作者：趙坤|騰訊魔王工作室後臺開發工程師

在專案開發中，經常會遇到程式啟動時間過長、CPU使用率過高等問題，這個時候需要依靠效能分析工具來定位效能的消耗點。本文介紹三個常用的工具的入門級使用及圖形化方法，供大家參考。

本文介紹perf、gprof和valgrind三個效能分析工具，及其分析結果圖形化的方法，旨在讓大家更快的上手使用工具。出於篇幅的限制，本文不會對每種工具的使用引數及結果分析做詳細的介紹，只做入門級的使用說明，更多詳細的說明大家請google一下。

每個工具的介紹會分成簡介、使用說明、圖形化方法三個部分。

每種工具的結果都會基於下面這段程式碼：

#include <unistd.h>
using namespace std;
#define NUM 500000
void init(int* int_array){
	for(int i=0;i<NUM;i++){
		int_array[i]=i;
	}
}

void accu(int* int_array,long& sum ){
	for(int i=0;i<NUM;i++){
		sum+=int_array[i];
		usleep(3);
	}	
}

int main(){
	int int_array[NUM];
	init(int_array);
	long sum=0;
	accu(int_array,sum);
}
 

這段程式碼在V615機器上執行了31s，最大CPU使用率為8.3%(top結果)

一、Perf

1.1 簡介

Perf是內置於Linux核心原始碼樹中的效能剖析(profiling)工具。其基於事件取樣原理，以效能事件為基礎，常用於效能瓶頸的查詢與熱點程式碼的定位。

1.2 使用

perf的使用可以分為兩種方式：

• 直接使用perf啟動服務
• 掛接到已啟動的程序

第一種方式不需要root許可權，第二種方式需要root許可權

基於入門級使用這一前提，直接介紹一下使用方式：

perf record -e cpu-clock -g  ./run
或者
perf record -e cpu-clock -g  -p 4522
 

 使用ctrl+c中斷perf程序，或者在程式執行結束後，會產生perf.data的檔案，使用

perf report

 會產生結果分析，如圖

1.3 圖形化方法

perf的結果可以生成火焰圖。生成火焰圖需要藉助Flame Graph

Flame Graph專案位於GitHub: https://github.com/brendangregg/FlameGraph

clone程式碼或者直接下載壓縮包到伺服器上。以壓縮包為例，是一個命名為：FlameGraph-master.zip的檔案，假設其解壓後的目錄為：/data

基於1.2產生的perf.data，後續步驟如下：

1、使用perf script工具對perf.data進行解析
perf script -i perf.data &> perf.unfold

2、將perf.unfold中的符號進行摺疊：
/data/stackcollapse-perf.pl perf.unfold &> perf.folded

3、最後生成svg圖：
/data/flamegraph.pl perf.folded > perf.svg
 

 生成的火焰圖如下：

關於火焰圖的含義及分析網上有很多文章，這裡不再贅述

二、Gprof

2.1 簡介

gprof用於監控程式中每個方法的執行時間和被呼叫次數，方便找出程式中最耗時的函式。在程式正常退出後，會生成gmon.out檔案，解析這個檔案，可以生成一個視覺化的報告

2.2 使用方法

使用gprof，需要在編譯時，加入-pg選項

另外只有在程式正常退出後才會生成gmon.out，kill程序的方法是沒法生成gmon.out的。對於那些執行緒會一直run的服務，需要修改程式碼，讓程式在某個時間點停止。

重新編譯後，正常啟動程式即可；然後在程式執行結束後，會生成gmon.out檔案

使用如下命令，生成報名檔案（其中run是二進位制的名字）：

gprof -b run gmon.out >>report.txt

 report.txt開啟如下圖所示：

2.3 圖形化方法

gprof的結果檔案需要藉助gprof2dot.py和graphviz來展示

使用gprof2dot.py生成dot檔案

python gprof2dot.py  report.txt  >report.dot 

需要說明的是，這裡要求伺服器已經安裝了python，並且要求gprof2dot.py與安裝的python版本匹配。這兩者是否匹配是一個需要運氣、並且解決起來很無聊的事情，我的伺服器上安裝的python是2.6.6，第一次從網上下載的gprof2dot-2017.9.19與python版本就不匹配，執行會出錯。目前使用的版本與2.6.6是相容的，如果需要可以與我聯絡。

dot的開啟需要graphviz工具，我是在windows下安裝的graphviz，這個工具下載很簡單。下載後使用gvedit.ext開啟前一個步驟產生的report.dot檔案即可

這個圖顯的有些萌萌噠，這是因為我們的程式寫的比較簡單，對於一般的業務而言，這個圖會比較複雜。

三、Valgrind

3.1 簡介

valgrind不是linux的原生工具，需要自行安裝。valgrind自身包含了多個工具：

• Memcheck：用於記憶體洩漏檢查
• Callgrind：用於效能分析，會收集程式執行時間和呼叫關係
• 以及Cachegrind、Helgrind等

這裡我們主要使用的Callgrind工具

3.2 使用方法

首先需要安裝valgrind：http://valgrind.org/downloads/valgrind-3.12.0.tar.bz2

解壓安裝包後，順次執行：./configue 、make、make install 就可以了

使用valgrind來分析效能，必須使用valgrind來啟動程式：

valgrind --tool=callgrind --separate-threads=yes ./run

 --separate-threads是指是否按執行緒來分別統計，如果不加，會將所有執行緒的結果打到一個檔案裡；否則會按執行緒分別列印到不同檔案裡。

程式執行結束後，會生成形如：callgrind.out.4263-01的檔案。這個檔案直接分析起來有些困難，必須藉助圖形化的方式來瀏覽

3.3 圖形化方法

valgrind的圖形化需要藉助kcachegrind.exe，大家可以自行下載，下載後在windows執行即可。這是開啟callgrind.out.4263-01的結果：

四、工具比較

對於我們的需求：定位執行時間最長、佔用CPU最多的函式 來說，這三個工具都可以達到目的。但這三者之間還是有一定的差距：

4.1 啟動方式

perf雖然可以掛接程序但需要root許可權。在普通許可權下，perf和valgrind必須使用字首啟動的方式來啟動程式，這在某種程度上會影響到程式的效能。我們在壓測的過程中發現使用valgrind啟動的時候，可以支援的線上總人數比直接執行程式要少很多。

4.2 程式侵入

perf和valgrind都不需要修改Makefile或者程式，但gprof需要重新編譯檔案，並且對於執行緒一直run的服務，還需要修改程式碼讓其自然退出，這在一定程式上侵入了程式。但從對效能影響上來看，gprof可以最大限制的保留原程式的效能

4.3 結果展示

gprof的結果是一顆倒樹，這顆樹展示了從根到葉子的所有結點的時間消耗；perf的是一個金字塔，與gprof有異曲同工之妙；valgrind的結果是一條單路，指出的是某條呼叫路徑上的時間消耗，並不是一個全域性的展示。

4.4 監控原理

這是一個很專業的話題，目前對三者的監控原理還沒有摸的太透，所以這裡暫時空著。大家有興趣可以先行研究。