作者：赵坤|腾讯魔王工作室后台开发工程师

在项目开发中，经常会遇到程序启动时间过长、CPU使用率过高等问题，这个时候需要依靠性能分析工具来定位性能的消耗点。本文介绍三个常用的工具的入门级使用及图形化方法，供大家参考。

本文介绍perf、gprof和valgrind三个性能分析工具，及其分析结果图形化的方法，旨在让大家更快的上手使用工具。出于篇幅的限制，本文不会对每种工具的使用参数及结果分析做详细的介绍，只做入门级的使用说明，更多详细的说明大家请google一下。

每个工具的介绍会分成简介、使用说明、图形化方法三个部分。

每种工具的结果都会基于下面这段代码：

#include <unistd.h>
using namespace std;
#define NUM 500000
void init(int* int_array){
	for(int i=0;i<NUM;i++){
		int_array[i]=i;
	}
}

void accu(int* int_array,long& sum ){
	for(int i=0;i<NUM;i++){
		sum+=int_array[i];
		usleep(3);
	}	
}

int main(){
	int int_array[NUM];
	init(int_array);
	long sum=0;
	accu(int_array,sum);
}

这段代码在V615机器上执行了31s，最大CPU使用率为8.3%(top结果)

一、Perf

1.1 简介

Perf是内置于Linux内核源码树中的性能剖析(profiling)工具。其基于事件采样原理，以性能事件为基础，常用于性能瓶颈的查找与热点代码的定位。

1.2 使用

perf的使用可以分为两种方式：

• 直接使用perf启动服务
• 挂接到已启动的进程

第一种方式不需要root权限，第二种方式需要root权限

基于入门级使用这一前提，直接介绍一下使用方式：

perf record -e cpu-clock -g  ./run
或者
perf record -e cpu-clock -g  -p 4522

 使用ctrl+c中断perf进程，或者在程序执行结束后，会产生perf.data的文件，使用

perf report

 会产生结果分析，如图

1.3 图形化方法

perf的结果可以生成火焰图。生成火焰图需要借助Flame Graph

Flame Graph项目位于GitHub: https://github.com/brendangregg/FlameGraph

clone代码或者直接下载压缩包到服务器上。以压缩包为例，是一个命名为：FlameGraph-master.zip的文件，假设其解压后的目录为：/data

基于1.2产生的perf.data，后续步骤如下：

1、使用perf script工具对perf.data进行解析
perf script -i perf.data &> perf.unfold

2、将perf.unfold中的符号进行折叠：
/data/stackcollapse-perf.pl perf.unfold &> perf.folded

3、最后生成svg图：
/data/flamegraph.pl perf.folded > perf.svg

 生成的火焰图如下：

关于火焰图的含义及分析网上有很多文章，这里不再赘述

二、Gprof

2.1 简介

gprof用于监控程序中每个方法的执行时间和被调用次数，方便找出程序中最耗时的函数。在程序正常退出后，会生成gmon.out文件，解析这个文件，可以生成一个可视化的报告

2.2 使用方法

使用gprof，需要在编译时，加入-pg选项

另外只有在程序正常退出后才会生成gmon.out，kill进程的方法是没法生成gmon.out的。对于那些线程会一直run的服务，需要修改代码，让程序在某个时间点停止。

重新编译后，正常启动程序即可；然后在程序运行结束后，会生成gmon.out文件

使用如下命令，生成报名文件（其中run是二进制的名字）：

gprof -b run gmon.out >>report.txt

 report.txt打开如下图所示：

2.3 图形化方法

gprof的结果文件需要借助gprof2dot.py和graphviz来展示

使用gprof2dot.py生成dot文件

python gprof2dot.py  report.txt  >report.dot 

需要说明的是，这里要求服务器已经安装了python，并且要求gprof2dot.py与安装的python版本匹配。这两者是否匹配是一个需要运气、并且解决起来很无聊的事情，我的服务器上安装的python是2.6.6，第一次从网上下载的gprof2dot-2017.9.19与python版本就不匹配，执行会出错。目前使用的版本与2.6.6是兼容的，如果需要可以与我联系。

dot的打开需要graphviz工具，我是在windows下安装的graphviz，这个工具下载很简单。下载后使用gvedit.ext打开前一个步骤产生的report.dot文件即可

这个图显的有些萌萌哒，这是因为我们的程序写的比较简单，对于一般的业务而言，这个图会比较复杂。

三、Valgrind

3.1 简介

valgrind不是linux的原生工具，需要自行安装。valgrind自身包含了多个工具：

• Memcheck：用于内存泄漏检查
• Callgrind：用于性能分析，会收集程序运行时间和调用关系
• 以及Cachegrind、Helgrind等

这里我们主要使用的Callgrind工具

3.2 使用方法

首先需要安装valgrind：http://valgrind.org/downloads/valgrind-3.12.0.tar.bz2

解压安装包后，顺次执行：./configue 、make、make install 就可以了

使用valgrind来分析性能，必须使用valgrind来启动程序：

valgrind --tool=callgrind --separate-threads=yes ./run

 --separate-threads是指是否按线程来分别统计，如果不加，会将所有线程的结果打到一个文件里；否则会按线程分别打印到不同文件里。

程序执行结束后，会生成形如：callgrind.out.4263-01的文件。这个文件直接分析起来有些困难，必须借助图形化的方式来浏览

3.3 图形化方法

valgrind的图形化需要借助kcachegrind.exe，大家可以自行下载，下载后在windows运行即可。这是打开callgrind.out.4263-01的结果：

四、工具比较

对于我们的需求：定位执行时间最长、占用CPU最多的函数 来说，这三个工具都可以达到目的。但这三者之间还是有一定的差距：

4.1 启动方式

perf虽然可以挂接进程但需要root权限。在普通权限下，perf和valgrind必须使用前缀启动的方式来启动程序，这在某种程度上会影响到程序的性能。我们在压测的过程中发现使用valgrind启动的时候，可以支持的在线总人数比直接运行程序要少很多。

4.2 程序侵入

perf和valgrind都不需要修改Makefile或者程序，但gprof需要重新编译文件，并且对于线程一直run的服务，还需要修改代码让其自然退出，这在一定程序上侵入了程序。但从对性能影响上来看，gprof可以最大限制的保留原程序的性能

4.3 结果展示

gprof的结果是一颗倒树，这颗树展示了从根到叶子的所有结点的时间消耗；perf的是一个金字塔，与gprof有异曲同工之妙；valgrind的结果是一条单路，指出的是某条调用路径上的时间消耗，并不是一个全局的展示。

4.4 监控原理

这是一个很专业的话题，目前对三者的监控原理还没有摸的太透，所以这里暂时空着。大家有兴趣可以先行研究。