C++代码使用 gperftools 工具进行性能分析

最新推荐文章于 2025-05-17 17:35:06 发布

原创最新推荐文章于 2025-05-17 17:35:06 发布

· 1.4k 阅读

2 ·

版权

文章标签：

#c++ #linux #gperftools #ubuntu #kill

C++ 同时被 2 个专栏收录

120 篇文章

订阅专栏

游戏服务器性能调优

8 篇文章

订阅专栏

文章目录

前言
gperftools 是什么
使用方法
数据分析
总结

前言

一直想用 gperftools 做一下性能方面的尝试，之前一直忙着开发，目前已经到了后期，忙里抽闲亲自操作一遍，从安装到分析做个简单的记录，以便后续拿来直接用。

gperftools 是什么

gperftools 是Google开发的用来进行代码性能分析工具，其实他是一系列高性能多线程 malloc() 实现的集合，同时添加了一些精巧的性能分析工具。

gperftools

使用gperftools工具可以通过采样的方式生成上面这种图形化的代码性能分析结果，便于我们分析程序性能瓶颈。

使用方法

C++程序按照代码插桩的方式引入了gperftools工具，不过这个工具需要单独安装，为了生成图形化的分析结果，还需要安装一些依赖库，下面简述以下使用功能步骤。

安装工具

安装编译所需基础软件

sudo apt install autoconf automake libtool

安装graphviz，用于图形化显示分析结果
```
sudo apt install graphviz
```

安装libunwind, 这个库提供了可用于分析程序调用栈的 API

cd /tmp
wget https://github.com/libunwind/libunwind/releases/download/v1.6.2/libunwind-1.6.2.tar.gz
tar -zxvf libunwind-1.6.2.tar.gz
cd libunwind-1.6.2
./configure
make -j4
sudo make install
cd /tmp
rm -rf libunwind-1.6.2.tar.gz libunwind-1.6.2

安装gperftools

cd /tmp
wget https://github.com/gperftools/gperftools/releases/download/gperftools-2.10/gperftools-2.10.tar.gz
tar -zxvf gperftools-2.10.tar.gz
cd gperftools-2.10
./configure
make -j4
sudo make install
cd ~
rm -rf gperftools-2.10.tar.gz gperftools-2.10

刷新动态装入程序所需的链接和缓存文件
```
sudo ldconfig
```

代码插桩引入工具

代码修改

主要在源程序中引入头文件，并且在待测试逻辑前后添加启动分析和结束分析的语句就行了，对于服务类程序，因为要一直运行，可以通过kill信号通知来开启和关闭性能分析。

关键代码

	#include <gperftools/profiler.h> // 引入头文件
	...
	ProfilerStart("cpp_demo.prof");  // 启动分析
	...
	ProfilerStop();                  // 结束分析
	...

完整示例

	#include <iostream>
	#include <gperftools/profiler.h>
	
	static void sig(int sig) // kill -10 pid to trigger
	{
	    static bool b = false;
	    if (!b)
	        ProfilerStart("cpp_demo.prof");
	    else
	        ProfilerStop();
	
	    b= !b;
	}
	
	int main(int argc, char* argv[])
	{
	    signal(SIGUSR1, sig);
	
	    while (true)
	    {
	        std::this_thread::sleep_for(std::chrono::milliseconds(1));
	        //..
	        std::cout << std::chrono::duration_cast<std::chrono::milliseconds>(
	                std::chrono::system_clock::now().time_since_epoch()).count() << std::endl;
	    }
	
	    return 0;
	}

编译链接

编译时我们需要将 profiler 库和 libunwind 库链接到可执行程序，如果使用 cmake来构建，那么 CMakeLists 文件中的语句为：

	target_link_libraries(${PROJECT_NAME} profiler unwind)

启动分析程序

正常启动游戏服务器，通过ps命令查找到要分析的进程id，比如查找到demoserver的进程是 7217
```
$ ps -ef | grep demoserver
demo        7217       1 22 21:51 ?        00:00:18 ./demoserver-d
```
通过kill命令传递自定义信号10的方式启动和关闭分析程序，第一次运行命令是启动，第二次运行相同的命令是关闭，两次命令之间是分析的时间段
```
$ kill -10 7217
```

关闭分析程序之后，会在可执行程序所在目录生成 cpp_demo.porf 文件，可以使用下面命令将结果图形化

$ pprof --pdf demoserver cpp_demo.prof > demoserver.pdf
Using local file demoserver.
Using local file cpp_demo.prof.
Dropping nodes with <= 1 samples; edges with <= 0 abs(samples)

最终生成的 demoserver.pdf 文件就是我们要用的分析结果，如文章开头所示。

数据分析

上面提到了生成pdf图，其实可以生成txt文本的，只要修改生成选项就可以，比如像这样：

# pprof --text demoserver cpp_demo.prof
Using local file demoserver.
Using local file cpp_demo.prof.
Total: 13 samples
       3  21.4%  21.4%        3  21.4% SpinLock::Unlock (inline)
       3  21.4%  42.9%        3  21.4% __GI_madvise
       2  14.3%  57.1%        2  14.3% SpinLock::Lock (inline)
       1   7.1%  64.3%        1   7.1% TCMalloc_PageMap2::get (inline)
       ...

上述文本数据每行包含6列数据，依次为:

分析样本数量（不包含其他函数调用）
分析样本百分比（不包含其他函数调用）
目前为止的分析样本百分比（不包含其他函数调用）
分析样本数量（包含其他函数调用）
分析样本百分比（包含其他函数调用）
函数名(或者类名+方法名)

样本数量相当于消耗的CPU时间，整个函数消耗的CPU时间相当于包括函数内部其他函数调用所消耗的CPU时间，如果是分析最上面的pdf图，每个节点代表一个函数，包含2~3行数据：

函数名(或者类名+方法名)
不包含内部函数调用的样本数 (百分比)
of 包含内部函数调用的样本数 (百分比) #如果没有内部调用函数则不显示

总结

gperftools 是可以通过采样的方式进行代码性能分析工具，可生成图形化结果便于我们分析程序性能瓶颈
待分析程序中引入gperftools非常方便，但是需要单独安装这个工具
程序引入时只需要添加头文件，在目标位置插入 ProfilerStart("cpp_demo.prof"); 和 ProfilerStop(); 语句即可
对于服务类程序通常不会直接结束，可以通过 kill 命令传递信号的方式来启动和关闭分析程序

==>> 反爬链接，请勿点击，原地爆炸，概不负责！<<==