鲲鹏devkit性能分析工具介绍（四）_收集热点函数

在分析报告中数据给出了

• 以块设备为分析对象，分析得出I/O操作次数、I/O数据大小、I/O队列深度、I/O吞吐率、I/O操作时延等信息。
• 支持关联I/O操作时的进程/线程及调用栈信息，包括时间、时间、块数、CPU核、进程ID进程名称、调用栈等信息。
• 支持关联I/O操作时应用层的I/O APIS，包括进程PID、函数名、调用次数、平均执行时间.
  总执行时间、执行时问占比等信息。
• 基于I/O操作数据分布情况判断是随机操作还是顺序操作，并给出相应的优化建议。

I/O分析原理

在块设备层，通过ftrace工具跟踪内核的tracepoint事件，得到每个I/O操作的全部信息
通过关联这些tracepoint事件，分析得到操作数据大小、操作时延等信息。
针对一段时间内的I/O操作进行统计分析，进一步得到数据块分布、操作时延分布、数据大小分布等等信息。
tracepoint事件只能反映到内核针对I/O的处理，而无法反映应用层的处理(非direct方式)。所以通过获取应用层I/O API调用信息，形成内核层与应用层处理的简单映射，指导应用层的优化，例如通过某个段时间的数据块分布是连续还是随机，优化对应应用层的I/O请求。
支持获取自研盘内部性能数据。

I/O分析举例

sda的IOPS和吞吐量上不去。通过工具可以获取这段时间内的详细IO操作情况，得到进行IO操作的进程及其调用栈信息，可以得到进行IO操作的进程采用的是同步操作。

进一步进行IO APIs跟踪可以得到具体的调用信息

资源调度分析

采集进程/线程对CPU、内存、存储IO等资源的消耗情况，获得对应的使用率、饱和度、错误次数等指标，以此识别性能瓶颈。针对部分指标项，根据当前已有的基准值和优化经验提供优化建议。支持分析单个进程的系统调用情况。

进程/线程调度信息，识别线程是否频繁上下文切换；cpu是否频繁调度
NUMA节点切换情况，对于频繁切换的，会给出核绑优化建议
分析在进程线程在各个时间的运行情况，能够方便识别频繁上下文切换的线程
分析CPU核在各个时间点的运行状态，如：idle、running等。如果是running状态，能关联在cpu核上运行的进程/线程信息
同时能够高亮显示某个线程在各个cpu核上的运行情况

资源调度分析原理

分析工具会采集cpu调度事件数据，从进程/线程的角度排列各个事件，计算各个事件之间的时间差，并标记对应的状态
将每个事件进行排序，计算时间差来分析出那些会出现等待时间过长的情况
将事件的状态进行标记，最后进行统计分析

资源调度分析举例

多线程程序中，线程之间互相抢占，并目出现一个线程长期占用，导致其他线程长期处于等待状态，造成整个程序性能不高。这种情况一般是锁或互斥量被线程长期占用造成

在视频例子中由于加锁位置不当，导致线程占用资源时间过长，合理的减少加所范围最后使线程能够最大程度的运行起来

锁与等待分析

锁与等待分析基于Linux perf工具的采样数据，对glibc和开源软件（如MySQL、Open MP）的锁与等待函数（包括sleep、usleep、mutex、cond、spinlock、rwlock、semaphore等）进行分析，关联到其归属的进程和调用点，并根据当前已有的优化经验给出优化建议。

HPC场景

OpenMP/MPI分析通过采集系统的PMU事件并配合采集面向OpenMP和MPI应用的关键指标，帮助用户精准获得Parallel region及Barrier-to-Barrier的串行及并行时间、校准的2层微架构指标、指令分布及L3的利用率和内存带宽等信息。
1.OpenMP运行时指标，新增细化指标
2.MPI运行时指标
3.top-down微架构指标
4.平均DRAM带宽
5.指令分布 (Instruction Mix)
6. Hotspots

内存诊断

既有适合小白学习的零基础资料，也有适合3年以上经验的小伙伴深入学习提升的进阶课程，涵盖了95%以上大数据知识点，真正体系化！

由于文件比较多，这里只是将部分目录截图出来，全套包含大厂面经、学习笔记、源码讲义、实战项目、大纲路线、讲解视频，并且后续会持续更新

需要这份系统化资料的朋友，可以戳这里获取

项目、大纲路线、讲解视频，并且后续会持续更新**

需要这份系统化资料的朋友，可以戳这里获取