文章目录
- 使用gperftools进行 C++ 性能分析的实战指南
- 一、编译安装 gperftools
- 1. 下载源代码：
- 2. 编译和安装：
- 二、编写测试程序
- 三、使用 gperftools 代码示例
- 四、查看分析结果
- 五、一份实际代码实例及实操
- 1.代码实例
- 2.操作命令
- 3.结果分析
- 根据上述数据，对关键函数分析
- 六、后论
- - 推荐文章 -
- C++
- 音视频
使用gperftools进行 C++ 性能分析的实战指南
在软件开发过程中，性能优化是一项至关重要的任务，尤其是对于复杂的 C++ 应用程序来说。gperftools 是一套功能强大的性能分析工具，它为 C++ 开发者提供了分析 CPU 使用和内存使用的有效手段。在这篇博客中，我们将详细介绍如何在 C++ 项目中使用 gperftools 来识别和解决性能瓶颈。
一、编译安装 gperftools
首先，我们需要安装 gperftools。以下步骤将指导您完成下载和安装过程：
1. 下载源代码：
wget https://github.com/gperftools/gperftools/releases/download/gperftools-2.15/gperftools-2.15.tar.gz
tar -xvf gperftools-2.15.tar.gz
2. 编译和安装：
cd gperftools-2.15
./configure --prefix=$PWD/build --enable-shared=no --enable-static=yes --enable-libunwind
make -j8
make install
注意：请确保你的 CMake 版本在 3.12 或以上。
二、编写测试程序
安装完成后，我们可以编写一个简单的 C++ 程序来测试 gperftools 的功能。以下是编译程序所需的命令：
g++ -o main hot.cpp -I./include -L ./lib -lprofiler -ltcmalloc -lpthread
这里，我们假设源文件名为 hot.cpp。
三、使用 gperftools 代码示例
在 C++ 程序中，可以通过以下方式集成 gperftools：
#include <gperftools/profiler.h>
#include <gperftools/heap-profiler.h>
int main() {
ProfilerStart("cpu-profiler.prof");
HeapProfilerStart("memory-profiler");
// 你的代码
ProfilerStop();
HeapProfilerDump("test");
HeapProfilerStop();
return 0;
}
在上面的例子中，我们使用 ProfilerStart 和 HeapProfilerStart 开启 CPU 和内存分析，执行我们需要测试的代码，然后使用 ProfilerStop 和 HeapProfilerStop 停止分析。
四、查看分析结果
生成的分析文件可以使用 gperftools 提供的 pprof 工具来查看：
pprof ./main ./cpu-profiler.prof --text
pprof ./main ./memory-profiler.0001.heap --text
这些命令将输出文本形式的性能分析报告，帮助理解程序中的热点。
五、一份实际代码实例及实操
1.代码实例
假设应用程序包含了大量的数据库操作和数据处理，可以通过 gperftools 来识别哪些函数占用了最多的 CPU 时间或内存：
#include <iostream>
#include <vector>
#include <thread>
#include <mutex>
#include <condition_variable>
#include <queue>
#include <chrono>
#include <random>
#include <memory>
#include <functional>
// 数据库模拟类
class Database {
private:
std::mutex db_mutex;
public:
int getData(int id) {
std::lock_guard<std::mutex> lock(db_mutex);
std::this_thread::sleep_for(std::chrono::milliseconds(10)); // 模拟数据库延迟
return id * id; // 简单计算，模拟数据处理
}
void updateData(int id, int value) {
std::lock_guard<std::mutex> lock(db_mutex);
std::this_thread::sleep_for(std::chrono::milliseconds(15)); // 模拟写入延迟
// 实际更新操作省略
}
};
// 请求类
struct Request {
int id;
int value;
bool isRead; // true if read, false if write
};
// 处理请求的工作线程
class Worker {
public:
Worker(std::shared_ptr<Database> db) : db_(db) {}
void operator()(const Request& request) {
auto start = std::chrono::high_resolution_clock::now();
if (request.isRead) {
int result = db_->getData(request.id);
std::cout << "Read request for ID " << request.id << ": " << result << std::endl;
} else {
db_->updateData(request.id, request.value);
std::cout << "Write request for ID " << request.id << " with new value " << request.value << std::endl;
}
auto end = std::chrono::high_resolution_clock::now();
std::chrono::duration<double, std::milli> elapsed = end - start;
std::cout << "Request ID " << request.id << " processed in " << elapsed.count() << " ms" << std::endl;
}
private:
std::shared_ptr<Database> db_;
};
#include <gperftools/profiler.h>
#include <gperftools/heap-profiler.h>
int main() {
ProfilerStart("cpu-profiler.prof");
HeapProfilerStart("mempry-profiler");
std::shared_ptr<Database> db = std::make_shared<Database>();
std::vector<std::thread> workers;
std::vector<Request> requests;
// 生成请求
for (int i = 0; i < 1000; ++i) {
requests.emplace_back(Request{i, i * 100, i % 2 == 0});
}
// 创建并启动工作线程
for (auto& req : requests) {
workers.emplace_back(Worker(db), std::ref(req));
}
// 等待所有线程完成
for (auto& worker : workers) {
if (worker.joinable()) {
worker.join();
}
}
ProfilerStop();
HeapProfilerDump("test");
HeapProfilerStop();
return 0;
}
2.操作命令
[root@iZj6c0il0t6l26ze71vq4cZ build]# ls
bin hot.cpp include lib share
[root@iZj6c0il0t6l26ze71vq4cZ build]# g++ -o main hot.cpp -I./include -L ./lib -lprofiler -ltcmalloc -lpthread
[root@iZj6c0il0t6l26ze71vq4cZ build]# ls
bin hot.cpp include lib main share
[root@iZj6c0il0t6l26ze71vq4cZ build]# ./main > /dev/null
Starting tracking the heap
PROFILE: interrupts/evictions/bytes = 9/0/672
Dumping heap profile to mempry-profiler.0001.heap (test)
[root@iZj6c0il0t6l26ze71vq4cZ build]# ls
bin cpu-profiler.prof hot.cpp include lib main mempry-profiler.0001.heap share
[root@iZj6c0il0t6l26ze71vq4cZ build]# bin/pprof ./main ./cpu-profiler.prof --text
Using local file ./main.
Using local file ./cpu-profiler.prof.
Total: 9 samples
2 22.2% 22.2% 2 22.2% __GI___munmap
2 22.2% 44.4% 2 22.2% __pthread_create_2_1
1 11.1% 55.6% 1 11.1% MallocHook::InvokeDeleteHookSlow (inline)
1 11.1% 66.7% 1 11.1% SpinLock::Lock (inline)
1 11.1% 77.8% 1 11.1% __futex_abstimed_wait_common
1 11.1% 88.9% 1 11.1% std::forward
1 11.1% 100.0% 1 11.1% std::locale::id::_M_id@@GLIBCXX_3.4
0 0.0% 100.0% 1 11.1% DeleteHook
0 0.0% 100.0% 2 22.2% MallocHook::InvokeDeleteHook (inline)
0 0.0% 100.0% 2 22.2% MallocHook::InvokeDeleteHookSlow
0 0.0% 100.0% 1 11.1% RecordFree (inline)
0 0.0% 100.0% 1 11.1% SpinLockHolder::SpinLockHolder (inline)
0 0.0% 100.0% 1 11.1% Worker::operator
0 0.0% 100.0% 2 22.2% __GI___nptl_deallocate_stack
0 0.0% 100.0% 3 33.3% __clone3
0 0.0% 100.0% 3 33.3% __gnu_cxx::new_allocator::construct
0 0.0% 100.0% 6 66.7% __libc_start_call_main
0 0.0% 100.0% 6 66.7% __libc_start_main_alias_2
0 0.0% 100.0% 2 22.2% __nptl_free_stacks
0 0.0% 100.0% 3 33.3% __pthread_clockjoin_ex
0 0.0% 100.0% 6 66.7% _start
0 0.0% 100.0% 2 22.2% invoke_hooks_and_free
0 0.0% 100.0% 6 66.7% main
0 0.0% 100.0% 3 33.3% start_thread
0 0.0% 100.0% 1 11.1% std::__invoke
0 0.0% 100.0% 1 11.1% std::__invoke_impl
0 0.0% 100.0% 3 33.3% std::allocator_traits::construct
0 0.0% 100.0% 3 33.3% std::error_code::default_error_condition@@GLIBCXX_3.4.11
0 0.0% 100.0% 1 11.1% std::num_put::_M_insert_float
0 0.0% 100.0% 1 11.1% std::ostream::_M_insert
0 0.0% 100.0% 1 11.1% std::thread::_Invoker::_M_invoke
0 0.0% 100.0% 1 11.1% std::thread::_Invoker::operator
0 0.0% 100.0% 2 22.2% std::thread::_M_start_thread@@GLIBCXX_3.4.22
0 0.0% 100.0% 1 11.1% std::thread::_State_impl::_M_run
0 0.0% 100.0% 1 11.1% std::thread::_State_impl::_State_impl
0 0.0% 100.0% 2 22.2% std::thread::_State_impl::~_State_impl
0 0.0% 100.0% 3 33.3% std::thread::join@@GLIBCXX_3.4.11
0 0.0% 100.0% 3 33.3% std::thread::thread
0 0.0% 100.0% 1 11.1% std::use_facet
0 0.0% 100.0% 3 33.3% std::vector::emplace_back
[root@iZj6c0il0t6l26ze71vq4cZ build]#
3.结果分析
根据上述数据，对关键函数分析
① __GI___munmap 和 __pthread_create_2_1：
- 这两个函数各占用了22.2%的样本，是CPU使用最多的两个函数。
__GI___munmap被用于内存映射的取消，通常与资源释放相关。而__pthread_create_2_1与线程创建相关，表明线程的创建和管理是CPU消耗的一个重要部分。
② 内存和同步相关的函数：
MallocHook::InvokeDeleteHookSlow和SpinLock::Lock分别占用了11.1%的样本。这显示内存分配和线程同步也是性能消耗的关键点。
③ 其他系统调用和库函数：
__futex_abstimed_wait_common和std::forward也各占有11.1%，表明系统级同步和模板函数的使用对性能有较大影响。
六、后论
通过这篇博客，应该能够掌握使用 gperftools 来分析和优化 C++ 应用程序的基本方法。无论是 CPU 还是内存优化，gperftools 都是一个强大的工具，可以帮助程序提升应用性能。
gperftools 提供了主要包括 CPU 分析器和堆分析器。适合用来识别程序中的性能热点和内存泄漏。对于想要进行全面性能和资源优化的需求来说，可能还需要考虑一些其他工具和技术作为 gperftools 的互补。
以下是对 gperftools 工具的一些补充：
-
Valgrind：
- Valgrind 是一个编程工具套件，用于内存调试、内存泄漏检测以及性能分析。虽然 gperftools 的堆分析器能够帮助检测内存泄漏，Valgrind 的 Memcheck 工具在某些情况下可能提供更详细的内存访问和泄漏信息。
-
AddressSanitizer：
- AddressSanitizer (ASan) 是一个快速的内存错误检测器，可以检测出各种内存访问错误。ASan 被集成在 LLVM/Clang 和 GCC 中，与 gperftools 相比，它在运行时插入的检查可以自动发现如使用后释放、堆栈缓冲区溢出等错误。
-
ThreadSanitizer：
- ThreadSanitizer (TSan) 是用于检测数据竞争的工具。如果应用程序涉及复杂的多线程，TSan 可以作为 gperftools 的有力补充，帮助识别可能导致不稳定行为和奇怪的 bug 的数据竞争问题。
-
VisualVM：
- 对于需要分析 Java 应用程序性能的开发者，VisualVM 提供了一套完整的可视化工具，包括线程分析、堆分析和 CPU 分析等。虽然这不是针对 C++ 的工具，但它展示了集成性能分析工具的方向，对于混合语言开发环境非常有用。
-
Intel VTune Profiler：
- 对于需要在硬件层面上进行性能分析的开发者，Intel VTune Profiler 提供了深入的硬件级性能洞察，包括 CPU 利用率、缓存命中率、分支预测错误等。这对于优化依赖于 CPU 性能的应用程序特别有价值。
-
Perf：
- Perf 是 Linux 下的一个性能计数器工具，它可以访问 CPU 性能计数器、追踪点等，用于更底层的性能分析。Perf 能够帮助开发者分析应用程序与操作系统之间的交互，并识别潜在的性能问题。
-
SystemTap：
- SystemTap 提供了一种方法，允许管理员和开发者在 Linux 系统上运行的实时内核中编写和执行脚本，以收集关于系统的运行信息。这是研究和解决操作系统级性能问题的一个强大工具。
通过将 gperftools 与这些工具结合使用，可以获得更全面的性能分析视角，有效地优化和改进软件。
the end~
- 推荐文章 -
C++
- C++11 玩家不得不学的语法集 [持续更新-建议收藏]
- C++ 性能分析的实战指南（gperftools工具）
- C++哈希算法（即散列表）的说明和代码示例
音视频
- libyuv 操作 YUV420P ，如镜像、旋转、缩放等示例代码
