google开源的C++性能分析工具 - gperftools

gperftools是Google提供的一套工具，其中的一个功能是CPU profiler，用于分析程序性能，找到程序的性能瓶颈。 安装 gperftools： http://code.google.com/p/gperftools/downloads/list libunwind： http://download.savannah.gnu.org/releases/libunwind/ 64位操作系统需要安装libunwind，官方推荐版本是libunwind-0.99-beta 安装过程：./configure [--disable-shared] &&make && make install Graphviz是一个由AT&T实验室启动的开源工具包，用于绘制DOT语言脚本描述的图形，gperftools依靠此工具生成图形分析结果。 安装命令：yum install graphviz 1.编译libunwind库 因为使用的是X86_64的Linux系统，因此需要安装libunwind库。 安装方法很简单，常见的configure,make,make install的套路。 wget  http://download.savannah.gnu.org/releases/libunwind/libunwind-0.99-beta.tar.gz tarxvzf libunwind-0.99-beta.tar.gz cd libunwind-0.99-beta ./configure make makeinstall 因为默认的libunwind安装在/usr/local/lib目录下，需要将这个目录添加到系统动态库缓存中。 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，那为什么不选择最新版本呢？google perftools的INSTALL文件中给了说明。版本低于0.99-beta的libunwind与preftools一起工作可能不正常，但是高于0.99-beta的版本中可能包含一些与perftools不兼容的代码(因为libunwind会调用malloc，可能会导致死锁)。libunwind在X86_64平台上和perftools有不少问题，不过不会影响核心的tcmalloc库，但是会影响perftools中的工具，例如cpu-profiler,heap-checker,heap-profiler。 2.编译google-perftools 因为我们只需要tcmalloc功能，因此不编译google-perftools中的其他工具。 wget  http://gperftools.googlecode.com/files/google-perftools-1.9.1.tar.gz 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.目标程序中引入头文件<google/profiler.h>，链接libprofiler库，64位操作系统同时链接libunwind库，在需要分析代码的起点和终点调用ProfilerStart()函数和ProfilerStop()函数 2.编译链接，运行程序 分析输出 pprof脚本用于分析profile文件并输出结果，包括文本和图形两种输出风格。 例如：demo是目标程序，my.prof是profile文件 生成文本风格结果：pprof --text ./demo my.prof >profile.txt 生成图形风格结果：pprof --pdf ./demo my.prof > profile.pdf 对于一个函数的CPU使用时间分析，分为两个部分： 1.整个函数消耗的CPU时间，包括函数内部其他函数调用所消耗的CPU时间 2.不包含内部其他函数调用所消耗的CPU时间（内联函数除外） 关于文本风格输出结果    序号    说明 1 分析样本数量（不包含其他函数调用） 2 分析样本百分比（不包含其他函数调用） 3 目前为止的分析样本百分比（不包含其他函数调用） 4 分析样本数量（包含其他函数调用） 5 分析样本百分比（包含其他函数调用） 6 函数名 关于图形风格输出结果 1.节点 每个节点代表一个函数，节点数据格式：    Class Name    Method Name    local (percentage)    of cumulative (percentage)    local时间是函数直接执行的指令所消耗的CPU时间（包括内联函数）；性能分析通过抽样方法完成，默认是1秒100个样本，一个样本是10毫秒，即时间单位是10毫秒； cumulative时间是local时间与其他函数调用的总和； 如果cumulative时间与local时间相同，则不打印cumulative时间项。 2.有向边 调用者指向被调用者，有向边上的时间表示被调用者所消耗的CPU时间 示例 代码如下，可以看出， CPU 消耗集中在 func1() 和 func2() 两个函数， func2() 消耗时间约为 func1() 的两倍。 #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(); //  结束profiling    return 0; } 然后编译链接运行，使用pprof生成分析结果 g++-o demo demo.cpp -lprofiler -lunwind pprof--text ./demo my.prof > output.txt pprof--pdf ./demo my.prof > output.pdf 查看分析结果，程序是122个时间样本，其中，func1()是40个时间样本，约为400毫秒；func2()是82个时间样本，约为820毫秒。    Total: 122 samples          82   67.2%  67.2%       82  67.2% func2          40   32.8% 100.0%       40  32.8% func1           0    0.0% 100.0%      122 100.0% __libc_start_main           0    0.0% 100.0%      122 100.0% _start           0    0.0% 100.0%      122 100.0% func3           0    0.0% 100.0%      122 100.0% main