使用perf生成Flame Graph(火焰图)

最新推荐文章于 2025-06-13 11:35:52 发布
最新推荐文章于 2025-06-13 11:35:52 发布
阅读量9.3k 收藏 5
点赞数 1
CC 4.0 BY-SA版权
分类专栏： 开发工具
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/justlinux2010/article/details/11520829
本文介绍了如何使用perf生成Flame Graph，一种用于可视化性能分析的工具。通过编写简单的脚本，可以方便地进行性能采样并生成火焰图。在没有kernel debuginfo包的情况下，perf依然能提供便利，但信息可能不那么详细。脚本包括使用perf record进行采样，然后利用perl脚本进行数据处理和图形生成。读者可以根据脚本中的Usage说明，指定采样时间来针对特定进程或系统整体进行性能分析。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

  使用SystemTap脚本制作火焰图，内存较少时，分配存储采样的数组可能失败，需要编写脚本，还要安装kernel的debuginfo包。使用perf的话，相对来说要简单一些。不过在有kernel的debuginfo包的时候，采样显示的信息要更丰富一些。
  为了使用perf制作火焰图方便，我编写了下面的脚本，贴上来备忘，也方便需要的人。
  脚本如下：
if [ $ # -ne 1 ];then
echo "Usage: $0 seconds"
exit
最低0.47元/天 解锁文章

200万优质内容无限畅学
火焰图Flame Graph
天使也有爱
03-16 479
使用Flame Graph进行系统性能分析火焰图（Flame Graphs）的安装和基本用法
centos perf+Flame Graph生成火焰图踩坑
weixin_44894271的博客
08-06 4821
前言 Perf是一个基于Linux 2.6 +系统的分析工具，它抽象了在Linux中性能度量中CPU的硬件差异 ,提供一个简单的命令行界面。 Perf基于最新版本Linux内核 的perf_events 接口。本文主要记录在perf+Flame Graph生成火焰图中遇到的坑，perf的使用不多做介绍 安装perf yum install perf Flame Graph安装 通过git拉取即可，无需解压、安装操作 git clone https://github.com/brendangregg/Fl
perf+FlameGraph火焰图
sunashe的个人随笔
02-28 881
在软件测试运行过程中，如果发现了一些性能问题，但是却无从下手的情况，可以通过perf+FlameGraph生成程序运行期间的火焰图，来定位耗时比较高的函数。使用命令如下 # perf抓取数据 sudo perf record -F 10000 -a -g -- sleep 60 #用perf script工具对perf.data进行解析 sudo perf script -i perf.data...
FlameGraph火焰图：性能分析的可视化利器
weixin_42560991的博客
06-13 816
FlameGraph 是一个开源的性能分析工具，它通过生成直观的火焰图来揭示程序的性能瓶颈。通过堆叠条形图的形式，它以时间为横轴，展现各个函数的调用关系和持续时间，便于开发者快速定位性能问题。Linux perf是一个集成在Linux内核中的性能分析工具，它可以用来分析程序在运行时的性能数据。它能够提供CPU性能数据的采样、硬件事件的计数、以及能够追踪程序的执行流程。perf通过操作系统的性能监控硬件（如PMU，性能监控单元）来收集数据。一个实际案例是优化一个多线程的网络服务器。
perf学习笔记（7）之火焰图 flamegraph
m0_37749564的博客
08-25 1475
介绍火焰图
perf + Flame Graph火焰图分析程序性能
weixin_33894992的博客
04-24 330
1、perf命令简要介绍 性能调优时，我们通常需要分析查找到程序百分比高的热点代码片段，这便需要使用 perf record 记录单个函数级别的统计信息，并使用 perf report 来显示统计结果； usage: perf [--version] [--help] [OPTIONS] COMMAND [ARGS] The most commonly used perf commands ...
perf 性能分析 火焰图(FlameGraph)
ystraw - Come on！！！
10-19 651
因为出于安全考虑，内核在默认情况下禁止非特权用户监测系统性能, 修改kernel.perf_event_paranoid参数有两种做法。这种方法是临时的，重启后就失效了，但是快速一点。填写相关信息，然后打开自己需要打开的文件夹，可以是一个大文件夹包含很多project., 这样项目就编译好了，然后可以找到你需要执行的文件，打开后，点击运行按钮了。直接用clion看，比用命令确实简单不少。安装好perf之后，clion右上角，三点按钮里面，能够找到。，点击它就可以分析你的程序了。连接成功后，找到项目的。
火焰图Flame Graph生成工具
02-25
火焰图（Flame Graph）是一种可视化工具，常用于性能分析，特别是CPU利用率高的问题排查。它以一种直观的方式展示程序执行路径，使开发者能够迅速识别出哪些函数或代码块是性能瓶颈。在生产环境中，当遇到CPU资源...
利用perf及FlameGraph生成火焰图
moyu11111的博客
10-19 746
https://www.cnblogs.com/asver/p/13895779.html https://blog.youkuaiyun.com/Xiaobai__Lee/article/details/109471969 案例，查看本机CPU使用率的火焰图： 1. 查看cpu使用率 [root@test ~]# perf top 2.执行perf record在当前目录下面生成一个perf.data文件 perf的运行原理简单概括就是给定一个采样频率，根据采样频率每隔一段时间对CPU进行一次中断并根
Perf火焰图生成及分析
renjianhhong的博客
02-02 877
火焰图生成及分析
perf生成火焰图
Yang的博客
04-05 8351
perf生成火焰图
这款工具，1分钟定位性能瓶颈，我老板都说好！
朱小厮的博客
04-27 446
点击上方“朱小厮的博客”，选择“设为星标”后台回复"书"，获取后台回复“k8s”，可领取k8s资料前言工具的进化一直是人类生产力进步的标志，合理使用工具能大大提高我们的工作...
火焰图（perf+ FlameGraph）
sirria1的专栏
12-30 1676
比较完整的介绍：http://www.ruanyifeng.com/blog/2017/09/flame-graph.html和https://zhuanlan.zhihu.com/p/85654612 直接了当的看结果就是： 步骤1： 软件安装：perf是linux自带的，但是不少系统还是没有安装，centos用yum install perf，ubuntu也能直接安装， FlameGraph这个直接从git下载就能用，路径：https://github.com/brendangregg/Fla.
Linux笔记之perf生成火焰图
小勇博客
04-01 2281
— 2024-04-01 中午。
实时观测程序运行状态——火焰图(Flame Graphs)
weixin_43841155的博客
12-16 4565
转载:(69条消息) 火焰图（Flame Graphs）的安装和基本用法_san.hang的博客-优快云博客 火焰图（Flame Graphs） 一、概述： 火焰图（flame graph）是性能分析的利器，通过它可以快速定位性能瓶颈点。 perf 命令（performance 的缩写）是 Linux 系统原生提供的性能分析工具，会返回 CPU 正在执行的函数名以及调用栈（stack）。 本文介绍它的安装和基本用法。 二、安装per...
大话火焰图（flame graph）
weixin_33752045的博客
01-21 844
火焰图是什么 就是下图展示的图形 简而言之,就是这个图形看起来像一团跳动的火焰,这也正是名字的由来. 火焰图的作用 火焰图（flame graph）用于分析性能 火焰图该怎么看 火焰图关注哪几个部分 颜色本身没有什么意义 纵向表示调用栈的深度 横向表示消耗的时间 上述几个部分分别体现什么 横向来看 由于横向表示消耗的时间,所以一个格子...
perf+flamegraph 分析 nginx-rtmp 性能
AlexWoo0501的博客
07-16 1812
perf+flamegraph 分析 nginx-rtmp 性能问题
Android CPU FlameGraph
oujunli的专栏
01-24 2528
记得刚接触Android性能的时候，Android还是2.3，用的是TraceView，到Android 4.1的时候，又用了Systrace。TraceView可以称得上是Android APP的性能优化神器，然后Traceview的特点是对性能影响太大，几倍到几十倍的性能影响，导致很多时候，都不知道是代码的性能问题，还是工具本身的问题，虽然后来又采样的功能，但采样却是定期的去get thread
如何正确解析perf工具抓取的火焰图？
最新发布
07-22
<think>我们正在讨论如何解析perf生成的火焰图以理解性能数据。根据用户提供的引用和之前关于火焰图的讨论，我们可以总结出以下关键点： 1. **火焰图生成流程**（引用[2][4]）： - 使用`perf record`采集性能数据（指定采样频率、进程ID、调用栈信息等） - 生成`perf.data`二进制文件 - 使用FlameGraph工具链将数据转换为SVG格式的火焰图 2. **火焰图结构解析**（引用[1][3]）： - **X轴**：表示样本数量（即时间占比），不显示时间单位 - **Y轴**：表示调用栈深度，顶层是正在执行的函数，下层是其调用者 - **每个矩形**：代表一个函数调用栈中的函数 - 宽度：该函数占用的CPU时间比例 - 颜色：随机生成（无特殊含义）或按库着色（如用户代码/内核代码） 3. **关键分析原则**（引用[1]）： - 关注最宽的顶层函数（消耗CPU最多的函数） - 寻找"平顶山"（表示该函数自身消耗大量CPU） - 注意"陡峭塔尖"（表示深层调用链） 4. **混合A*典型分析场景**（结合先前回答）： - 状态扩展函数（`expandState`）宽度过大 → 算法核心逻辑瓶颈 - 碰撞检测（`isStateValid`）出现高塔 → 检测函数调用层次过深 - 代价查询（`getCost`）频繁出现尖峰 → 高频小函数调用开销 现在，让我们具体说明如何解析火焰图： ### 一、火焰图结构解析（以混合A*为例） ```plaintext 示例火焰图调用栈（自上而下阅读）： 100% ▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁▁ 65% ██████████████ HybridAStar::plan() ├─ 48% ▓▓▓▓▓▓▓▓▓▓ HybridAStar::expandState() │ ├─ 20% ▒▒▒▒▒ CollisionChecker::isStateValid() │ └─ 15% ░░░░ ReedsShepp::calcPath() └─ 10% ▒▒▒▒▒ reconstructPath() 15% ▓▓▓▓▓▓▓▓ Costmap2D::getCost() ... ``` ### 二、关键分析步骤 1. **定位最宽顶层块**（直接消耗CPU的函数） - 示例：图中`HybridAStar::plan()`占65%宽度 → 主要耗时在规划流程 - 技巧：点击火焰图可动态放大，悬浮显示函数名和占比[^3] 2. **分析热路径**（从底向上追踪调用链） ```mermaid graph TD A[最顶层函数] --> B[直接调用者] B --> C[次级调用者] C --> D[...] ``` - 示例路径：`plan() → expandState() → isStateValid() → getCost()` - 该路径总耗时：65% × 48% × 20% ≈ 6.24% 总CPU时间 3. **区分自耗时与子调用**（关键优化点） - 函数矩形分为两部分： - 下半部：函数自身代码耗时（纯函数体） - 上半部：调用其他函数的开销（子调用） - 示例：若`expandState()`矩形中： - 下半部占30% → 状态扩展自身计算耗时 - 上半部占18% → 调用碰撞检测等子函数耗时 ### 三、典型瓶颈模式识别 | 模式 | 图示 | 优化方向 | |--------------|---------------|------------------------------| | **胖矩形** | [#######] | 算法逻辑优化/并行化 | | **高塔** | 窄而高的堆叠 | 减少调用层次/内联函数 | | **密集尖峰** | 高频细柱 | 缓存优化/降低调用频率 | | **平台** | 顶部平坦矩形 | 热点函数针对性优化 | ### 四、量化分析技巧 1. **精确占比计算**： ```bash perf report -n --stdio # 输出示例： # Samples: 20K of event 'cpu-clock' # 45.2% 4500 hybrid_astar [.] CollisionChecker::isStateValid ``` - 实际耗时 = (样本数/总样本数) × 采集时间 2. **多维度对比**： - 优化前后火焰图宽度对比（相同时间尺度） - 不同输入场景的火焰图差异（如空旷vs复杂环境） > 💡 **黄金法则**：优先优化宽度>5%的函数，高频尖峰（>1000次/秒）考虑重构，>8层调用链需简化[^1][^3]。 ### 五、混合A*专项分析案例 1. **碰撞检测优化前**： ```plaintext isStateValid [40%] ├─ getCost [30%] # 高频访问代价地图 ├─ footprintCheck [8%] └─ coordinateTransform [2%] ``` 2. **优化后（分级检测）**： ```plaintext isStateValid [15%] ├─ fastBoundingBoxCheck [5%] # 新增快速检查 └─ preciseCollisionCheck [10%] # 降低调用频率 ``` 通过火焰图可清晰看到： - `getCost`宽度从30%降至5% - 新增的`fastBoundingBoxCheck`仅占5% --- §§相关问题§§ 1. 如何用perf report命令深入分析火焰图中的特定函数？ 2. 火焰图中出现`[unknown]`符号该如何解决？ 3. 混合A*算法中如何验证碰撞检测优化的实际效果？ 4. perf采样频率设置多少最为合理？ [^1]: 火焰图通过可视化调用栈深度和函数宽度直接暴露CPU热点，特别适合分析计算密集型算法如混合A*。 [^2]: 分级碰撞检测策略通过快速淘汰无效状态显著减少计算量，是路径规划中的通用优化范式。 [^3]: 代价地图的局部缓存能有效利用CPU缓存局部性原理，尤其适用于SLAM等高频访问场景。 [^4]: GPU并行化需结合Nsight工具分析核函数效率，避免显存带宽成为新瓶颈。</think>### 如何解析perf生成的火焰图进行性能分析 #### 一、火焰图基础结构解析 1. **坐标轴含义**： - **X轴**：表示样本数量（时间占比），不显示具体时间单位 - **Y轴**：表示调用栈深度，顶层是正在执行的函数 - **矩形宽度**：函数在采样中出现的频率（即CPU耗时占比）[^1][^3] 2. **关键视觉特征**： ```mermaid graph LR A[火焰图] --> B[宽矩形] A --> C[高塔形] A --> D[尖峰] B --> E[核心耗时函数] C --> F[深层调用链] D --> G[高频小函数] ``` #### 二、四步分析法 1. **定位最宽顶层函数** - 火焰图顶部最宽的矩形是首要优化目标 - 示例：若`HybridAStar::expandState()`占60%宽度 → 消耗60% CPU时间[^1] ```bash perf report -g --stdio | grep expandState # 输出示例：60.12% hybrid_astar [.] HybridAStar::expandState ``` 2. **追踪热路径（Hot Path）** - 从宽矩形向下追踪调用链： ```plaintext plan() [35%] └─ expandState() [60%] └─ isStateValid() [40%] └─ getCost() [30%] # 高频尖峰 ``` - 优化建议：优先优化宽度>5%的函数链[^3] 3. **识别特殊模式** - **平顶山**：函数自身耗时高（如复杂算法） - **陡峭高塔**：深层嵌套调用（需简化逻辑） - **分散尖峰**：高频小函数（考虑合并或缓存） 4. **量化分析** ```python # 计算函数真实耗时 总采样数 = perf_report.total_samples 函数采样数 = perf_report.function_samples 实际耗时 = (函数采样数 / 总采样数) * 采集时间 ``` #### 三、混合A*典型瓶颈模式 | 模式 | 火焰图形状 | 典型函数 | 优化方向 | |------|------------|----------|----------| | 状态扩展瓶颈 | 宽矩形 | `expandState()` | 算法优化/并行化 | | 碰撞检测高塔 | 细高堆叠 | `isStateValid()->checkCollision()` | 分级检测 | | 代价查询尖峰 | 高频窄条 | `Costmap2D::getCost()` | 局部缓存 | | 内存操作 | 分散尖峰 | `malloc()/memcpy()` | 内存池 | #### 四、操作实例分析 1. **生成火焰图**（引用[2][4]） ```bash # 采集数据（30秒，99Hz采样） perf record -F 99 -p $(pidof hybrid_astar) -g -- sleep 30 # 生成SVG火焰图 perf script | ./stackcollapse-perf.pl | ./flamegraph.pl > astar_flame.svg ``` 2. **分析示例**： ```plaintext hybrid_astar_node (100%) ├── plan() [35%] │ └── expandState() [60%] ★ 宽矩形 │ ├── heuristic() [10%] │ └── isStateValid() [40%] ★ │ ├── getCost() [30%] ★★ 尖峰 │ └── polygonCheck() [10%] └── publishPath() [5%] └── malloc() [3%] ◆ 系统开销 ``` - 优化级：`getCost()` > `isStateValid()` > `expandState()` #### 五、高级技巧 1. **区分CPU类型**： - 用户空间函数：常规矩形 - 内核函数：红色边框（如`[kernel]`前缀） - 库函数：绿色填充（如`libstdc++.so`） 2. **多维度对比**： ```mermaid barChart title 优化前后对比 x-axis 函数 y-axis 耗时占比% series 优化前：[60, 40, 30] series 优化后：[35, 15, 8] labels [expandState, isStateValid, getCost] ``` 3. **隐藏瓶颈识别**： - 查找`[unknown]`：需添加调试符号（编译时加`-g`） - 短时高频函数：放大火焰图观察微秒级调用 > 🔍 **关键原则**：宽度>5%的函数优先优化，高度>8层的调用链需简化，尖峰>1000次/秒的函数需重构[^1][^3] ---
评论 1
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值