在Linux上对C++代码进行性能分析的方法

技术背景

在Linux系统上开发C++程序时，性能优化是一个重要的环节。为了找出代码中的性能瓶颈，我们需要使用性能分析工具来收集和分析程序的运行信息。不同的性能分析工具具有不同的特点和适用场景，下面将介绍几种常见的C++性能分析方法和工具。

实现步骤

手动中断法

在调试器（如gdb）中运行代码，当程序运行缓慢时手动中断程序，多次查看调用栈（如backtrace）。如果某段代码占用了一定比例的时间，那么在每次采样中就有相应的概率捕获到它。多次清理性能问题后，剩余的问题会更容易被发现，这种“放大效应”可能会带来显著的性能提升。

使用Valgrind和Callgrind

1. 安装Valgrind和KCacheGrind：

sudo apt install kcachegrind valgrind

2. 编译并运行程序：

gcc -ggdb3 -O3 -std=c99 -Wall -Wextra -pedantic -o main.out main.c
time valgrind --tool=callgrind --dump-instr=yes --collect-jumps=yes ./main.out 10000

3. 查看分析结果：

kcachegrind callgrind.out.<pid>

使用gprof

1. 编译时添加-pg选项：

gcc -pg -ggdb3 -O3 -std=c99 -Wall -Wextra -pedantic -o main.out main.c

2. 运行程序：

time ./main.out 10000

3. 生成分析报告：

gprof main.out > main.gprof

4. 生成可视化图表（可选）：

sudo apt install graphviz
python3 -m pip install --user gprof2dot
gprof2dot < main.gprof | dot -Tsvg -o output.svg

使用perf工具

1. 安装perf工具：

sudo apt install linux-tools-common linux-tools-generic

2. 配置内核参数：

sudo sysctl kernel.perf_event_paranoid=-1 kernel.kptr_restrict=0

3. 收集性能数据：

time perf record --call-graph dwarf ./main.out 10000

4. 交互式查看数据：

perf report

使用gperftools

1. 安装gperftools：

sudo apt install google-perftools

2. 在运行时启用CPU分析器：

gcc -ggdb3 -O3 -std=c99 -Wall -Wextra -pedantic -o main.out main.c
LD_PRELOAD=/usr/lib/x86_64-linux-gnu/libprofiler.so CPUPROFILE=prof.out ./main.out 10000

3. 查看分析结果：

google-pprof --callgrind main.out prof.out > callgrind.out
kcachegrind callgrind.out

核心代码

以下是一个简单的C++测试程序示例：

#include <inttypes.h>
#include <stdio.h>
#include <stdlib.h>

uint64_t __attribute__ ((noinline)) common(uint64_t n, uint64_t seed) {
    for (uint64_t i = 0; i < n; ++i) {
        seed = (seed * seed) - (3 * seed) + 1;
    }
    return seed;
}

uint64_t __attribute__ ((noinline)) fast(uint64_t n, uint64_t seed) {
    uint64_t max = (n / 10) + 1;
    for (uint64_t i = 0; i < max; ++i) {
        seed = common(n, (seed * seed) - (3 * seed) + 1);
    }
    return seed;
}

uint64_t __attribute__ ((noinline)) maybe_slow(uint64_t n, uint64_t seed, int is_slow) {
    uint64_t max = n;
    if (is_slow) {
        max *= 10;
    }
    for (uint64_t i = 0; i < max; ++i) {
        seed = common(n, (seed * seed) - (3 * seed) + 1);
    }
    return seed;
}

int main(int argc, char **argv) {
    uint64_t n, seed;
    if (argc > 1) {
        n = strtoll(argv[1], NULL, 0);
    } else {
        n = 1;
    }
    if (argc > 2) {
        seed = strtoll(argv[2], NULL, 0);
    } else {
        seed = 0;
    }
    seed += maybe_slow(n, seed, 0);
    seed += fast(n, seed);
    seed += maybe_slow(n, seed, 1);
    seed += fast(n, seed);
    seed += maybe_slow(n, seed, 0);
    seed += fast(n, seed);
    printf("%" PRIX64 "\n", seed);
    return EXIT_SUCCESS;
}

最佳实践

• 对于CPU密集型应用程序，先在DEBUG模式下使用性能分析工具找出可疑代码段，然后在RELEASE模式下注释掉这些代码段，观察性能变化。
• 对于I/O密集型应用程序，在RELEASE模式下使用性能分析工具找出可疑代码段。
• 结合多种性能分析工具进行分析，以获取更全面的信息。

常见问题

gprof相关问题

• 多线程代码：gprof在多线程代码中可能无法正常工作，需要使用workaround。
• 函数指针：gprof的调用图在处理函数指针时可能会混乱。
• 调用计数不准确：gprof的调用计数可能与实际情况存在较大差异。

Valgrind相关问题

• 性能开销大：Valgrind会导致程序运行速度大幅下降，对于大型工作负载可能会成为严重限制。

perf相关问题

• 数据丢失：与gprof的插桩代码相比，perf会丢失一些数据，例如不知道每个函数的调用次数。
• 存在[unknown]函数：在分析结果中可能会出现[unknown]函数，具体原因需要进一步排查。

kcachegrind相关问题

• 无法显示完整调用图：在复杂的C++软件中，kcachegrind可能无法显示完整的调用图。
• <cycle N>条目含义不明：在复杂的C++软件中，可能会看到<cycle N>类型的条目，不清楚其具体含义。