在項目開發中，經常會遇到程序啟動時間過長、CPU使用率過高等問題，這個時候需要依靠性能分析工具來定位性能的消耗點。本文介紹三個常用的工具的入門級使用及圖形化方法，供大家參考。
本文介紹perf、gprof和valgrind三個性能分析工具，及其分析結果圖形化的方法，旨在讓大家更快的上手使用工具。出于篇幅的限制，本文不會對每種工具的使用參數及結果分析做詳細的介紹，只做入門級的使用說明。
每個工具的介紹會分成簡介、使用說明、圖形化方法三個部分。
每種工具的結果都會基于下面這段代碼：
#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);
}
這段代碼在V615機器上執行了31s，最大CPU使用率為8.3%(top結果)
一、Perf
1.1 簡介
Perf是內置于linux內核源碼樹中的性能剖析(profiling)工具。其基于事件采樣原理，以性能事件為基礎，常用于性能瓶頸的查找與熱點代碼的定位。
1.2 使用
perf的使用可以分為兩種方式：
- 直接使用perf啟動服務
- 掛接到已啟動的進程
第一種方式不需要root權限，第二種方式需要root權限
基于入門級使用這一前提，直接介紹一下使用方式：
perf record -e cpu-clock -g ./run
或者
perf record -e cpu-clock -g -p 4522
使用ctrl+c中斷perf進程，或者在程序執行結束后，會產生perf.data的文件，使用
perf report
會產生結果分析，如圖
1.3 圖形化方法
perf的結果可以生成火焰圖。生成火焰圖需要借助Flame Graph
clone代碼或者直接下載壓縮包到服務器上。以壓縮包為例，是一個命名為：FlameGraph-master.zip的文件，假設其解壓后的目錄為：/data
基于1.2產生的perf.data，后續步驟如下：
1、使用perf script工具對perf.data進行解析
perf script -i perf.data &> perf.unfold
2、將perf.unfold中的符號進行折疊：
/data/stackcollapse-perf.pl perf.unfold &> perf.folded
3、最后生成svg圖：
/data/flamegraph.pl perf.folded > perf.svg
生成的火焰圖如下：
關于火焰圖的含義及分析網上有很多文章，這里不再贅述
需要C/C++ Linux服務器架構師學習資料私信“資料”（資料包括C/C++，Linux，golang技術，Nginx，ZeroMQ，MySQL，redis，fastdfs，MongoDB，ZK，流媒體，CDN，P2P，K8S，Docker，TCP/IP，協程，DPDK，ffmpeg等），免費分享
二、Gprof
2.1 簡介
gprof用于監控程序中每個方法的執行時間和被調用次數，方便找出程序中最耗時的函數。在程序正常退出后，會生成gmon.out文件，解析這個文件，可以生成一個可視化的報告
2.2 使用方法
使用gprof，需要在編譯時，加入-pg選項
另外只有在程序正常退出后才會生成gmon.out，kill進程的方法是沒法生成gmon.out的。對于那些線程會一直run的服務，需要修改代碼，讓程序在某個時間點停止。
重新編譯后，正常啟動程序即可；然后在程序運行結束后，會生成gmon.out文件
使用如下命令，生成報名文件（其中run是二進制的名字）：
gprof -b run gmon.out >>report.txt
report.txt打開如下圖所示：
2.3 圖形化方法
gprof的結果文件需要借助gprof2dot.py和graphviz來展示
使用gprof2dot.py生成dot文件
Python gprof2dot.py report.txt >report.dot
需要說明的是，這里要求服務器已經安裝了python，并且要求gprof2dot.py與安裝的python版本匹配。這兩者是否匹配是一個需要運氣、并且解決起來很無聊的事情，我的服務器上安裝的python是2.6.6，第一次從網上下載的gprof2dot-2017.9.19與python版本就不匹配，執行會出錯。目前使用的版本與2.6.6是兼容的，如果需要可以與我聯系。
dot的打開需要graphviz工具，我是在windows下安裝的graphviz，這個工具下載很簡單。下載后使用gvedit.ext打開前一個步驟產生的report.dot文件即可
這個圖顯的有些萌萌噠，這是因為我們的程序寫的比較簡單，對于一般的業務而言，這個圖會比較復雜。
三、Valgrind
3.1 簡介
valgrind不是linux的原生工具，需要自行安裝。valgrind自身包含了多個工具：
- Memcheck：用于內存泄漏檢查
- Callgrind：用于性能分析，會收集程序運行時間和調用關系
- 以及Cachegrind、Helgrind等
這里我們主要使用的Callgrind工具
3.2 使用方法
首先需要安裝valgrind：http://valgrind.org/downloads/valgrind-3.12.0.tar.bz2
解壓安裝包后，順次執行：./configue 、make、make install 就可以了
使用valgrind來分析性能，必須使用valgrind來啟動程序：
valgrind --tool=callgrind --separate-threads=yes ./run
--separate-threads是指是否按線程來分別統計，如果不加，會將所有線程的結果打到一個文件里；否則會按線程分別打印到不同文件里。
程序執行結束后，會生成形如：callgrind.out.4263-01的文件。這個文件直接分析起來有些困難，必須借助圖形化的方式來瀏覽
3.3 圖形化方法
valgrind的圖形化需要借助kcachegrind.exe，大家可以自行下載，下載后在windows運行即可。這是打開callgrind.out.4263-01的結果：
四、工具比較
對于我們的需求：定位執行時間最長、占用CPU最多的函數 來說，這三個工具都可以達到目的。但這三者之間還是有一定的差距：
4.1 啟動方式
perf雖然可以掛接進程但需要root權限。在普通權限下，perf和valgrind必須使用前綴啟動的方式來啟動程序，這在某種程度上會影響到程序的性能。我們在壓測的過程中發現使用valgrind啟動的時候，可以支持的在線總人數比直接運行程序要少很多。
4.2 程序侵入
perf和valgrind都不需要修改Makefile或者程序，但gprof需要重新編譯文件，并且對于線程一直run的服務，還需要修改代碼讓其自然退出，這在一定程序上侵入了程序。但從對性能影響上來看，gprof可以最大限制的保留原程序的性能
4.3 結果展示
gprof的結果是一顆倒樹，這顆樹展示了從根到葉子的所有結點的時間消耗；perf的是一個金字塔，與gprof有異曲同工之妙；valgrind的結果是一條單路，指出的是某條調用路徑上的時間消耗，并不是一個全局的展示。
4.4 監控原理
這是一個很專業的話題，目前對三者的監控原理還沒有摸的太透，所以這里暫時空著。大家有興趣可以先行研究。
