使用gperftools对C++程序进行profile定位性能瓶颈

本文将要学习如何使用gperftools工具定位C/C++程序的性能瓶颈，并用kcachegrind工具进行可视化展示。

gperftools简介

gperftools（Google Performance Tools）是由谷歌开源的性能分析工具，能够对程序进行profile，通俗的讲就是能够以一定的频率对程序的堆栈进行采样，采样的次数越高，说明这个堆栈对应的代码越热。这个功能对于定位性能瓶颈十分有用。
本文选用gperftools的原因有几点：
（1）非侵入性，也就是不用改应用代码；
（2）对应用性能影响相对小，对比valgrind等工具；
（3）支持分析多线程程序。
注：此工具的安装和详细信息请参考官方网站。

示例代码

#include <iostream>
using namespace std;
void func2()
{
    static int i = 0;
    ++i;
}
void func3()
{
    static int i = 0;
    ++i;
}
void func1()
{
    for (;;) {
        for (int j = 0; j < 3; ++j) {
            func2();             
        }
        func3();                 
    }
}
int main()
{
    func1();
    return 0;
}

操作系统：Linux
g++版本：9.3.1
编译命令： g++ test.cpp -o test -g
代码分析：以上代码中main函数调用func1函数，在func1函数中无限循环调用func2和func3函数。

热点定位

步骤一：运行示例程序，以LD_PRELOAD gperftools动态库的方式

[root@fedora-36 test]# LD_PRELOAD="/usr/local/lib/libprofiler.so" CPUPROFILE=prof.out CPUPROFILESIGNAL=12 CPUPROFILE_FREQUENCY=10000 ./test 2>&1 > /dev/null
Using signal 12 as cpu profiling switch

其中，各项参数的解释如下，您可根据自己实际情况进行设置：
（1）可执行程序名：test
（2）gperftools动态库：/usr/local/lib/libprofiler.so
（3）采样输出的文件名：prof.out
（4）控制采样开始、结束的Linux信号：12
（5）采样频率：10000次/秒

步骤二：开始采样

使用向被采样程序发送linux信号的方式。若应用程序已经将Linux信号截获，则无法采样，需要修改应用程序不截获Linux信号。

命令：kill -12 PID
注：PID是被采样的程序的进程id，需要用实际的pid进行替换。

步骤三：结束采样

大约等待10秒左右，再次向被采样程序发送linux信号12，以结束采样。

命令：kill -12 PID

此时，查看当前目录，会发现生成了一个名为prof.out.0的文件

步骤四：生成可视化的采样文件

命令1：pprof test prof.out.0
格式：pprof 被采样的可执行程序名 生成的采样文件名
注：pprof程序是gperftools自带的程序
命令2：callgrind callgrind.out
注：生成callgrind文件，用来使用kcachegrind工具进行可视化展示

步骤五：使用kcachegrind工具展示采样结果

kcachegind工具支持Windows和Linux操作系统。操作较简单，只需要将步骤四中生成的callgrind.out文件导入工具中即可。下图为采样结果在kcachegrind软件中的可视化展示。
一、导入采样文件至kcachegrind软件
二、查看代码热点信息

从上图可以看出函数的调用关系，main函数调用func1，func1调用func2和func3。其中，func1中较大的热点如下：
（1）第16行的for循环，占用了49.74%，占比最高；
（2）第17行的func2函数，占用了31.59%。

结束语

通过本文的学习，我们掌握了如何对C/C++程序进行profile，能够帮助我们细粒度地分析程序热点。建议读者实际操作一下，掌握这项技能。