Karena saya tidak melihat apa pun di sini perfyang merupakan alat yang relatif baru untuk membuat profil aplikasi kernel dan pengguna di Linux, saya memutuskan untuk menambahkan informasi ini.
Pertama-tama - ini adalah tutorial tentang profil Linuxperf
Anda dapat menggunakan perfjika Kernel Linux Anda lebih besar dari 2.6.32 atau oprofilejika lebih tua. Kedua program tidak memerlukan dari Anda untuk instrumen program Anda (seperti gprofmembutuhkan). Namun untuk mendapatkan grafik panggilan dengan benar, perfAnda harus membuat program -fno-omit-frame-pointer. Sebagai contoh: g++ -fno-omit-frame-pointer -O2 main.cpp.
Anda dapat melihat analisis "langsung" dari aplikasi Anda dengan perf top:
sudo perf top -p `pidof a.out` -K
Atau Anda dapat merekam data kinerja aplikasi yang berjalan dan menganalisisnya setelah itu:
1) Untuk merekam data kinerja:
perf record -p `pidof a.out`
atau untuk merekam selama 10 detik:
perf record -p `pidof a.out` sleep 10
atau untuk merekam dengan grafik panggilan ()
perf record -g -p `pidof a.out`
2) Untuk menganalisis data yang direkam
perf report --stdio
perf report --stdio --sort=dso -g none
perf report --stdio -g none
perf report --stdio -g
Atau Anda dapat merekam data kinerja suatu aplikasi dan menganalisisnya setelah itu hanya dengan meluncurkan aplikasi dengan cara ini dan menunggunya untuk keluar:
perf record ./a.out
Ini adalah contoh profiling program uji
Program pengujian ada di file main.cpp (saya akan meletakkan main.cpp di bagian bawah pesan):
Saya kompilasi dengan cara ini:
g++ -m64 -fno-omit-frame-pointer -g main.cpp -L. -ltcmalloc_minimal -o my_test
Saya menggunakan libmalloc_minimial.sokarena ini dikompilasi dengan -fno-omit-frame-pointersementara libc malloc tampaknya dikompilasi tanpa opsi ini. Lalu saya menjalankan program pengujian saya
./my_test 100000000
Lalu saya mencatat data kinerja dari proses yang berjalan:
perf record -g -p `pidof my_test` -o ./my_test.perf.data sleep 30
Lalu saya menganalisis beban per modul:
laporan perf --stdio -g none --sort comm, dso -i ./my_test.perf.data
# Overhead Command Shared Object
# ........ ....... ............................
#
70.06% my_test my_test
28.33% my_test libtcmalloc_minimal.so.0.1.0
1.61% my_test [kernel.kallsyms]
Kemudian beban per fungsi dianalisis:
laporan perf --stdio -g none -i ./my_test.perf.data | c ++ filt
# Overhead Command Shared Object Symbol
# ........ ....... ............................ ...........................
#
29.30% my_test my_test [.] f2(long)
29.14% my_test my_test [.] f1(long)
15.17% my_test libtcmalloc_minimal.so.0.1.0 [.] operator new(unsigned long)
13.16% my_test libtcmalloc_minimal.so.0.1.0 [.] operator delete(void*)
9.44% my_test my_test [.] process_request(long)
1.01% my_test my_test [.] operator delete(void*)@plt
0.97% my_test my_test [.] operator new(unsigned long)@plt
0.20% my_test my_test [.] main
0.19% my_test [kernel.kallsyms] [k] apic_timer_interrupt
0.16% my_test [kernel.kallsyms] [k] _spin_lock
0.13% my_test [kernel.kallsyms] [k] native_write_msr_safe
and so on ...
Kemudian rantai panggilan dianalisis:
laporan perf --stdio -g graph -i ./my_test.perf.data | c ++ filt
# Overhead Command Shared Object Symbol
# ........ ....... ............................ ...........................
#
29.30% my_test my_test [.] f2(long)
|
--- f2(long)
|
--29.01%-- process_request(long)
main
__libc_start_main
29.14% my_test my_test [.] f1(long)
|
--- f1(long)
|
|--15.05%-- process_request(long)
| main
| __libc_start_main
|
--13.79%-- f2(long)
process_request(long)
main
__libc_start_main
15.17% my_test libtcmalloc_minimal.so.0.1.0 [.] operator new(unsigned long)
|
--- operator new(unsigned long)
|
|--11.44%-- f1(long)
| |
| |--5.75%-- process_request(long)
| | main
| | __libc_start_main
| |
| --5.69%-- f2(long)
| process_request(long)
| main
| __libc_start_main
|
--3.01%-- process_request(long)
main
__libc_start_main
13.16% my_test libtcmalloc_minimal.so.0.1.0 [.] operator delete(void*)
|
--- operator delete(void*)
|
|--9.13%-- f1(long)
| |
| |--4.63%-- f2(long)
| | process_request(long)
| | main
| | __libc_start_main
| |
| --4.51%-- process_request(long)
| main
| __libc_start_main
|
|--3.05%-- process_request(long)
| main
| __libc_start_main
|
--0.80%-- f2(long)
process_request(long)
main
__libc_start_main
9.44% my_test my_test [.] process_request(long)
|
--- process_request(long)
|
--9.39%-- main
__libc_start_main
1.01% my_test my_test [.] operator delete(void*)@plt
|
--- operator delete(void*)@plt
0.97% my_test my_test [.] operator new(unsigned long)@plt
|
--- operator new(unsigned long)@plt
0.20% my_test my_test [.] main
0.19% my_test [kernel.kallsyms] [k] apic_timer_interrupt
0.16% my_test [kernel.kallsyms] [k] _spin_lock
and so on ...
Jadi pada titik ini Anda tahu di mana program Anda menghabiskan waktu.
Dan ini main.cpp untuk pengujian:
#include <stdio.h>
#include <stdlib.h>
#include <time.h>
time_t f1(time_t time_value)
{
for (int j =0; j < 10; ++j) {
++time_value;
if (j%5 == 0) {
double *p = new double;
delete p;
}
}
return time_value;
}
time_t f2(time_t time_value)
{
for (int j =0; j < 40; ++j) {
++time_value;
}
time_value=f1(time_value);
return time_value;
}
time_t process_request(time_t time_value)
{
for (int j =0; j < 10; ++j) {
int *p = new int;
delete p;
for (int m =0; m < 10; ++m) {
++time_value;
}
}
for (int i =0; i < 10; ++i) {
time_value=f1(time_value);
time_value=f2(time_value);
}
return time_value;
}
int main(int argc, char* argv2[])
{
int number_loops = argc > 1 ? atoi(argv2[1]) : 1;
time_t time_value = time(0);
printf("number loops %d\n", number_loops);
printf("time_value: %d\n", time_value );
for (int i =0; i < number_loops; ++i) {
time_value = process_request(time_value);
}
printf("time_value: %ld\n", time_value );
return 0;
}