p <pid> -g -- sleep 30
bcc / bpftrace 高级、容器友好 profile-bpfcc -F 99 -p <pid> 30
async-profiler JVM ./profiler.sh -d 30 -f out.html <pid>
py-spy Python py-spy record -o out.svg --pid <pid>
rbspy Ruby rbspy record --pid <pid>
pprof Go go tool pprof http://.../debug/pprof/profile
offcputime Off-CPU offcputime-bpfcc -F 99 -p <pid> 30
biolatency 块设备延迟 biolatency-bpfcc 30
execsnoop 短进程追踪 execsnoop-bpfcc

十一、完整工作流(cheat sheet)

flowchart TB Start["业务慢"] --> Q1{"CPU 高?"} Q1 -->|是| P1["On-CPU 火焰图<br/>perf record -F 99 -g"] Q1 -->|否| P2["Off-CPU 火焰图<br/>offcputime-bpfcc"] Q1 -->|不确定| P3["同时采 On 和 Off"] P1 --> Find["找平顶山"] P2 --> Find P3 --> Find Find --> Check{"宽度 ≥ 10%?"} Check -->|否| Noise["噪声<br/>忽略"] Check -->|是| Analyze["判断类型"] Analyze --> Type{"user / sys / off-cpu?"} Type -->|user| U["计算瓶颈<br/>优化算法/缓存"] Type -->|sys| S["系统调用瓶颈<br/>合并 IO/换 syscall"] Type -->|off-cpu| O["等待瓶颈<br/>减少锁/IO"] U --> Verify["修改后重采<br/>差分对比"] S --> Verify O --> Verify style Start fill:#fee2e2,stroke:#dc2626,color:#000 style Noise fill:#f3f4f6,stroke:#6b7280,color:#000 style Verify fill:#dcfce7,stroke:#15803d,color:#000

十二、一句话总结

火焰图不是答案,是问题清单。
它告诉你”哪里热”,但不会自动告诉你”怎么优化”。
真正的工作是从热出发,结合代码上下文和业务语义,找到根因。

三个关键习惯:

  1. 看平顶山宽度,别被颜色骗
  2. 同时采 On 和 Off,别忽略锁
  3. 验证优化效果,别只看代码改对了

参考


文章作者: growdu
版权声明: 本博客所有文章除特別声明外,均采用 CC BY 4.0 许可协议。转载请注明来源 growdu !
这篇还发到了
今日头条 drafted
  目录