diff --git a/eBook/13.10.md b/eBook/13.10.md
index 59b3ae0..3a7c446 100644
--- a/eBook/13.10.md
+++ b/eBook/13.10.md
@@ -6,7 +6,7 @@
 
 ```sh
 #!/bin/sh
-      /usr/bin/time -f ‘%Uu %Ss %er %MkB %C’ “$@”
+/usr/bin/time -f ‘%Uu %Ss %er %MkB %C’ “$@”
 
 ```
 
@@ -18,7 +18,126 @@
 
 使用方式：```go test -x -v -cpuprofile=prof.out -file x_test.go```
 
-编译执行 x_test.go 中的测试，并向 prof.out 文件中写入 cpuprofile 信息。
+编译执行 x_test.go 中的测试，并向 prof.out 文件中写入 cpu 性能分析信息。
 
 ## 13.10.3 用 pprof 调试
 
+你可以在单机程序 progexec 中引入 runtime/pprof 包；这个包以 pprof 可视化工具需要的格式写入运行时报告数据。对于 CPU 性能分析来说你需要添加一些代码：
+
+```go
+var cpuprofile = flag.String(“cpuprofile”, “”, “write cpu profile to file”)
+
+func main() {
+	flag.Parse()
+	if *cpuprofile != “” {
+		f, err := os.Create(*cpuprofile)
+		if err != nil {
+			log.Fatal(err)
+		}
+		pprof.StartCPUProfile(f)
+		defer pprof.StopCPUProfile()
+	}
+...
+
+```
+
+代码定义了一个名为 cpuprofile 的 flag，调用 Go flag 库来解析命令行 flag，如果命令行设置了 cpuprofile flag，则开始 CPU 性能分析并把结果重定向到那个文件。（os.Create 用拿到的名字创建了用来写入分析数据的文件）。这个分析程序最后需要在程序退出之前调用 StopCPUProfile 来刷新挂起的写操作到文件中；我们用 defer 来保证这一切会在 main 返回时触发。
+
+现在用这个 flag 运行程序：```progexec -cpuprofile=progexec.prof```
+
+然后可以像这样用 gopprof 工具：```gopprof progexec progexec.prof```
+
+gopprof 程序是 Google pprofC++ 分析器的一个轻微变种；关于此工具更多的信息，参见[http://code.google.com/p/google-perftools/](http://code.google.com/p/google-perftools/)。
+
+如果开启了 CPU 性能分析，Go 程序会以大约每秒 100 次的频率阻塞，并记录当前执行的 goroutine 栈上的程序计数器样本。
+
+此工具一些有趣的命令：
+
+1）`topN`
+	
+用来展示分析结果中最开头的 N 份样本，例如：```top5```
+它会展示在程序运行期间调用最频繁的 5 个函数，输出如下：
+
+```
+Total: 3099 samples
+626 20.2% 20.2% 626 20.2% scanblock
+309 10.0% 30.2% 2839 91.6% main.FindLoops 
+...
+```
+第 5 列表示函数的调用频度。
+
+2）`web` 或 `web 函数名`
+
+该命令生成一份 SVG 格式的分析数据图表，并在网络浏览器中打开它（还有一个 gv 命令可以生成 PostScript 格式的数据，并在 GhostView 中打开，这个命令需要安装 graphviz）。函数被表示成不同的矩形（被调用越多，矩形越大），箭头指示函数调用链。
+
+3）`list 函数名` 或 `weblist 函数名`
+
+展示对应函数名的代码行列表，第 2 列表示当前行执行消耗的时间，这样就很好地指出了运行过程中消耗最大的代码。
+
+如果发现函数 `runtime.mallocgc`（分配内存并执行周期性的垃圾回收）调用频繁，那么是应该进行内存分析的时候了。找出垃圾回收频繁执行的原因，和内存大量分配的根源。
+
+为了做到这一点必须在合适的地方添加下面的代码：
+
+```go
+var memprofile = flag.String(“memprofile”, “”, “write memory profile to this file”)
+...
+
+CallToFunctionWhichAllocatesLotsOfMemory()
+if *memprofile != “” {
+	f, err := os.Create(*memprofile)
+	if err != nil {
+		log.Fatal(err)
+	}
+	pprof.WriteHeapProfile(f)
+	f.Close()
+	return
+}
+
+```
+
+用 -memprofile flag 运行这个程序：```progexec -memprofile=progexec.mprof```
+
+然后你可以像这样再次使用 gopprof 工具：```gopprof progexec progexec.mprof```
+
+`top5`，`list 函数名` 等命令同样适用，只不过现在是以 Mb 为单位测量内存分配情况，这是 top 命令输出的例子：
+
+```
+Total: 118.3 MB
+	66.1 55.8% 55.8% 103.7 87.7% main.FindLoops
+	30.5 25.8% 81.6% 30.5 25.8% main.*LSG·NewLoop
+	...
+
+```
+
+从第 1 列可以看出，最上面的函数占用了最多的内存。
+
+同样有一个报告内存分配计数的有趣工具：
+
+```sh
+gopprof --inuse_objects progexec progexec.mprof
+
+```
+
+对于 web 应用来说，有标准的 HTTP 接口可以分析数据。在 HTTP 服务中添加
+
+```go
+import _ “http/pprof”
+
+```
+
+会为 /debug/pprof/ 下的一些 URL 安装处理器。然后你可以用一个唯一的参数——你服务中的分析数据的 URL 来执行 gopprof 命令——它会下载并执行在线分析。
+
+```sh
+gopprof http://localhost:6060/debug/pprof/profile # 30-second CPU profile
+gopprof http://localhost:6060/debug/pprof/heap # heap profile
+
+```
+
+在 Go-blog（引用 15）中有一篇很好的文章用具体的例子进行了分析：分析 Go 程序（2011年6月）。
+
+
+## 链接
+
+- [目录](directory.md)
+- 上一节：[用（测试数据）表驱动测试](13.9.md)
+- 下一章：[协程与通道](14.0.md)
diff --git a/eBook/14.0.md b/eBook/14.0.md
new file mode 100644
index 0000000..d2fa116
--- /dev/null
+++ b/eBook/14.0.md
@@ -0,0 +1,2 @@
+# 14 协程与通道
+