ldd gperftool 用法

1.ldd 用来显示进程所依赖的动态库路径

[root@iZ94xjteonrZ C++]# ldd test
        linux-vdso.so.1 =>  (0x00007fff8cb08000)
        libprofiler.so.0 => /usr/local/lib/libprofiler.so.0 (0x00007fb1f0d6a000)
        libunwind.so.8 => not found
        libpthread.so.0 => /lib64/libpthread.so.0 (0x00007fb1f0b4c000)
        libc.so.6 => /lib64/libc.so.6 (0x00007fb1f07b9000)
        libunwind.so.7 => not found
        libstdc++.so.6 => /usr/lib64/libstdc++.so.6 (0x00007fb1f04b2000)
        libm.so.6 => /lib64/libm.so.6 (0x00007fb1f022e000)
        libgcc_s.so.1 => /lib64/libgcc_s.so.1 (0x00007fb1f0018000)
        /lib64/ld-linux-x86-64.so.2 (0x00007fb1f0f83000)
[root@iZ94xjteonrZ C++]# 

export LD_LIBRARY_PATH 的使用 用来设置环境变量  设置共享库的搜索位置

2.

1. 下载libunwind （wget http://download.savannah.gnu.org/releases/libunwind/libunwind-1.1.tar.gz）

    mkdir ../libunwind

    ./configure prefix=/home/tools/libunwind

    make  && make install

2. 下载 gperftools （wget http://code.google.com/p/gperftools/downloads/list/gperftools-2.0.tar.gz）

    mkdir ../gperftools 

   ./configure prefix=/home/tools/gperftools --enable-frame-pointers

    make  && make install

 

 

3. export LD_LIBRARY_PATH=/home/tools/gperftools/lib

    export PATH=$PATH:/home/tools/gperftools/bin

 

4. mkdir ../test && cd ../test

    vi test.cpp

#include <google/profiler.h>
#include <iostream>
using namespace std;
void test1() 

{
    int i = 0;
    while (i < 1000) 

     {
        i++;
    }  
}

void test2() 
{

    int i = 0;
    while (i < 2000)  

   {
        i++;
    }  
}

void test3() 

 {
    for (int i = 0; i < 100000; ++i) 
    {
        test1();
        test2();
    }  
}

int main()

 {
    ProfilerStart("test.prof"); // test.prof is the name of profile file
     test3();
    printf("Finish!");
    ProfilerStop(); 
    return 0;
}

 

5. 编译

   g++ -o test test.cpp -I /home/tools/gperftools/include -I /home/tools/libunwind/include -L/home/tools/gperftools/lib/ -lprofiler  -L/home/tools/libunwind/lib/ -lunwind

 

6. ./test

生成test.prof文件

 

7. pprof --text test test.prof

输出：

 Using local file test.
Using local file test.prof.
Total: 100 samples
      59  59.0%  59.0%       59  59.0% test2
      40  40.0%  99.0%       40  40.0% test1
       1   1.0% 100.0%        1   1.0% test3

官方文档：http://code.google.com/p/google-perftools/wiki/GooglePerformanceTools

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