标签：profile google perftools pprof 分析程序 -- profiling ls prof
Google perftools
1、功能简介
它的主要功能就是通过采样的方式，给程序中cpu的使用情况进行“画像”，通过它所输出的结果，我们可以对程序中各个函数（得到函数之间的调用关系）耗时情况一目了然。在对程序做性能优化的时候，这个是很重要的，先把最耗时的若干个操作优化好，程序的整体性能提升应该十分明显，这也是做性能优化的一个最为基本的原则—先优化最耗时的。
2、安装
1、下载gperftools
Wget https://code.google.com/p/gperftools/downloads/detail?name=gperftools-2.0.tar.gz
2、tar –xzf gperftools-2.0.tar.gz
3、cd gperftools-2.0
4、./configure --prefix=/usr/local –enable-frame-pointers
5、make && make install
ps：编译时打开了 –enable-frame-pointers ，这要求被测试的程序在编译时要加上gcc编译选项，否则某些多线程程序可能会 core:
CCFLAGS=-fno-omit-frame-pointer
ps：perftools对2.4内核的多线程支持不是很好，只能分析主线程，但是2.6内核解决了这个问题。
安装图形化分析工具kcachegrind：
kcachegrind用来分析产生的profiling文件，linux环境下使用。
kcachegrind install：sudo apt-get install kcachegrind
3、使用
方法有三种：
1、直接调用提供的api：这种方式比较适用于对于程序的某个局部来做分析的情况，直接在要做分析的局部调用相关的api即可。
方式：调用函数：ProfilerStart() and ProfilerStop()
2、链接静态库：这种方式是最为常用的方式，后面会有详细的介绍。
方式：在代码link过程中添加参数 –lprofiler
For example：gcc […] -o helloworld –lprofiler
运行程序：env CPUPROFILE=./helloworld.prof ./helloworld
指定要profile的程序为helloworld，并且指定产生的分析结果文件的路径为./helloworld.prof
3、链接动态库：这种方式和静态库的方式差不多，但通常不推荐使用，除非使用者不想额外链一个静态库（因为链接静态库会增大binary的大小）的情况，可以考虑使用这种方式。
方式：运行时使用LD_PRELOAD，e.g. % env LD_PRELOAD="/usr/lib/libprofiler.so" （不推荐这种方式）。
Ps：env是linux下插入环境变量的shell命令
4、 查看收集数据结果
查看profile结果：pprof工具，它是一个perl的脚本，通过这个工具，可以将google-perftool的输出结果分析得更为直观，输出为图片、pdf等格式。
Ps：在使用pprof之前需要先安装运行per15，如果要进行图标输出则需要安装dot，如果需要–gv模式的输出则需要安装gv。
调用pprof分析数据文件：
% pprof /bin/ls ls.prof
Enters "interactive" mode
% pprof --text /bin/ls ls.prof
Outputs one line per procedure
% pprof --gv /bin/ls ls.prof
Displays annotated call-graph via 'gv'
% pprof --gv --focus=Mutex /bin/ls ls.prof
Restricts to code paths including a .*Mutex.* entry
% pprof --gv --focus=Mutex --ignore=string /bin/ls ls.prof
Code paths including Mutex but not string
% pprof --list=getdir /bin/ls ls.prof
(Per-line) annotated source listing for getdir()
% pprof --disasm=getdir /bin/ls ls.prof
(Per-PC) annotated disassembly for getdir()
% pprof --text localhost:1234
Outputs one line per procedure for localhost:1234
% pprof --callgrind /bin/ls ls.prof
Outputs the call information in callgrind format
分析callgrind的输出：
使用kcachegrind工具来对.callgrind输出进行分析
e.g. % pprof --callgrind /bin/ls ls.prof > ls.callgrind
% kcachegrind ls.callgrind
4、举例
事例一：cpu_profiler_example.cpp，在代码中插入标签，可以针对某个函数进行特定的profile
代码如下：
关注两个函数：ProfilerStart() and ProfilerStop()
Makefile：
-L 动态链接库地址，但是有可能程序执行的时候，找不到动态链接库，所以得
export LD_LIBRARY_PATH=LD_LIBRARY_PATH:"/home/work/alex/tools/gperftools/lib"
1）执行./cpu_profile_example
生成一个性能数据文件: cpu_profiler_example_29502.prof
Ps：当然指定性能数据文件生成的路径和文件名：
CPUPROFILE=/tmp/profile ./myprogram
将在/tmp目录下产生profile性能数据文件
2）分析性能数据
pprof -text cpu_profiler_example cpu_profiler_example_3875.prof
Text输出结果分析：
14 2.1% 17.2% 58 8.7% std::_Rb_tree::find
含义如下：
14：find函数花费了14个profiling samples
2.1%：find函数花费的profiling samples占总的profiling samples的比例
17.2%：到find函数为止，已经运行的函数占总的profiling samples的比例
58：find函数加上find函数里的被调用者总共花费的profiling samples
8.7%：find函数加上find函数里的被调用者总共花费的profiling samples占总的profiling samples的比例
std::_Rb_tree::find：表示profile的函数
ps： 100 samples a second，所以得出的结果除以100，得秒单位
Ldd可以查看一个程序要链接那些动态库：
事例二：cpu_profiler_example.cpp，不需要在代码里添加任何标签，将profile所有的函数。
代码如下：
Makefile：
1）执行程序，生成性能数据文件
CPUPROFILE=/tmp/profile ./cpu_profiler_example
2）分析数据文件
1）pprof -text cpu_profiler_example profile
2）命令行交互模式
事例三：由于我们的程序有可能是服务程序，而服务程序不会自动执行完退出，如果以ctrl+c退出也不是正常的exit(0)的方式退出，而这会导致我们在profile的时候，收集到的数据不全甚至是空的，采用如下解决办法：
将ProfilerStart和ProfilerStop这2个函数封装到两个信号处理函数中，给服务程序发信号SIGUSR1，就开始profile，给服务程序发信号SIGUSR2，就停止profile。这样我们可以随时对程序进行profiling，并获得数据。
代码如下：
复制代码
复制代码
1 #include <stdio.h>
2 #include <sys/types.h>
3 #include <unistd.h>
4 #include <signal.h>
5 #include <google/profiler.h>
6
7 //SIGUSR1: start profiling
8 //SIGUSR2: stop profiling
9
10 static void gprof_callback(int signum)
11 {
12 if (signum == SIGUSR1)
13 {
14 printf(“Catch the signal ProfilerStart\n”);
15 ProfilerStart(“bs.prof”);
16 }
17 else if (signum == SIGUSR2)
18 {
19 printf(“Catch the signal ProfilerStop\n”);
20 ProfilerStop();
21 }
22 }
23
24 static void setup_signal()
25 {
26 struct sigaction profstat;
27 profstat.sa_handler = gprof_callback;
28 profstat.sa_flags = 0;
29 sigemptyset(&profstat.sa_mask);
30 sigaddset(&profstat.sa_mask, SIGUSR1);
31 sigaddset(&profstat.sa_mask, SIGUSR2);
32
33 if ( sigaction(SIGUSR1, &profstat,NULL) < 0 )
34 {
35 fprintf(stderr, “Fail to connect signal SIGUSR1 with start profiling”);
36 }
37 if ( sigaction(SIGUSR2, &profstat,NULL) < 0 )
38 {
39 fprintf(stderr, “Fail to connect signal SIGUSR2 with stop profiling”);
40 }
41 }
42
43 int loopop_callee()
44 {
45 int n=0;
46 for(int i=0; i<10000; i++)
47 {
48 for(int j=0; j<10000; j++)
49 {
50 n |= i%100 + j/100;
51 }
52 }
53 return n;
54 }
55
56 int loopop()
57 {
58 int n=0;
59 while(1)
60 {
61 for(int i=0; i<10000; i++)
62 {
63 for(int j=0; j<10000; j++)
64 {
65 n |= i%100 + j/100;
66 }
67 }
68 printf(“result: %d\n”, (loopop_callee)() );
69 }
70 return n;
71 }
72
73 int main(int argc,char** argv)
74 {
75 char program[1024]={0};
76 //snprintf(program,1023,"%s_%d.prof",argv[0],getpid());
77 setup_signal();
78 printf(“result: %d\n”, (loopop)() );
79 return 0;
80 }
复制代码
复制代码
关注两个函数gprof_callback和setup_signal。
启动程序，可以采用kill -s SIGUSR1 5722和kill -s SIGUSR2 5722来开始采集和停止采集，5722是进程pid。
5、心得
最后，补充一点，要用google-perftool来分析程序，必须保证程序能正常退出。
采用kcachegrind查看函数之间依赖，并分析程序性能
交叉编译使用总结：
1、程序里面增加函数
ProfilerStart、ProfilerStop
2、开发板生产profile文件，路径通过CPUPROFILE设置
CPUPROFILE=/tmp/profile ./main
3、虚拟机上分析profile文件（开发板没有perl）
/home/steven/local/gperftools/bin/pprof -lib_prefix=./ -text main profile
通过-lib_prefix配置main依赖的lib目录，main程序运行的lib库需要放这里
main：编译好的二进制文件
profile：开发板上生成的文件
标签：profile,google,perftools,pprof,分析程序,--,profiling,ls,prof 来源： https://blog.csdn.net/Bingo_Nong/article/details/117984776
本站声明： 1. iCode9 技术分享网（下文简称本站）提供的所有内容，仅供技术学习、探讨和分享； 2. 关于本站的所有留言、评论、转载及引用，纯属内容发起人的个人观点，与本站观点和立场无关； 3. 关于本站的所有言论和文字，纯属内容发起人的个人观点，与本站观点和立场无关； 4. 本站文章均是网友提供，不完全保证技术分享内容的完整性、准确性、时效性、风险性和版权归属；如您发现该文章侵犯了您的权益，可联系我们第一时间进行删除； 5. 本站为非盈利性的个人网站，所有内容不会用来进行牟利，也不会利用任何形式的广告来间接获益，纯粹是为了广大技术爱好者提供技术内容和技术思想的分享性交流网站。