性能分析指南

本指南覆盖 C++ 性能分析的关键工具与方法。

概览

性能优化遵循一个简单循环：

1. 测量 - 通过分析找到瓶颈
2. 分析 - 理解根因
3. 优化 - 有针对性地改进
4. 验证 - 再次测量确认收益

工具

perf（Linux）

perf 是 Linux 上的标准性能分析工具。

安装

# Ubuntu/Debian
sudo apt-get install linux-tools-common linux-tools-generic

# Fedora
sudo dnf install perf

基本用法

# 记录 CPU 采样
perf record -g ./your_benchmark

# 查看报告
perf report

# 查看注释源代码
perf annotate

常用命令

# CPU 周期统计
perf stat ./your_benchmark

# 缓存未命中分析
perf stat -e cache-references,cache-misses,L1-dcache-load-misses ./your_benchmark

# 分支预测
perf stat -e branches,branch-misses ./your_benchmark

# 记录调用图（C++ 用 dwarf）
perf record -g --call-graph dwarf ./your_benchmark

FlameGraph

FlameGraph 以直观方式展示时间花费。

使用项目脚本

# 为某个基准生成 FlameGraph
./tools/flamegraph/generate_flamegraph.sh ./build/release/examples/02-memory-cache/bench/aos_soa_bench

# 查看结果
firefox flamegraph.svg

手动生成

# 克隆 FlameGraph 工具（如果尚未完成）
git clone https://github.com/brendangregg/FlameGraph.git

# 使用 perf 采样
perf record -F 99 -g ./your_benchmark

# 生成 FlameGraph
perf script | ./FlameGraph/stackcollapse-perf.pl | ./FlameGraph/flamegraph.pl > flamegraph.svg

读懂 FlameGraph

• 宽度 = 时间开销（越宽时间越多）
• 高度 = 调用栈深度
• 颜色 = 随机（无意义）
• 顶部 = 当前执行函数
• 底部 = 入口点（main）

关注点：

• 宽平台（热点函数）
• 深调用栈（过深的调用）
• 意外函数耗时

Valgrind

Valgrind 提供细粒度的内存与缓存分析。

Cachegrind（缓存模拟）

# 运行缓存模拟
valgrind --tool=cachegrind ./your_benchmark

# 查看结果
cg_annotate cachegrind.out.*

输出包含：

• I1 缓存未命中（指令缓存）
• D1 缓存未命中（L1 数据缓存）
• LL 缓存未命中（最后一级缓存）

Callgrind（调用图分析）

# 运行调用图分析
valgrind --tool=callgrind ./your_benchmark

# 使用 KCachegrind 查看（GUI）
kcachegrind callgrind.out.*

Intel VTune（高级）

在 Intel CPU 上，VTune 提供最详细的分析能力。

安装

从 Intel oneAPI 下载。

基本用法

# 热点分析
vtune -collect hotspots ./your_benchmark

# 内存访问分析
vtune -collect memory-access ./your_benchmark

# 微架构分析
vtune -collect uarch-exploration ./your_benchmark

# 查看结果
vtune-gui

分析策略

CPU 密集型代码

1. 先用 perf stat 获取概览
2. 用 perf record + FlameGraph 找热点函数
3. 用 perf annotate 查看热点指令
4. 结合编译器报告检查向量化情况

# 检查代码是否被向量化
g++ -O3 -march=native -fopt-info-vec-optimized your_code.cpp

内存密集型代码

1. 通过 perf stat 查看缓存未命中
2. 用 Cachegrind 进行细粒度缓存分析
3. 关注：
   • L1 未命中率高（> 5%）
   • LLC 未命中率高（> 1%）
   • 空间局部性差

# 快速缓存检查
perf stat -e L1-dcache-load-misses,L1-dcache-loads ./your_benchmark

多线程代码

1. 检查伪共享
2. 分析锁竞争
3. 验证线程扩展性

# 检查缓存行抖动（伪共享指标）
perf stat -e cache-misses ./your_benchmark

# 使用不同线程数运行
OMP_NUM_THREADS=1 ./your_benchmark
OMP_NUM_THREADS=2 ./your_benchmark
OMP_NUM_THREADS=4 ./your_benchmark

常见性能问题

1. 缓存未命中

现象：

• L1/L2/L3 未命中率高
• 内存带宽饱和

解决思路：

• 改善数据局部性（SOA 布局）
• 使用预取
• 缩小工作集

2. 分支预测失败

现象：

• branch-misses 数量高
• 控制流不可预测

解决思路：

• 使用无分支代码
• 对数据排序以改善预测
• 使用 CMOV 指令

3. 伪共享

现象：

• 多线程扩展性差
• 缓存到缓存传输高

解决思路：

• 将数据填充到缓存行边界
• 使用线程本地存储
• 减少共享状态

4. 向量化失败

现象：

• 热点循环仍是标量代码
• 汇编中看不到 SIMD 指令

解决思路：

• 对齐数据
• 使用 restrict 指针
• 简化循环结构
• 使用显式 SIMD 内在函数

基准测试最佳实践

避免测量误差

// 防止死代码消除
benchmark::DoNotOptimize(result);

// 确保内存写入可见
benchmark::ClobberMemory();

预热缓存

// 测量前先运行若干次
for (int i = 0; i < warmup_iterations; ++i) {
    do_work();
}

控制环境

# 禁用 CPU 频率动态调整
sudo cpupower frequency-set --governor performance

# 绑定到指定 CPU
taskset -c 0 ./your_benchmark

# 关闭 ASLR 以提高可复现性
echo 0 | sudo tee /proc/sys/kernel/randomize_va_space

统计显著性

• 运行多次
• 报告均值、中位数与标准差
• 使用 Google Benchmark 内置统计

# 输出统计信息
./your_benchmark --benchmark_repetitions=10 --benchmark_report_aggregates_only=true

速查表