用gperftools的CPU profiler分析程序性能

2014年1月8日 由 Creater 留言 »

gperftools是Google提供的一套工具,其中的一个功能是CPU profiler,用于分析程序性能,找到程序的性能瓶颈。

1.安装

gperftools:http://code.google.com/p/gperftools/downloads/list
libunwind:http://download.savannah.gnu.org/releases/libunwind/

64位操作系统需要安装libunwind,官方推荐版本是libunwind-0.99-beta
安装过程:./configure [–disable-shared] && make && make install

Graphviz是一个由AT&T实验室启动的开源工具包,用于绘制DOT语言脚本描述的图形,gperftools依靠此工具生成图形分析结果。
安装命令:yum install graphviz

2.用法

1.目标程序中引入头文件,链接libprofiler库,64位操作系统同时链接libunwind库,在需要分析代码的起点和终点调用ProfilerStart()函数和ProfilerStop()函数
2.编译链接,运行程序
分析输出
pprof脚本用于分析profile文件并输出结果,包括文本和图形两种输出风格。
例如:demo是目标程序,my.prof是profile文件
生成文本风格结果:pprof –text ./demo my.prof > profile.txt
生成图形风格结果:pprof –pdf ./demo my.prof > profile.pdf

对于一个函数的CPU使用时间分析,分为两个部分:
1.整个函数消耗的CPU时间,包括函数内部其他函数调用所消耗的CPU时间
2.不包含内部其他函数调用所消耗的CPU时间(内联函数除外)

2.1关于文本风格输出结果

序号 说明
1 分析样本数量(不包含其他函数调用)
2 分析样本百分比(不包含其他函数调用)
3 目前为止的分析样本百分比(不包含其他函数调用)
4 分析样本数量(包含其他函数调用)
5 分析样本百分比(包含其他函数调用)
6 函数名

2.1关于图形风格输出结果

1.节点
每个节点代表一个函数,节点数据格式:
Class Name
Method Name
local (percentage)
of cumulative (percentage)
local时间是函数直接执行的指令所消耗的CPU时间(包括内联函数);性能分析通过抽样方法完成,默认是1秒100个样本,一个样本是10毫秒,即时间单位是10毫秒;
cumulative时间是local时间与其他函数调用的总和;
如果cumulative时间与local时间相同,则不打印cumulative时间项。
2.有向边
调用者指向被调用者,有向边上的时间表示被调用者所消耗的CPU时间

3.示例

代码如下,可以看出,CPU消耗集中在func1()和func2()两个函数,func2()消耗时间约为func1()的两倍。

#include <google/profiler.h>
#include <iostream>
using namespace std;
void func1() {
    int i = 0;
    while (i < 100000) {
        ++i;
    }  
}
void func2() {
    int i = 0;
    while (i < 200000) {
        ++i;
    }  
}
void func3() {
    for (int i = 0; i < 1000; ++i) {
        func1();
        func2();
    }  
}
int main(){
    ProfilerStart("my.prof"); // 指定所生成的profile文件名
    func3();
    ProfilerStop(); // 结束profiling
    return 0;
}

然后编译链接运行,使用pprof生成分析结果

g++ -o demo demo.cpp -lprofiler -lunwind
pprof --text ./demo my.prof > output.txt
pprof --pdf ./demo my.prof > output.pdf

查看分析结果,程序是122个时间样本,其中,func1()是40个时间样本,约为400毫秒;func2()是82个时间样本,约为820毫秒。

Total: 122 samples
      82  67.2%  67.2%       82  67.2% func2
      40  32.8% 100.0%       40  32.8% func1
       0   0.0% 100.0%      122 100.0% __libc_start_main
       0   0.0% 100.0%      122 100.0% _start
       0   0.0% 100.0%      122 100.0% func3
       0   0.0% 100.0%      122 100.0% main

参考文献

使用 google-perftools 剖析程序性能瓶颈(包括安装):http://www.ibm.com/developerworks/cn/linux/l-cn-googleperf/

广告位

发表评论

你必须 登陆 方可发表评论.