google开源的C++性能分析工具 - gperftools

gperftools是Google提供的一套工具，其中的一个功能是CPU profiler，用于分析程序性能，找到程序的性能瓶颈。

安装

gperftools：http://code.google.com/p/gperftools/downloads/list

libunwind：http://download.savannah.gnu.org/releases/libunwind/

64位操作系统需要安装libunwind，官方推荐版本是libunwind-0.99-beta

安装过程：./configure [--disable-shared] &&make && make install

Graphviz是一个由AT&T实验室启动的开源工具包，用于绘制DOT语言脚本描述的图形，gperftools依靠此工具生成图形分析结果。

安装命令：yum install graphviz

 

1.编译libunwind库

因为使用的是X86_64的Linux系统，因此需要安装libunwind库。

安装方法很简单，常见的configure,make,make install的套路。

wget http://download.savannah.gnu.org/releases/libunwind/libunwind-0.99-beta.tar.gz

tarxvzf libunwind-0.99-beta.tar.gz

cd libunwind-0.99-beta

./configure

make

makeinstall

因为默认的libunwind安装在/usr/local/lib目录下，需要将这个目录添加到系统动态库缓存中。

echo "/usr/local/lib" > /etc/ld.so.conf.d/usr_local_lib.conf
/sbin/ldconfig

libunwind的最新版本是1.0.1，那为什么
不选择最新版本呢？google
perftools的INSTALL文件中给了说明。版本低于0.99-beta的libunwind与preftools一起工作可能不正常，但是高于
0.99-beta的版本中可能包含一些与perftools不兼容的代码(因为libunwind会调用malloc，可能会导致死锁)。
libunwind在X86_64平台上和perftools有不少问题，不过不会影响核心的tcmalloc库，但是会影响perftools中的工
具，例如cpu-profiler,heap-checker,heap-profiler。

 

2.编译google-perftools

因为我们只需要tcmalloc功能，因此不编译google-perftools中的其他工具。

wget http://gperftools.googlecode.com/files/google-perftools-1.9.1.tar.gz

tarxvzf google-perftools-1.9.1.tar.gz

cd google-perftools-1.9.1

./configure --disable-cpu-profiler --disable-heap-profiler --disable-heap-checker --enable-minimal--disable-dependency-tracking

make

makeinstall

/sbin/ldconfig

 

用法

1.目标程序中引入头文件<google/profiler.h>，链接libprofiler库，64位操作系统同时链接libunwind库，在需要分析代码的起点和终点调用ProfilerStart()函数和ProfilerStop()函数

2.编译链接，运行程序

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