|
gperftools是Google提供的一套工具，其中的一個功能是CPU profiler，用於分析程序性能，找到程序的性能瓶頸。
安裝
64位操作系統需要安裝libunwind，官方推薦版本是libunwind-0.99-beta
安裝過程：./configure [--disable-shared] &&make && make install
Graphviz是一個由AT&T實驗室啓動的開源工具包，用於繪製DOT語言腳本描述的圖形，gperftools依靠此工具生成圖形分析結果。
安裝命令：yum install graphviz
1.編譯libunwind庫
因爲使用的是X86_64的Linux系統，因此需要安裝libunwind庫。
安裝方法很簡單，常見的configure,make,make install的套路。
tarxvzf libunwind-0.99-beta.tar.gz
cd libunwind-0.99-beta
./configure
make
makeinstall
因爲默認的libunwind安裝在/usr/local/lib目錄下，需要將這個目錄添加到系統動態庫緩存中。
echo "/usr/local/lib" > /etc/ld.so.conf.d/usr_local_lib.conf
/sbin/ldconfig libunwind的最新版本是1.0.1，那爲什麼不選擇最新版本呢？google perftools的INSTALL文件中給了說明。版本低於0.99-beta的libunwind與preftools一起工作可能不正常，但是高於0.99-beta的版本中可能包含一些與perftools不兼容的代碼(因爲libunwind會調用malloc，可能會導致死鎖)。libunwind在X86_64平臺上和perftools有不少問題，不過不會影響核心的tcmalloc庫，但是會影響perftools中的工具，例如cpu-profiler,heap-checker,heap-profiler。
2.編譯google-perftools
因爲我們只需要tcmalloc功能，因此不編譯google-perftools中的其他工具。
tarxvzf google-perftools-1.9.1.tar.gz
cd google-perftools-1.9.1
./configure --disable-cpu-profiler --disable-heap-profiler --disable-heap-checker --enable-minimal--disable-dependency-tracking
make
makeinstall
/sbin/ldconfig
用法
1.目標程序中引入頭文件<google/profiler.h>，鏈接libprofiler庫，64位操作系統同時鏈接libunwind庫，在需要分析代碼的起點和終點調用ProfilerStart()函數和ProfilerStop()函數
2.編譯鏈接，運行程序
分析輸出
pprof腳本用於分析profile文件並輸出結果，包括文本和圖形兩種輸出風格。
例如：demo是目標程序，my.prof是profile文件
生成文本風格結果：pprof --text ./demo my.prof >profile.txt
生成圖形風格結果：pprof --pdf ./demo my.prof > profile.pdf
對於一個函數的CPU使用時間分析，分爲兩個部分：
1.整個函數消耗的CPU時間，包括函數內部其他函數調用所消耗的CPU時間
2.不包含內部其他函數調用所消耗的CPU時間（內聯函數除外）
關於文本風格輸出結果
關於圖形風格輸出結果
1.節點
每個節點代表一個函數，節點數據格式：
local時間是函數直接執行的指令所消耗的CPU時間（包括內聯函數）；性能分析通過抽樣方法完成，默認是1秒100個樣本，一個樣本是10毫秒，即時間單位是10毫秒；
cumulative時間是local時間與其他函數調用的總和；
如果cumulative時間與local時間相同，則不打印cumulative時間項。
2.有向邊
調用者指向被調用者，有向邊上的時間表示被調用者所消耗的CPU時間
示例
代碼如下，可以看出，CPU消耗集中在func1()和func2()兩個函數，func2()消耗時間約爲func1()的兩倍。
#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(); // 結束profiling
return 0;
}
然後編譯鏈接運行，使用pprof生成分析結果
g++-o demo demo.cpp -lprofiler -lunwind
pprof--text ./demo my.prof > output.txt
pprof--pdf ./demo my.prof > output.pdf
查看分析結果，程序是122個時間樣本，其中，func1()是40個時間樣本，約爲400毫秒；func2()是82個時間樣本，約爲820毫秒。
|
