---
title: 性能分析过程
description: "- 服务器和操作系统正常运行。"
url: https://www.hikunpeng.com/document/detail/zh/kunpengdevps/profiler/demo/kunpengsptpypractice_hotspot_0002.html
sourcePath: /source/zh/kunpengdevps/profiler/demo/kunpengsptpypractice_hotspot_0002.html
indexId: 56b8ac647a5c409e51c68b0b529963fb2a726cae474f4dc6ba87f14392ae28d176
---
# 性能分析过程

#### 前提条件

- 服务器和操作系统正常运行。
- PC端已经安装SSH远程登录工具。
- 目标环境上鲲鹏性能定界工具、系统性能分析工具已经安装完成，并正常运行。


#### 操作步骤

1. 从GitHub(https://github.com/kunpengcompute/devkitdemo/tree/main/Hyper_tuner/testdemo/hotspot)下载hotspot_io_before.cc文件，上传到“/home/demo”目录，执行如下命令切换至源码目录。

```
cd /home/demo
```


2. 编译源码文件。

```
g++ -g -O2 -std=c++17 /home/demo/hotspot_io_before.cc -o /home/demo/hotspot_io_before
```


3. 使用随机数生成大文件。

```
dd if=/dev/urandom of=tmp.txt bs=1M count=4096
```


  在当前目录下生成tmp.txt文件。

4. 查看应用运行时间。

```
time ./hotspot_io_before tmp.txt
```


  执行命令后，发现应用整体运行时间为17.6秒（4.4秒+13.2秒），读取数据时间为4.4秒，处理数据时间为13.2秒。根据运行时间可以判断，读取数据时间占整体运行时间的25.15%，当前是一个文件驱动的数据装载的应用，因此初步认为I/O部分存在瓶颈。

  运行结果可能因环境不同而产生差异，属于正常情况。

  图1 运行时间

5. 使用鲲鹏性能定界工具定位问题。
  将鲲鹏性能定界工具压缩包上传到“/home”
  目录并解压，解压后进入鲲鹏性能定界工具安装目录，xxx指版本号，请根据实际情况替换。

```
cd /home/ksys-
x.x.x
-Linux-aarch64
```


6. 针对热点函数的分析，需先配置default_config.yaml文件。

  a. 打开default_config.yaml文件。

```
vim ./config/default_config.yaml
```


  b. 按“i”进入编辑模式。
  c. 将“hotspot”字段的“enabled”的默认值“false”修改为“true”。
  d. 按“Esc”，输入:wq!，按“Enter”保存并退出。
7. 采集应用的性能数据。

```
./ksys collect -d 10 /home/demo/hotspot_io_before /home/demo/tmp.txt
```


  -d 10：指定采集时间为10s。 /home/demo/hotspot_io_before /home/demo/tmp.txt：指定采集的应用以及应用依赖的文件参数。

  图2 热点统计数据

  在热点统计数据部分，主要的用户态process_buffer功能函数占整体程序的比例并不高（51%），与此同时内核态__arch_copy_to_user（通过函数调用栈可以发现：对应用户态应用中的read_file_to_buffer函数）函数占比却较高（29%）。考虑到__arch_copy_to_user调用栈中符合Arm平台中的read系统调用特征。因此认为用户态应用中read_file_to_buffer函数存在频繁的系统调用，导致应用的用户态时间在一定的情况下，内核态开销较大，存在优化空间。

  对于比例不合适的函数调用，可以使用系统性能分析工具的热点函数分析中的 火焰图 功能来直观查看函数调用的特征，再进一步确定是否存在可以优化的函数调用栈。

8. 使用系统性能分析工具进一步分析程序。
  将系统性能分析工具压缩包上传到“/home”
  目录并解压，解压后切换至系统性能分析工具安装目录，xxx指版本号，请根据实际情况替换。

```
cd /home/DevKit-Tuner-CLI-
x.x.x
-Linux-aarch64
```


9. 使用系统性能分析工具对应用进行热点函数分析。

```
./devkit tuner hotspot --package -g -d 10 /home/demo/hotspot_io_before /home/demo/tmp.txt
```


  --package：设置生成报告数据压缩包，不指定压缩包名称和路径时默认在当前所在目录生成hotspot-时间戳.tar。 -g：显示调用堆栈信息，将生成火焰图HTML文件，默认在当前目录下生成Flamegraph-时间戳.html文件。 -d 10：指定采集时间为10s。 /home/demo/hotspot_io_before /home/demo/tmp.txt：指定采集的应用以及应用依赖的文件参数。

  查看热点函数分析报告，发现热点函数占比为57%和20% ，确定I/O系统调用多问题确实存在。

  图3 热点函数分析报告

10. 进一步查看生成的火焰图文件。
报告最后显示在/home/DevKit-Tuner-CLI-x.x.x-Linux-Kunpeng目录下生成Flamegraph开头的火焰图文件，查看火焰图文件发现其中左侧有57%是完全用户态的计算函数process_buffer，另外43%涉及到系统调用。其中43%部分又可以分为左半部分read的系统调用和右半部分内存相关的系统调用。分析可以从两个角度来优化：

  a. read系统调用优化。
  b. 内存相关系统调用优化。
具体优化方案需要结合实际的源代码进行选取。
图4 火焰图
11. 查看源码文件，确定源码问题。

```
vim /home/demo/hotspot_io_before.cc
```


  图5 源码文件

  源码中read_file_to_buffer函数功能为读取数据，且采用传统的read/write方式，在处理大型文件时，易出现I/O处理占比较高的问题，而process_buffer函数功能为处理数据，所以主要优化读取数据的方式。