服务器性能竟然可以这样展示

在项目开发中，经常会遇到程序启动时间过长、CPU 使用率过高等问题，这个时候需要依靠性能分析工具来定位性能的消耗点。本文介绍三个常用的工具的入门级使用及图形化方法，供大家参考。

本文介绍 Perf、gprof 和 Valgrind 三个性能分析工具，及其分析结果图形化的方法，旨在让大家更快的上手使用工具。出于篇幅的限制，本文不会对每种工具的使用参数及结果分析做详细的介绍，只做入门级的使用说明，更多详细的说明大家请 Google 一下。

每个工具的介绍会分成简介、使用说明、图形化方法三个部分。

每种工具的结果都会基于下面这段代码：

#include <unistd.h>using namespace std;#define NUM 500000void 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);}

这段代码在普通 PC 上执行了 31s，最大 CPU 使用率为 8.3%

Perf

1.1 简介

Perf 是内置于 Linux 内核源码树中的性能剖析(profiling)工具。其基于事件采样原理，以性能事件为基础，常用于性能瓶颈的查找与热点代码的定位。

1.2 使用

perf 的使用可以分为两种方式：

1.直接使用 perf 启动服务

2.挂接到已启动的进程

第一种方式不需要 root 权限，第二种方式需要 root 权限

基于入门级使用这一前提，直接介绍一下使用方式：

perf record -e cpu-clock -g ./run

或者

perf record -e cpu-clock -g -p 4522

使用 ctrl+c 中断 perf 进程，或者在程序执行结束后，会产生 perf.data 的文件，使用

perf report

会产生结果分析，如图

1.3 图形化方法

perf 的结果可以生成火焰图。生成火焰图需要借助 Flame Graph

Flame Graph 项目位于 GitHub:Flame Graph

clone 代码或者直接下载压缩包到服务器上。以压缩包为例，是一个命名为：FlameGraph-master.zip 的文件，假设其解压后的目录为：/data

基于 1.2 产生的 perf.data，后续步骤如下：

1、使用 perf script 工具对 perf.data 进行解析

perf script -i perf.data &> perf.unfold

2、将 perf.unfold 中的符号进行折叠：/data/stackcollapse-perf.pl perf.unfold &> perf.folded

3、最后生成 svg 图：/data/flamegraph.pl perf.folded > perf.svg

生成的火焰图如下：

关于火焰图的含义及分析网上有很多文章，这里不再赘述

Gprof

2.1 简介

gprof 用于监控程序中每个方法的执行时间和被调用次数，方便找出程序中最耗时的函数。在程序正常退出后，会生成 gmon.out 文件，解析这个文件，可以生成一个可视化的报告

2.2 使用方法

使用 gprof，需要在编译时，加入-pg 选项

另外只有在程序正常退出后才会生成 gmon.out，kill 进程的方法是没法生成 gmon.out 的。对于那些线程会一直 run 的服务，需要修改代码，让程序在某个时间点停止。

重新编译后，正常启动程序即可；然后在程序运行结束后，会生成 gmon.out 文件

使用如下命令，生成报名文件（其中 run 是二进制的名字）：

gprof -b run gmon.out >>report.txt

report.txt 打开如下图所示：

2.3 图形化方法

gprof 的结果文件需要借助 gprof2dot.py 和 graphviz 来展示

使用 gprof2dot.py 生成 dot 文件

python gprof2dot.py report.txt >report.dot

需要说明的是，这里要求服务器已经安装了 python，并且要求 gprof2dot.py 与安装的 python 版本匹配。这两者是否匹配是一个需要运气、并且解决起来很无聊的事情，我的服务器上安装的 python 是 2.6.6，第一次从网上下载的 gprof2dot-2017.9.19 与 python 版本就不匹配，执行会出错。目前使用的版本与 2.6.6 是兼容的，如果需要可以与我联系。

dot 的打开需要 graphviz 工具，我是在 windows 下安装的 graphviz，这个工具下载很简单。下载后使用 gvedit.ext 打开前一个步骤产生的 report.dot 文件即可

这个图显的有些萌萌哒，这是因为我们的程序写的比较简单，对于一般的业务而言，这个图会比较复杂。

Valgrind

3.1 简介

valgrind 不是 linux 的原生工具，需要自行安装。valgrind 自身包含了多个工具：

• Memcheck：用于内存泄漏检查

• Callgrind：用于性能分析，会收集程序运行时间和调用关系

• 以及 Cachegrind、Helgrind 等

这里我们主要使用的 Callgrind 工具

3.2 使用方法

首先需要安装valgrind

解压安装包后，顺次执行：./configue 、make、make install 就可以了

使用 valgrind 来分析性能，必须使用 valgrind 来启动程序：

valgrind --tool=callgrind --separate-threads=yes ./run

–separate-threads 是指是否按线程来分别统计，如果不加，会将所有线程的结果打到一个文件里；否则会按线程分别打印到不同文件里。

程序执行结束后，会生成形如：callgrind.out.4263-01 的文件。这个文件直接分析起来有些困难，必须借助图形化的方式来浏览

3.3 图形化方法

valgrind 的图形化需要借助 kcachegrind.exe，大家可以自行下载，下载后在 windows 运行即可。这是打开 callgrind.out.4263-01 的结果：

工具比较

对于我们的需求：定位执行时间最长、占用 CPU 最多的函数 来说，这三个工具都可以达到目的。但这三者之间还是有一定的差距：

4.1 启动方式

Perf 虽然可以挂接进程但需要 root 权限。在普通权限下，Perf 和 Valgrind 必须使用前缀启动的方式来启动程序，这在某种程度上会影响到程序的性能。我们在压测的过程中发现使用 Valgrind 启动的时候，可以支持的在线总人数比直接运行程序要少很多。

4.2 程序侵入

Perf 和 Valgrind 都不需要修改 Makefile 或者程序，但 gprof 需要重新编译文件，并且对于线程一直 run 的服务，还需要修改代码让其自然退出，这在一定程序上侵入了程序。但从对性能影响上来看，gprof 可以最大限制的保留原程序的性能

4.3 结果展示

gprof 的结果是一颗倒树，这颗树展示了从根到叶子的所有结点的时间消耗；perf 的是一个金字塔，与 gprof 有异曲同工之妙；Valgrind 的结果是一条单路，指出的是某条调用路径上的时间消耗，并不是一个全局的展示。

4.4 监控原理

这是一个很专业的话题，目前对三者的监控原理还没有摸的太透，所以这里暂时空着。大家有兴趣可以先行研究。

本文转载自公众号云加社区（ID：QcloudCommunity）。

原文链接：

https://mp.weixin.qq.com/s/gKE8AbuqCLG0RwFVdWZS8Q