带有循环检测的 Callgrind 性能分析答案

【问题标题】：Callgrind performance analysis with cycle detection带有循环检测的 Callgrind 性能分析
【发布时间】：2017-10-28 18:20:10
【问题描述】：

我第一次尝试使用 Callgrind/Kcachegrind 来分析我的 C++ 应用程序，我注意到需要更多时间的两个函数是：

（50% 自我）和
do_lookup_x（15% 自己）

现在，根据我的理解，周期 1 与递归调用函数所花费时间的估计有关，但我不太清楚我应该如何解释在这里花费的如此长的时间。如果有一些周期，我想看看哪个函数被调用得更频繁，最后占用更多的 CPU 时间。如果我禁用循环检测（视图->循环检测），那么循环 1 会消失，但“自我”时间总计约为 60%，我不确定这是最好的做法。关于 do_lookup_x 我完全一无所知...

你能解释一下我应该如何解释这些结果吗？

提前致谢。

【问题讨论】：

Self 时间应该计算正确。 callgrind 中的循环检测是启发式的，因为 callgrind/cachegrind 输出没有完整的调用堆栈，它只记录被调用者-调用者对。 perf 和 google-perftools (pprof) 都更适合函数调用堆栈捕获（当且仅当您的项目启用了 -fno-omit-frame-pointer 选项）并且没有像 Kcachegrind 这样漂亮的 GUI。 perf record -g 输出可以用github.com/jrfonseca/gprof2dot 作为图片查看。另外：如果您有 >10% 的 do_lookup_x - 您的程序太短而无法分析；试试LD_BIND_NOW=1 ./prg
@osgx 谢谢，但我真正的问题是：我可以安全地忽略第 1 周期占用的 50% 并只分析其他函数吗？还是说有什么奇怪的事情正在发生？
Alessandro，哪个时间被周期“占用”了 50%？ “包括。”时间可能不正确，自我时间应该是正确的（并且仅针对实际功能设置）。检查列在最前面的表，使用按自时间排序。（您也可以张贴屏幕截图，并显示您的循环图表）
@osgx，50% 是“self”，而 96% 是“incl”。完整地说，我正在运行 OMNeT++ 模拟
在 Kcachegrind 中关闭循环检测并再次检查“self”次数。

标签： c++ profiling callgrind kcachegrind

【解决方案1】：

在 KCachegrind 中可能会错误地检测到循环： http://valgrind.org/docs/manual/cl-manual.html#cl-manual.cycles

6.2.4。避免循环通俗地说，循环是一组以递归方式相互调用的函数。 ...

循环本身并不坏，但往往会使代码的性能分析变得更加困难。这是因为周期内调用的包容性成本是没有意义的。包含成本的定义，即函数的自身成本加上其被调用者的包含成本，需要函数之间的拓扑顺序。对于循环，这并不成立：循环中函数的被调用者包括函数本身。因此，KCachegrind 进行循环检测并跳过循环内调用的任何包含成本的可视化。此外，一个循环中的所有函数都被折叠成称为 Cycle 1 的人工函数。

现在，当一个程序暴露出非常大的循环时（对于某些 GUI 代码，或者在使用基于事件或回调的编程风格的一般代码中确实如此），您将失去很好的属性，让您可以通过以下调用链来查明瓶颈主要，以包容性成本为指导。此外，KCachegrind 失去了显示调用图中有趣部分的能力，因为它使用包容性成本来切断不感兴趣的区域。

尽管周期中的包容性成本毫无意义，但可视化的一大缺点激发了在 KCachegrind 中暂时关闭周期检测的可能性，这可能会导致误导性的可视化。但是，由于独立调用链的不幸叠加，通常会出现循环，以使配置文件结果会看到一个循环。以非常小的包容性成本忽略无趣的电话会打破这些循环。在这种情况下，通过不检测循环来错误处理循环仍然可以提供有意义的分析可视化。

尝试在 KCachegrind 的 View 菜单中关闭 Cycle Detection 并检查“Self”时间列，因为“Incl”会不正确。

您还可以尝试使用其他具有精确和完整功能堆栈保存的分析器。 https://github.com/jrfonseca/gprof2dot 脚本支持的许多分析器保存完整的堆栈，不仅是 callgrind/cachegrind 格式的被调用者-调用者对。

【讨论】：

【解决方案2】：

我同意@osgx 的观点，即您需要一个不同的分析器，一个捕获整个调用堆栈的分析器。

那么，函数的包含时间百分比是一个非常简单的数字。它只是该函数出现在其中的堆栈样本的一部分，无论它在单个样本中出现多少次。

这是一种思考方式。
- 假设每 10 毫秒采样一次，总共 100 秒，即 10,000 个样本。
- 假设函数 Foo 出现在 30% 的样本中，一次或多次。
- 这意味着如果您可以更改 Foo 使其几乎不需要时间，例如通过将其传递给一个非常快的子处理器，那么没有样本会看到它，因为它永远不会在堆栈上足够长的时间让样本打它。
- 所以这 30% 的样本会消失，程序将需要 70 秒而不是 100 秒。
- 这意味着 Foo 个人负责 30% 的时间（不考虑递归）。

其实我更喜欢this method，因为我更感兴趣的是找出问题所在，而不是需要 29% 还是 31%。它需要任何东西，并且不会受到测量精度的影响。

【讨论】：