perf list
#List of pre-defined events (to be used in -e):
branch-instructions OR branches [Hardware event]
branch-misses [Hardware event]
bus-cycles [Hardware event]
cache-misses [Hardware event]
cache-references [Hardware event]
cpu-cycles OR cycles [Hardware event]
instructions [Hardware event]
ref-cycles [Hardware event]
stalled-cycles-backend OR idle-cycles-backend [Hardware event]
stalled-cycles-frontend OR idle-cycles-frontend [Hardware event]
alignment-faults [Software event]
context-switches OR cs [Software event]
cpu-clock [Software event]
cpu-migrations OR migrations [Software event]
dummy [Software event]
emulation-faults [Software event]
major-faults [Software event]
minor-faults [Software event]
page-faults OR faults [Software event]
task-clock [Software event]
…
perf stat
[t3.c]
#include <stdio.h>
#include <stdlib.h>
static long long k=0;
void foo()
{
int i=0;
for(i=0; i< 10; i++)
k++;
}
int main(void)
{
int i=0;
for(i = 0; i< 10000000; i++)
foo();
printf(“test: %d X 10 = 0x%llX\n”,i,k);
return 0;
}
//perf stat ./t3
test: 10000000 X 10 = 0x5F5E100
Performance counter stats for ‘./t3’:
208.832988 task-clock (msec) # 0.995 CPUs utilized
10 context-switches # 0.048 K/sec
4 cpu-migrations # 0.019 K/sec
135 page-faults # 0.646 K/sec
686,159,616 cycles # 3.286 GHz (83.37%)
465,345,885 stalled-cycles-frontend # 67.82% frontend cycles idle (83.34%)
5,075,975 stalled-cycles-backend # 0.74% backend cycles idle (66.58%)
741,052,737 instructions # 1.08 insns per cycle
# 0.63 stalled cycles per insn (83.29%)
150,226,307 branches # 719.361 M/sec (83.49%)
6,899 branch-misses # 0.00% of all branches (83.26%)
0.209865277 seconds time elapsed
修改foo()的循环变量,总的循环次数不变,但是结果不同,实际上定义全局变量和局部变量,使用常量和参数传递循环变量最终的结果都相差挺大,可以试试。
[t3.c]
#include <stdio.h>
#include <stdlib.h>
static long long k=0;
void foo()
{
int i=0;
for(i=0; i< 50; i++)
k++;
}
int main(void)
{
int i=0;
for(i = 0; i< 2000000; i++)
foo();
printf(“test: %d X 50 = 0x%llX\n”,i,k);
return 0;
}
//perf stat ./t3
test: 2000000 X 50 = 0x5F5E100
Performance counter stats for ‘./t3’:
250.861716 task-clock (msec) # 0.998 CPUs utilized
6 context-switches # 0.024 K/sec
7 cpu-migrations # 0.028 K/sec
135 page-faults # 0.538 K/sec
824,234,079 cycles # 3.286 GHz (83.28%)
594,377,812 stalled-cycles-frontend # 72.11% frontend cycles idle (83.29%)
37,475,480 stalled-cycles-backend # 4.55% backend cycles idle (66.55%)
629,436,534 instructions # 0.76 insns per cycle
# 0.94 stalled cycles per insn (83.28%)
110,302,090 branches # 439.693 M/sec (83.62%)
1,983,020 branch-misses # 1.80% of all branches (83.27%)
0.251378686 seconds time elapsed
task-clock:用于执行程序的CPU时间,单位是ms(毫秒)。第二列中的CPU utillized则是指这个进程在运行perf的这段时间内的CPU利用率,该数值是由task-clock除以最后一行的time elapsed(也就是wall time,真实时间,单位为秒,下面的M/sec等数值都是除以这个数得到的)再除以1000得出的。
context-switches:程序在运行过程中发生的上下文切换次数。这个指标值大家都很熟悉,就不细说了。
cpu-migrations:程序在运行过程中发生的CPU迁移次数,即被调度器从一个CPU转移到另外一个CPU上运行。
这里要注意下CPU迁移和上下文切换的不同之处:发生上下文切换时不一定会发生CPU迁移,而发生CPU迁移时肯定会发生上下文切换。发生上下文切换时有可能只是把上下文从当前CPU中换出,下一次调度器还是将进程安排在这个CPU上执行。
page-faults:缺页。指当内存访问时先根据进程虚拟地址空间中的虚拟地址通过MMU查找该内存页在物理内存的映射,没有找到该映射,则发生缺页,然后通过CPU中断调用处理函数,从物理内存中读取。见下图所示的例子(MMU,Memory Management Unit,是CPU中负责将负责虚拟地址映射为物理地址的单元):
cycles:CPU时钟周期。CPU从它的指令集(instruction set)中选择指令执行。一个指令包含以下的步骤,每个步骤由CPU的一个叫做功能单元(functional unit)的组件来进行处理,每个步骤的执行都至少需要花费一个时钟周期。
指令读取(instruction fetch)
指令解码(instruction decode)
执行(execute)
内存访问(memory access)
寄存器回写(register write-back)
第二列中的 3.286G Hz这个值不是固定的,猜测(需要再查下资料)可能是在这段时间内的时钟频率(CPU时钟频率也可以由内核发起请求修改,或者由处理器自己动态调整。如内核空闲线程(kernel idle thread)可以请求CPU降低频率来节省能源)。
stalled-cycles:字面意义是停滞周期,先介绍下instruction pipeline(姑且翻译为指令管道):指令管道是一种可以并行执行多个指令的CPU架构,通过同时执行不同的指令的不同组合实现。这类似于工厂的组装线,产品的不同阶段可以并行执行以提高吞吐量。考虑前面提到的指令步骤,如果每个步骤需要一个时钟周期,该指令则需要五个时钟周期来完成执行。在这个指令的每个单独的步骤中,只有一个功能单元是运行的,而其他四个是空闲的。通过使用指令管道,多个功能单元可以在同一时间运行,在管道中处理不同的指令。在理想状态下,处理器可以在一个时钟周期中完成一个指令。而stalled-cycles,则是指令管道未能按理想状态发挥并行作用,发生停滞的时钟周期。stalled-cycles-frontend指指令读取或解码的指令步骤,而stalled-cycles-backend则是指令执行步骤。第二列中的cycles idle其实意思跟stalled是一样的,由于指令执行停滞了,所以指令管道也就空闲了,千万不要误解为CPU的空闲率。这个数值是由stalled-cycles-frontend或stalled-cycles-backend除以上面的cycles得出的。
instructions:该进程在这段时间内完成的CPU指令,之前在cycles已介绍过了。这是整个perf stat命令输出中最重要的指标值。第二列中的insns per cycle,简称IPC,表示一个时钟周期内能完成多少个CPU指令。该值越高,表示CPU的性能越好。第二行的stalled cycles per insn,表示完成每个指令,有多少个时钟周期是被停滞的,这个值越小,表示CPU的性能越好。该值是由stalled-cycles-frontend除以instructions得到的。
为何不用stalled-cycles-backend来除,或两个stalled-cycles加起来再除,个人估计是stalled-cycles-frontend停滞了,肯定stalled-cycles-backend也会停滞,因此可预见前者的值肯定会比后者要大(跑了几次验证确实如此),因此后者是受前者影响的,用前者来除比较靠谱。
branches:这段时间内发生分支预测的次数。现代的CPU都有分支预测方面的优化。分支预测有什么好处请见stackoverflow上的这个帖子。
branches-misses:这段时间内分支预测失败的次数,这个值越小越好。
L1-dcache-loads:一级数据缓存读取次数。
L1-dcache-load-missed:一级数据缓存读取失败次数。
LLC-loads:last level cache读取次数。
LLC-load-misses:last level cache读取失败次数。
要理解CPU缓存是什么,需要先了解下CPU的缓存架构,如下图:1. level-1 data cache:一级数据缓存(I
)
2.
l
e
v
e
l
−
1
i
n
s
t
c
a
c
h
e
:
一
级
指
令
缓
存
(
D
) 2. level-1 inst cache:一级指令缓存(D
)2.level−1instcache:一级指令缓存(D)
3. MMU:内存管理单元
4. TLB:转换后援缓存(translation lookaside buffer)
5. level-2 cache:二级缓存(E$)
6. level-3 cache:三级缓存
处理器读取数据过程如下面两个图:
CPU根据虚拟地址尝试从一级缓存(存放的是虚拟地址的索引)中读取数据;
如果一级缓存中查找不到,则需向MMU请求数据;
MMU从TLB中查找虚拟地址的缓存(换言之,TLB是负责改进虚拟地址到物理地址转换速度、存放虚拟地址的缓存);
如果TLB中存在该虚拟地址的缓存,则MMU将该虚拟地址转化为物理地址,如果地址转换失败,则发生缺页(图中的fault分支),由内核进行处理,见上文所述;如果地址转换成功,则从二级缓存(存放的是物理地址的索引)中读取;如果二级缓存中也没有,则需要从三级缓存甚至物理内存中请求;
如果TLB中不存在该虚拟地址的缓存,则MMU从物理内存中的转换表(translation tables,也称为页表page tables)中获取,同时存入TLB;(注意,这个操作是硬件实现的,可以由MMU通过硬件直接从物理内存中读取);
跳到第4步。
由此可见,L1-dcache-load-missed和LLC-load-misses的数值当然是越低越好了。另外还有dTLB-load-misses(dTLB是数据转换后援缓存)和iTLB-load-misses(iTLB是指令转换后援缓存)等指标值
(原文链接:http://zhengheng.me/2015/11/12/perf-stat/)
perf top
类似于top,可以使用-e参数指定要观察的事件:perf top -e cpu-clock; perf top -e cs
perf record/perf report
perf record – e cpu-clock – g ./t3 //默认生成perf.data文件
perf report -g //生成函数调用关系和CPU 占用率
Samples: 850 of event ‘cpu-clock’, Event count (approx.): 212500000
Children Self Command Shared Object Symbol
- 99.88% 0.00% t3 libc-2.17.so [.] __libc_start_main
- 97.06% 3.29% t3 t3 [.] main
- 96.59% 96.59% t3 t3 [.] foo
- 0.12% 0.00% t3 [kernel.kallsyms] [k] system_call_fastpath
- 0.12% 0.00% t3 [kernel.kallsyms] [k] sys_exit_group
- 0.12% 0.00% t3 [kernel.kallsyms] [k] do_group_exit
- 0.12% 0.00% t3 [kernel.kallsyms] [k] do_exit
- 0.12% 0.00% t3 [kernel.kallsyms] [k] mmput
- 0.12% 0.00% t3 [kernel.kallsyms] [k] exit_mmap
- 0.12% 0.00% t3 [kernel.kallsyms] [k] unmap_vmas
- 0.12% 0.00% t3 [kernel.kallsyms] [k] unmap_single_vma
- 0.12% 0.12% t3 [kernel.kallsyms] [k] unmap_page_range
perf annotate
perf annotate foo 反汇编perf report中观察到的主要函数foo()
│ Disassembly of section .text:
│
│ 0000000000400530 :
│ foo():
│ #include <stdio.h>
│ #include <stdlib.h>
│
│ static long long k=0;
│ void foo()
│ {
2.92 │ push %rbp
│ mov %rsp,%rbp
│ int i=0;
2.80 │ movl $0x0,-0x4(%rbp)
│ for(i=0; i< 5; i++)
0.61 │ movl $0x0,-0x4(%rbp)
│ ↓ jmp 2a
│ k++;
12.67 │14: mov k,%rax
31.55 │ add $0x1,%rax
11.45 │ mov %rax,k
│
│ static long long k=0;
│ void foo()
│ {
│ int i=0;
│ for(i=0; i< 5; i++)
14.37 │ addl $0x1,-0x4(%rbp)
3.05 │2a: cmpl $0x4,-0x4(%rbp)
16.93 │ ↑ jle 14
│ k++;
│ }
3.65 │ pop %rbp
│ ← retq