GooglePerformance Tools简介

GooglePerformance Tools简介

1、安装

a) 安装libunwind

libunwind是一个用于解析程序调用栈的C++库，由于glibc内建的栈回滚功能在64位系统上有bug，因此googleperformance tools建议使用libunwind

下载libunwind-0.99-beta.tar.gz

cd $HOME

tarxzvf libunwind-0.99-beta.tar.gz

mkdir libunwind-0.99-beta-build

cd libunwind-0.99-beta

./configure -prefix=$HOME/libunwind-0.99-beta-build

b) 安装Google PerformanceTools

注意：如果在系统目录中找不到libunwind，google performance tools将默认使用glibc的内建功能，因此我们需要手动设置libunwind的安装目录。

下载google-perftools-1.6.tar.gz

cd $HOME

tar xzvf google-perftools-1.6.tar.gz

mkdir google-perftools-1.6-build

cd google-perftools-1.6

./configure -prefix=$HOME/ google-perftools-1.6-build

CPPFLAGS=-I$HOME/libunwind-0.99-beta-build/include

LDFLAGS=-L$HOME/libunwind-0.99-beta-build/lib

make && make install

2、用法

参考官方文档。

这里有两点想突出介绍下，一个是对动态库的支持，一个对动态profiler功能的支持。

Heap Checker:

gcc [...] -o myprogram -ltcmalloc

HEAPCHECK=normal ./myprogram

Heap Profiler:

gcc [...] -o myprogram -ltcmalloc

HEAPPROFILE=/tmp/netheap ./myprogram

Cpu Profiler:

gcc [...] -o myprogram -lprofiler

CPUPROFILE=/tmp/profile ./myprogram

如

g++ -g -O0 -o main main.cpp -lprofiler -L/home/google-perftools-1.6-build/lib

CPUPROFILE=perf.out./main

pprof --text./main  ./perf.out

此外还支持动态加载库。

使用步骤

google cpuprofiler usage

1) Link your executable with -lprofiler

2) export LD_LIBRARY_PATH=$LD_LIBRARY_PATH:/usr/local/lib

3) Run your executable with the CPUPROFILE environment var set:

$ CPUPROFILE=/tmp/prof.out <path/to/binary> [binary args]

4) Run pprof to analyze the CPU usage

$ pprof  --text --cum <path/to/binary> /tmp/prof.out    # -pg-like text output

$ pprof --gv <path/to/binary>     /tmp/prof.out     # really cool graphical output

3、结果分析

Text mode has lines of output that look like this:

14   2.1%  17.2%       58   8.7% std::_Rb_tree::find

1. Number of profiling samples in this function

第一列：本函数内sample的数目，即除去该函数调用的其它函数之后自身的sample数目

2. Percentage of profiling samples in this function

第二列：本函数内sample的数目占总sample的比例，即除去该函数调用的其它函数之后的自身sample占总sample的比例

3. Percentage of profiling samples in the functions printed so far

第三列：是第二列比例的累加

4. Number of profiling samples in this function and its callees

第四列：本函数内所有sample的数目，即包含自身及它所调用的其它函数的sample总数

5. Percentage of profiling samples in this function and its callees

第五列：本函数内所有sample的数目占总数目的比例，即包含自身及它所调用的其它函数的sample总数占总数目的比例

6. Function name

第六列：函数名，按照第五列的大小排序，缺点是不能直观的看到函数之间的调用关系及开销，因为一个函数可能被多个函数调用，这个地方显示的是该函数总的sample数目。

原文

[1]http://www.cnblogs.com/likwo/archive/2012/12/20/2826988.html

[2]http://code.google.com/p/gperftools/wiki/GooglePerformanceTools?redir=1

[3]http://wenku.baidu.com/view/84324701a6c30c2259019e35.html