Google CPU Profiler使用指南及小工具

最新推荐文章于 2024-02-11 12:29:41 发布
最新推荐文章于 2024-02-11 12:29:41 发布
阅读量1.3k 收藏
点赞数
分类专栏： C++

(一) gperftools-2.0 编译

wget https://gperftools.googlecode.com/files/gperftools-2.0.tar.gz
tar –xzf gperftools-2.0.tar.gz
cd gperftools-2.0

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

make && make install

注：
编译时打开了 –enable-frame-pointers ，这要求被测试的程序在编译时要加上gcc编译选项，否则某些多线程程序可能会 core:
CCFLAGS=-fno-omit-frame-pointer

(二) google cpu profiler 基本使用
嵌入 google cpu profiler 代码与编译
1) 在我们要测试的程序源码中先 include 头文件，然后在要 profile 的代码前后加上ProfilerStart() 和 ProfilerStop()
其接口声明如下：

1
2
3
4
5
#include <google/profiler.h>
 
int ProfilerStart( const char * fname);
void ProfilerFlush();
void ProfilerStop();

2) 在编译时加上 -fno-omit-frame-pointer 和 链接库 -ltcmalloc_and_profiler
CCFLAGS=-fno-omit-frame-pointer

-ltcmalloc_and_profiler

3) 执行程序，生成 profile 数据文件
4) 分析生成的数据文件

% pprof /bin/ls ls.prof
Enters “interactive” mode
% pprof –text /bin/ls ls.prof
Outputs one line per procedure
% pprof –gv /bin/ls ls.prof
Displays annotated call-graph via ‘gv’
% pprof –gv –focus=Mutex /bin/ls ls.prof
Restricts to code paths including a .*Mutex.* entry
% pprof –gv –focus=Mutex –ignore=string /bin/ls ls.prof
Code paths including Mutex but not string
% pprof –list=getdir /bin/ls ls.prof
(Per-line) annotated source listing for getdir()
% pprof –disasm=getdir /bin/ls ls.prof
(Per-PC) annotated disassembly for getdir()
% pprof –text localhost:1234
Outputs one line per procedure for localhost:1234
% pprof –callgrind /bin/ls ls.prof
Outputs the call information in callgrind format

示例一：
1) cpu_profiler_example.cpp

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
#include <stdio.h>
#include <string.h>
#include <sys/types.h>
#include <unistd.h>
#include <gperftools/profiler.h>
using namespace std;
 
int loopop()
{
     char buffer1 [1024];
     char buffer2 [1024];
     int n = 0;
     for ( int i = 0; i < 10000000; i++)
     {
         for ( int j = 0; j < 1000; j++)
         {
             n |= i%100 + j/100;
         }
         memset (buffer1,0xa,1024);
         memcpy (buffer2,buffer1,1024);
     }
     return n;
}
 
int main( int argc, char ** argv)
{
     char program[1024]={0};
     snprintf(program,1023, "%s_%d.prof" ,argv[0],getpid());
     ProfilerStart(program);
     printf ( "result:  %d\n" , (loopop)() );
     ProfilerStop();
     return 0;
}

2) Makefile

GPerfTools=/home/wuzhu/tools/gperftools

CCFLAGS=-fno-omit-frame-pointer -g

ALL_BINS=cpu_profiler_example
all:$(ALL_BINS)

cpu_profiler_example :cpu_profiler_example.o
g++ $(CCFLAGS) -o $@ $^ -L./ -L$(GPerfTools)/lib -Wl,-Bdynamic -ltcmalloc_and_profiler

.cpp.o:
g++ $(CCFLAGS) -c -I./ -I$(GPerfTools)/include -fPIC -o $@ $<
clean:
rm -f $(ALL_BINS) *.o

3) 执行

[wuzhu@search041142.sqa.cm4 cpu_profiler]$ ./cpu_profiler_example
loopop: 255
PROFILE: interrupts/evictions/bytes = 5848/3861/185584

会产生性能数据文件: cpu_profiler_example_29502.prof

4). 分析性能数据

pprof –text cpu_profiler_example cpu_profiler_example_29502.prof

Using local file cpu_profiler_example.
Using local file cpu_profiler_example_29502.prof.
Removing killpg from all stack traces.
Removing main from all stack traces.
Removing __libc_start_main from all stack traces.
Total: 5962 samples
5894 98.9% 98.9% 5894 98.9% loopop
38 0.6% 99.5% 38 0.6% memcpy
28 0.5% 100.0% 28 0.5% memset
2 0.0% 100.0% 2 0.0% _init
注：
更详细的使用方法请见 google cpu profiler wiki:

http://gperftools.googlecode.com/svn/trunk/doc/cpuprofile.html

(三) Google CPU Profiler支持对动态链接库进行性能分析 
下面，通过示例2来说明 Google Cpu Profiler 是支持对动态链接库进行性能分析的。

1) 源代码

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
//TestProfiler.h
extern "C"
{
     int loopop();
}
 
//TestProfiler.cpp只定义了一个耗时计算函数，便于分析。
#include <string.h>
#include "TestProfiler.h"
 
extern "C"
{
int loopop()
{
     char buffer1 [1024];
     char buffer2 [1024];
     int n = 0;
     for ( int i = 0; i < 10000000; i++)
     {
         for ( int j = 0; j < 1000; j++)
         {
             n |= i%100 + j/100;
         }
         memset (buffer1,0xa,1024);
         memcpy (buffer2,buffer1,1024);
     }
     return n;
}
}
 
#include <stdio.h>
#include <string.h>
#include <sys/types.h>
#include <unistd.h>
#include <gperftools/profiler.h>
#include "TestProfiler.h"
using namespace std;
 
int main( int argc, char ** argv)
{
     char program[1024]={0};
     snprintf(program,1023, "%s_%d.prof" ,argv[0],getpid());
     ProfilerStart(program);
     printf ( "result:  %d\n" , (loopop)() );
     ProfilerStop();
     return 0;
}

2) Makefile

GPerfTools=/home/wuzhu/tools/gperftools

CCFLAGS=-fno-omit-frame-pointer -g

ALL_BINS=libTestProfiler.so main_dynamic_link
all:$(ALL_BINS)

main_dynamic_link :main_dynamic_link.o
g++ $(CCFLAGS) -o $@ $^ -L./ -L$(GPerfTools)/lib -Wl,-Bdynamic -lTestProfiler -ltcmalloc_and_profiler

libTestProfiler.so:TestProfiler.o
g++ -shared $(CCFLAGS) -o $@ $^

.cpp.o:
g++ $(CCFLAGS) -c -I./ -I$(GPerfTools)/include -fPIC -o $@ $<
clean:
rm -f $(ALL_BINS) *.o *.prof

3) 执行

export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:`pwd`
./main_dynamic_link

result: 127
PROFILE: interrupts/evictions/bytes = 5991/3915/188368

产生性能数据文件: main_dynamic_link_24327.prof

4) 分析性能数据

pprof –text main_dynamic_link main_dynamic_link_24327.prof

Using local file main_dynamic_link.
Using local file main_dynamic_link_24327.prof.
Removing killpg from all stack traces.
Removing main from all stack traces.
Removing __libc_start_main from all stack traces.
Total: 5991 samples
5899 98.5% 98.5% 5899 98.5% loopop
53 0.9% 99.3% 53 0.9% memcpy
38 0.6% 100.0% 38 0.6% memset
1 0.0% 100.0% 1 0.0% _init

由此证明，Google CPU Profiler支持对动态链接库的性能分析

(四) Google CPU Profiler 对用 dlopen 方式打开动态库的程序支持 
运行时加载允许程序可以有选择地调用库中的函数。使用动态加载过程，程序可以先加载一个特定的库（已加载则不必），然后调用该库中的某一特定函数，这是构建支持插件的应用程序的一个普遍的方法。
示例 3 主要演示 Google CPU Profiler 是否支持对用 dlopen 方式打开动态库的程序进行性能分析。

还是以上述程序为例，对主程序代码进修改。

1) 源代码 (libTestProfiler.so 的源码同示例 2)

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
#include <stdio.h>
#include <stdlib.h>
#include <dlfcn.h>
#include <string.h>
#include <sys/types.h>
#include <unistd.h>
#include <gperftools/profiler.h>
 
typedef int (*op_t) ();
 
int main( int argc, char ** argv)
{
     int not_close=0;
     if (argc >= 2)
         not_close= atoi (argv[1]);
     void * dl_handle=NULL;
     op_t loopop;
     char * error=NULL;
 
     char program[1024]={0};
     snprintf(program,1023, "%s_%d.prof" ,argv[0],getpid());
     ProfilerStart(program);
 
     dl_handle = dlopen( "./libTestProfiler.so" , RTLD_LAZY );
     if (!dl_handle)
     {
         printf ( "dlopen failed! %s\n" , dlerror() );
         return -1;
     }
 
     loopop = (op_t)dlsym( dl_handle, "loopop" );
     error = dlerror();
     if (error != NULL)
     {
         printf ( "dlsym failed! %s\n" , error );
         return -1;
     }
 
     printf ( "result:  %d\n" , (loopop)() );
     if (not_close == 0)
     {
         printf ( "do dlclose()\n" );
         dlclose( dl_handle );
     }
     else
     {
         printf ( "not dlclose()\n" );
     }
 
     ProfilerStop();
     return 0;
}

2) Makefile

GPerfTools=/home/wuzhu/tools/gperftools

CCFLAGS=-fno-omit-frame-pointer -g

ALL_BINS=libTestProfiler.so main_dlopen_link
all:$(ALL_BINS)
main_dlopen_link :main_dlopen_link.o
g++ $(CCFLAGS) -o $@ $^ -L./ -L$(GPerfTools)/lib -Wl,-Bdynamic -ltcmalloc_and_profiler -ldl

libTestProfiler.so:TestProfiler.o
g++ -shared $(CCFLAGS) -o $@ $^

.cpp.o:
g++ $(CCFLAGS) -c -I./ -I$(GPerfTools)/include -fPIC -o $@ $<
clean:
rm -f $(ALL_BINS) *.o *.prof

3) 运行

[wuzhu@search041142.sqa.cm4 cpu_profiler]$ ./main_dlopen_link
result: 127
do dlclose()
PROFILE: interrupts/evictions/bytes = 5984/3559/171280

产生性能分析数据：main_dlopen_link_1256.prof

4) 分析性能数据
pprof –text main_dlopen_link main_dlopen_link_13598.prof

Using local file main_dlopen_link.
Using local file main_dlopen_link_13598.prof.
Removing killpg from all stack traces.
Removing main from all stack traces.
Removing __libc_start_main from all stack traces.
Total: 5984 samples
801 13.4% 13.4% 801 13.4% 0x00002b124c0b4688
736 12.3% 25.7% 736 12.3% 0x00002b124c0b4652
735 12.3% 38.0% 735 12.3% 0x00002b124c0b4685
425 7.1% 45.1% 425 7.1% 0x00002b124c0b4671
414 6.9% 52.0% 414 6.9% 0x00002b124c0b464b
412 6.9% 58.9% 412 6.9% 0x00002b124c0b4676
401 6.7% 65.6% 401 6.7% 0x00002b124c0b4656
401 6.7% 72.3% 401 6.7% 0x00002b124c0b465c
392 6.6% 78.8% 392 6.6% 0x00002b124c0b4624
387 6.5% 85.3% 387 6.5% 0x00002b124c0b463e
382 6.4% 91.7% 382 6.4% 0x00002b124c0b467f
368 6.1% 97.8% 368 6.1% 0x00002b124c0b4639
45 0.8% 98.6% 45 0.8% memcpy
42 0.7% 99.3% 42 0.7% memset
21 0.4% 99.6% 21 0.4% 0x00002b124c0b468c
9 0.2% 99.8% 9 0.2% 0x00002b124c0b4645
3 0.1% 99.8% 3 0.1% 0x00002b124c0b467d
3 0.1% 99.9% 3 0.1% 0x00002b124c0b469c
2 0.0% 99.9% 2 0.0% 0x00002b124c0b46a6
1 0.0% 99.9% 1 0.0% 0x00002b124c0b4518
1 0.0% 99.9% 1 0.0% 0x00002b124c0b461b
1 0.0% 100.0% 1 0.0% 0x00002b124c0b4643
1 0.0% 100.0% 1 0.0% 0x00002b124c0b4695
1 0.0% 100.0% 1 0.0% 0x00002b124c0b46d4

很奇怪，这个结果显示 libTestProfiler.so 库中的符号没有正确解析，main_dlopen_link_1256.prof 文件也没有包含 libTestProfiler.so 的内存映射信息，但是我们确实在主程序已经通过dlopen将动态库装载到内存并执行成功了，为何在主程序的内存映射表中找不到动态库的信息呢？
经过一番分析和调查，终于找到原因，因为main_dlopen_link_1256.prof 文件的输出工作是在dlclose()函数执行之后调用的，而在此时主程序执行了dlclose()函数卸载了libTestProfiler.so，所以随后dump出的内存映射表当然就不会包含libTestProfiler.so的信息了。

下面，我们通过传入参数，禁止dlclose()

[wuzhu@search041142.sqa.cm4 cpu_profiler]$ ./main_dlopen_link 1
result: 127
not dlclose()
PROFILE: interrupts/evictions/bytes = 5968/3520/169408

pprof –text main_dlopen_link main_dlopen_link_18394.prof

Using local file main_dlopen_link.
Using local file main_dlopen_link_18394.prof.
Removing killpg from all stack traces.
Removing main from all stack traces.
Removing __libc_start_main from all stack traces.
Total: 5968 samples
5893 98.7% 98.7% 5893 98.7% loopop
46 0.8% 99.5% 46 0.8% memcpy
27 0.5% 100.0% 27 0.5% memset
2 0.0% 100.0% 2 0.0% _init

此时，动态库中的符号又能正常解析了。

(五) GoogleProfiler.h 小工具

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
#ifndef __GOOGLE_PROFILER__
#define __GOOGLE_PROFILER__
 
#include <stdio.h>
#include <stdint.h>
#include <string>
#ifdef CPU_PROFILER
#include <google/profiler.h>
#endif
 
class GoogleProfiler
{
public :
     enum
     {
         MAXBUFSIZE=1024
     };
public :
     GoogleProfiler():_ready( false )
     {
     }
     ~GoogleProfiler()
     {
         ProfilerStop();
     }
     void ProfilerStart()
     {
#ifdef CPU_PROFILER
         char buf[MAXBUFSIZE]={0};
 
         int count = readlink( "/proc/self/exe" ,buf, MAXBUFSIZE );
         if (count < 0 || count > MAXBUFSIZE)
             return ;
         _programBin.assign(buf);
         printf ( "ProgramBin=%s\n" ,_programBin.c_str());
         _pid=getpid();
         size_t pos=_programBin.find_last_of( '/' );
         if (pos != std::string::npos)
         {
             _programName=_programBin.substr(pos+1);
         }
         else
         {
             _programName=_programBin;
         }
         printf ( "ProfilerStart(%s)\n" ,buf);
         snprintf(buf,MAXBUFSIZE, "./%s_%d.prof" ,_programName.c_str(),_pid);
         ::ProfilerStart(buf);
         _ready= true ;
#endif
     }
     void ProfilerStop()
     {
     #ifdef CPU_PROFILER
         if (_ready)
         {
             ::ProfilerStop();
             char cmd[2048]={0};
             snprintf(cmd,2047, "pprof --callgrind  %s %s_%d.prof >%s_%d.callgrind"
                     ,_programBin.c_str(),_programName.c_str(),_pid,_programName.c_str(),_pid);
             printf ( "cmd=%s\n" ,cmd);
             system (cmd);
             _ready= false ;
         }
     #endif
     }
     void ProfilerFlush()
     {
         ::ProfilerFlush();
     }
private :
     bool            _ready;
     int             _pid;
     std::string     _programBin;
     std::string         _programName;
};
 
#endif

该小工具主要是提供如下功能：
 自动生成性能数据文件的名称：程序名_进程号.prof
 将性能数据文件自动转换成 .callgrind 格式，方便 kcachegrind 上展示
 提供宏定义，可通过是否传 -DCPU_PROFILER 宏来打开或关闭google cpu profiler 性能采集.

下面是使用示例:

 Main 程序

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
51
52
#include <stdio.h>
#include <stdlib.h>
#include <dlfcn.h>
#include <string.h>
#include <sys/types.h>
#include <unistd.h>
#include <gperftools/profiler.h>
#include "GoogleProfiler.h"
 
typedef int (*op_t) ();
 
int main( int argc, char ** argv)
{
     int not_close=0;
     if (argc >= 2)
         not_close= atoi (argv[1]);
     void * dl_handle=NULL;
     op_t loopop;
     char * error=NULL;
 
     GoogleProfiler profiler;
     profiler.ProfilerStart();
 
     dl_handle = dlopen( "./libTestProfiler.so" , RTLD_LAZY );
     if (!dl_handle)
     {
         printf ( "dlopen failed! %s\n" , dlerror() );
         return -1;
     }
 
     loopop = (op_t)dlsym( dl_handle, "loopop" );
     error = dlerror();
     if (error != NULL)
     {
         printf ( "dlsym failed! %s\n" , error );
         return -1;
     }
 
     printf ( "result:  %d\n" , (loopop)() );
     if (not_close == 0)
     {
         printf ( "do dlclose()\n" );
         dlclose( dl_handle );
     }
     else
     {
         printf ( "not dlclose()\n" );
     }
 
     profiler.ProfilerStop();
     return 0;
}

 Makefile

GPerfTools=/home/wuzhu/tools/gperftools

CCFLAGS=-fno-omit-frame-pointer -g -DCPU_PROFILER

ALL_BINS=libTestProfiler.so \
main_dlopen_link2

all:$(ALL_BINS)

main_dlopen_link2 :main_dlopen_link2.o
g++ $(CCFLAGS) -o $@ $^ -L./ -L$(GPerfTools)/lib -Wl,-Bdynamic -ltcmalloc_and_profiler -ldl

libTestProfiler.so:TestProfiler.o
g++ -shared $(CCFLAGS) -o $@ $^

.cpp.o:
g++ $(CCFLAGS) -c -I./ -I$(GPerfTools)/include -fPIC -o $@ $<
clean:
rm -f $(ALL_BINS) *.o *.prof

 执行
[wuzhu@search041142.sqa.cm4 cpu_profiler]$ ./main_dlopen_link2 1
ProgramBin=/home/wuzhu/develop/mytest/cpu_profiler/main_dlopen_link2
ProfilerStart(/home/wuzhu/develop/mytest/cpu_profiler/main_dlopen_link2)
result: 127
not dlclose()
PROFILE: interrupts/evictions/bytes = 5962/3555/171088
cmd=pprof –callgrind /home/wuzhu/develop/mytest/cpu_profiler/main_dlopen_link2 main_dlopen_link2_24515.prof >main_dlopen_link2_24515.callgrind
Using local file /home/wuzhu/develop/mytest/cpu_profiler/main_dlopen_link2.
Using local file main_dlopen_link2_24515.prof.
Removing killpg from all stack traces.
Removing main from all stack traces.
Removing __libc_start_main from all stack traces.
[wuzhu@search041142.sqa.cm4 cpu_profiler]$

生成 main_dlopen_link2_24515.prof 和 main_dlopen_link2_24515.callgrind

 用 kcachegrind 打开查看

(六) 参考 
 http://www.cnblogs.com/lenolix/archive/2010/12/13/1904868.html

 http://gperftools.googlecode.com/svn/trunk/doc/cpuprofile.html

zougangx
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
GoogleCPUProfiler在CMake项目中的使用
whuzhang16的博客
06-27 1116
GoogleCPUProfiler使用 gperftools-2.7下载与编译 将gperftools-2.7下载解压之后，进行编译make && make install gperftools适用cmake项目 1）gperftools没有提供官方的查找profiler库的cmake脚本，所以在基于cmake管理的项目中如果要查找libprofiler库需要自己写FindPR...
AndroidStudio3.0 Android Profiler分析器(cpu memory network 分析器)
热门推荐
KeepStudy
05-21 10万+
Android Profiler分为三大模块： cpu、内存 、网络。基本的使用在上一篇文章有讲到。这里详细说一下。cpu分析器CPU ProfilerCPU分析器可帮助您实时检查应用程序的CPU使用情况和线程活动，并记录方法跟踪，以便您可以优化和调试应用程序的代码。要打开CPU Profiler，请按照下列步骤操作： 点击 View > Tool Windows > Android Profile
Profiler 使用说明
weixin_33857679的博客
02-01 222
Profiler是ORACLE PL/SQL 的一个调试优化跟踪方案的应用。相对sqltrace+tkprof工具调试优化 跟踪方案来说， Profiler有最直观更方便的优点，因为不需要生成和读取服务器端的跟踪文件，它是将跟踪数据全部存储的数据库表里，所以也得到了一些第三方工具的支 持，如PL/SQL DEVELOPER。注：Profiler生成的跟踪信息远远没有trace生成的详细，它没有执行...
google cpu profiler 使用
hainan1682584的专栏
05-19 4320
使用分为三步：链接tcmalloc库, 运行代码，分析输出
Profiler的使用
weixin_42547039的博客
11-16 2503
Profiler是一个分析app性能的强大工具合辑，可以分析内存、cpu、启动时间、网络情况、功耗等各个指标 cpu使用率 内存占用 网络流量监控 耗电量监控 CPU Profiler 可以让我们查看应用进程中的每个线程，某段时间内执行了哪些函数，以及在其执行期间每个函数占用CPU的时间 还可以使用函数跟踪来识别调用方和被调用方。 据此可以确定哪些函数负责调用常常会消耗大量特定资源的任务，并尝试优化应用代码以避免不必要的开支 JVM CPU Profiler技术原理及源码深度解析 https://www.c
Android Studio使用指南
01-23
Android Studio的Profiler工具能够监控应用的CPU、内存、网络和GPU使用情况，帮助优化性能。 ### 13. Android Jetpack Android Studio紧密集成Jetpack库，这是一个官方提供的组件集合，包含许多预封装的库，如...
Android Studio使用方法
08-19
- **CPU 分析**：使用 CPU Profiler 监控 CPU 占用率及热点函数。 - **电量消耗**：通过 Battery Historian 工具分析应用对电池的影响。 #### 七、版本控制与团队协作 ##### 7.1 版本控制 - **Git**：内置 Git ...
《宅男的android开发指南》（翻译）--3
03-18
6. **性能优化工具**：使用Android Profiler进行内存、CPU和网络性能分析，找出瓶颈并优化。 7. **Lint检查**：通过Lint工具发现潜在的代码问题，提升代码质量。 在实际开发中，你还需要学习更多的知识点，比如...
Android开发指南中文版
04-24
利用Android Profiler分析CPU、内存、网络和GPU的使用情况，定位性能瓶颈。 此外，随着Android版本的更新，新的特性和API不断推出，如Android Jetpack组件库、Kotlin语言的使用、Room数据库框架、LiveData和...
Google技术大会：如何将你的Android使用界面更快和更高效益
02-03
通过这些工具，可以追踪CPU、GPU、内存等资源的使用情况，找到性能问题的源头，并进行针对性优化。 最后，利用Android Jetpack系列组件，如Paging库，可以实现更高效的数据加载和分页显示，减少一次性加载大量数据...
性能优化第一步：Profiler的使用
weixin_45365889的博客
07-29 1472
CPU Profiler 首先来说，CPU Profiler并不是专门用于处理页面卡顿掉帧的，准确说：CPU Profiler是用来查看每个线程，在某段一段时间内执行了哪些函数，以及在其执行期间每个函数消耗的 CPU 资源。 专门针对卡顿掉帧问题可以使用内置的小工具：systrace。 不整官网那么多“花里胡哨”的介绍，咱们直击上应用方式。 1、使用界面 点击启动后，我们就可以看到...
【Android】Profiler的使用
qq_36185750的博客
04-15 1877
最近在做地图相关业务的时候，发现进入导航的一瞬间系统特别卡，当时就是用的profiler工具分析出来是因为高德的SDK在进入导航的时候短时间内创建了大量的对象引起内存抖动。这次主要简单介绍Profiler关于分析内存的简单使用，可以分析内存泄漏或者观察应用以及引用的SDK创建了多少对象。下面是上图每个数字对应的简单的介绍选择【MEMORY】进行内存分析记录系统内存变化，可分析是否有内存泄漏一段时间内C/C++的对象的使用数量一段时间内Java/kotlin对象的使用数量开始/暂停。
使用Profiler工具分析内存占用情况
天富儿的博客
07-03 979
使用Profiler工具分析内存占用情况OtherAssetsScene MemoryBuiltin ResourcesProfiler内存重点关注优化项目项目中可能遇到的问题 Unity3D为我们提供了一个强大的性能分析工具Profiler。今天我们就使用Profiler来详细分析一下官方例子AngryBots的内存使用信息数据。 首先打开Profiler选择Memory选项，在游戏运行的某一帧查看Detailed选项数据（Simple模式的数据很直观，可以知道内存大体被哪部分占用了，网上也有很多相关介绍
时间监控--Profiler使用方法
hualusiyu的专栏
02-04 957
时间监控--Profiler使用方法 一、 概述 Profiler是一个时间统计程序，他通过在程序中埋点，将埋点时间记录入线程变量中以实现革离，最后dump出结果，得出埋点时间树。 二、 Profiler常用方法(Profiler类的静态方法)  1、Start 当前线程埋点计时的开始，标识当前埋点的开始时间，每个埋点产生一个Entry，被压入线程变量中的栈中，当sta
- 语言经验 - 《使用google profiler 对c++应用进行性能热点分析》
最新发布
ly52352148的博客
02-11 1042
其统计原理就是等间隔时间采样，确认当前时间正在执行的函数栈，然后对每个函数栈统计运行次数。如下图中最大的方块syscall，是chrono调用的，这就是chrono慢的原因，因为它会在内核态和用户态之间切换。整个应用的执行过程37.7%的时间，都在执行该函数。因为当我们的重要目的之一是盈利时，那么成本就十分重要。而性能优化的前提是，我们知道哪一部分功能，是最耗费资源的，才能用20%的精力去解决80%的问题。在我使用过热点分析的工具中，最喜欢的是google profiler，因为它的信息足够详细。
google heap profiler内存管理工具小试
s_156的博客
05-05 587
heap profiler为google出品的用来监测内存的工具，可以用来进行内存泄漏的监测 使用方法： （1）在makefile中链接libprofiler.a与libtcmalloc.a （2）在程序代码中，希望开始监测的地方使用HeapProfilerStart(char *path)，参数为要输出的文件的名称前缀；在停止监测的地方使用HeapProfilerStop()，测试代码如下： #include <iostream> #include "google/heap-profiler.
CPU Profiler 使用指南
haima1998的专栏
12-22 1450
转自：https://www.jianshu.com/p/38fbf61c48c5 和你一起终身学习，这里是程序员 Android 本篇文章主要介绍 Android 开发中的部分知识点，通过阅读本篇文章，您将收获以下内容: 一、CPU Profiler 概述 二、CPU Profiler 使用方法 三、使用CPU Profiler 记录 traces 四、CPU Profiler 记录Trace 配置方法 五、CPU Profiler 创建、编辑 、查看Trace 配置方法 六、使用 Debug A
ceph存储 Google perftools工具内存检测以及性能分析
skdkjxy的专栏
08-04 5248
一. 安装与简介      从主页http://code.google.com/p/google-perftools/downloads/list下载源码包，解压后使用命令序列./configure;make;make install安装。如果make报错，请使用./configure --enable-frame-pointers从新来过。默认安装路径为/usr/local/，头文件和库文
效率神器-快速定位最慢的代码
somenzz的博客
09-08 758
天下武功，唯快不破。编程也不例外，你的代码跑的快，你能快速找出代码慢的原因，你的码功就高。今天分享一个超级实用的 Python 性能分析工具 pyinstrument ，可以快速找到代码运...
Android Studio入门与进阶指南
- 性能分析：内置了多种工具，如CPU Profiler、Memory Monitor等，用于检测和优化应用的性能。 - 兼容性检查：在开发过程中，会检查代码的API兼容性，防止出现因版本不兼容导致的问题。 - ProGuard和应用签名：...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值