- 语言经验 - 《使用google profiler 对c++应用进行性能热点分析》

        本文属于专栏《构建工业级QPS百万级服务》​​​​​        

---

        性能优化，是工业应用中的重要一环。因为当我们的重要目的之一是盈利时，那么成本就十分重要。而性能优化的前提是，我们知道哪一部分功能，是最耗费资源的，才能用20%的精力去解决80%的问题。

        在我使用过热点分析的工具中，最喜欢的是google profiler，因为它的信息足够详细。这里我们基于《c++11获取系统时间最快的方式》增加了3行代码，来测试这段逻辑的性能。增加代码分别是第8，51，58行

  1 #include 
  2 #include 
  3 #include 
  4 #include 
  5 #include 
  6 #include 
  7 #include 
  8 #include 
  9
 10 using namespace std;
 11 using namespace std::chrono;
 12
 13 const int TEST_TIMES = 1000 * 1000 * 10;
 14
 15 long long getCurrentTimeByClockGetTime() {
 16     struct timespec spec;
 17     clock_gettime(CLOCK_REALTIME, &spec);
 18     return spec.tv_sec * 1000LL + spec.tv_nsec / 1000000;
 19 }
 20
 21 long long getCurrentTimeByGetTimeOfDay() {
 22     struct timeval tv;
 23     gettimeofday(&tv, NULL);
 24     return tv.tv_sec * 1000LL + tv.tv_usec / 1000;
 25 }
 26
 27 long long getCurrentTimeByChrono() {
 28     return duration_cast(high_resolution_clock::now().time_since_epoch()).count();
 29 }
 30
 31 void testFunction(const std::function& testFunc, const std::string& testName) {
 32     long long start = getCurrentTimeByChrono();
 33     for (int i = 0; i < TEST_TIMES; ++i) {
 34         testFunc();
 35     }
 36     long long end = getCurrentTimeByChrono();
 37     cout << "Using " << testName << " in thread " << this_thread::get_id() << ": " << end - start << " ms\n";
 38 }
 39
 40 void testMultiThread(int thread_num, const std::function& testFunc, const std::string& testName) {
 41     vector threads;
 42     for (int i = 0; i < thread_num; ++i) {
 43         threads.emplace_back(testFunction, testFunc, testName);
 44     }
 45     for (auto& t : threads) {
 46         t.join();
 47     }
 48 }
 49
 50 int main() {
 51     ProfilerStart("test.prof");
 52     testMultiThread(1, getCurrentTimeByChrono, "chrono::high_resolution_clock");
 53     testMultiThread(10, getCurrentTimeByChrono, "chrono::high_resolution_clock");
 54     testMultiThread(1, getCurrentTimeByGetTimeOfDay, "gettimeofday");
 55     testMultiThread(10, getCurrentTimeByGetTimeOfDay, "gettimeofday");
 56     testMultiThread(1, getCurrentTimeByClockGetTime, "clock_gettime");
 57     testMultiThread(10, getCurrentTimeByClockGetTime, "clock_gettime");
 58     ProfilerStop();
 59 }

        我们还需要执行一下命令，来安装google profiler。其中git仓库的目录和上面文件同级

• git clone https://github.com/gperftools/gperftools.git（下载开源库gperftools/gperftools）
• git checkout gperftools-2.5（切换到Tag 2.5）
• cd gperftools/ && bash -x autogen.sh && ./configure && make -j（编译google profiler）
• g++ test.cpp -std=c++11 -pthread -I gperftools/src/ gperftools/.libs/libprofiler.a（编译应用）

        当前目录会生成文件test.prof，然后执行命令

• pprof --pdf a.out test.prof > test.pdf（pprof通过命令sudo yum install gperftools gperftools-devel安装）

        此时目录结构如下

        test.pdf打开如下图示例，可以看到每个函数的调用频率，以及顺序依赖关系。其统计原理就是等间隔时间采样，确认当前时间正在执行的函数栈，然后对每个函数栈统计运行次数。如下图中最大的方块syscall，是chrono调用的，这就是chrono慢的原因，因为它会在内核态和用户态之间切换。整个应用的执行过程37.7%的时间，都在执行该函数。