c++ - 哪个是最可靠的分析工具 gprof 或 kcachegrind？

Question

使用 gprof 分析一些 C++ 数字运算代码和 kcachegrind对于对执行时间贡献最大的函数(50-80% 取决于输入)给出了相似的结果，但对于 10-30% 之间的函数，这两种工具给出了不同的结果。这是否意味着其中之一不可靠？你会在这里做什么？

Answer 1

gprof 实际上非常原始。这就是它的作用。
1)它以恒定的速率对程序计数器进行采样，并记录每个函数中有多少样本落地(独占时间)。
2) 它计算任何函数 A 调用任何函数 B 的次数。
从中可以看出每个函数总共被调用了多少次，以及它的平均独占时间是多少。
为了获得每个函数的平均包含时间，它在调用图中向上传播独占时间。

如果您希望它具有某种准确性，则应该注意一些问题。
首先，它只计算进程中的 CPU 时间，这意味着它对 I/O 或其他系统调用视而不见。
其次，递归混淆了它。
第三，函数始终坚持平均运行时间的前提，无论何时调用或谁调用它们，都是非常值得怀疑的。
第四，函数(及其调用图)是您需要了解的而非代码行的概念，这只是一个流行的假设，仅此而已。
第五，测量的准确性甚至与寻找“瓶颈”相关的概念也只是一个流行的假设，仅此而已。

Callgrind可以在线条级别工作 - 这很好。不幸的是，它也存在其他问题。

如果您的目标是找到“瓶颈”(而不是进行一般测量)，您应该查看按行报告的挂钟时间堆栈采样器，例如 Zoom .
原因很简单，但可能并不熟悉。

假设您有一个程序，其中有一堆函数相互调用，总共需要 10 秒。此外，还有一个采样器，它不仅可以对程序计数器进行采样，还可以对整个调用堆栈进行采样，并且它始终以恒定速率进行采样，例如每秒 100 次。 (暂时忽略其他进程。)

所以最后你有 1000 个调用堆栈样本。
选择出现在其中一个以上的任何代码 L 行。
假设您可以以某种方式优化该行，通过避免它、删除它或将它传递给一个非常快速的处理器。

这些样本会发生什么？

由于那行代码 L 现在(基本上)根本不需要时间，没有样本可以击中它，所以这些样本会消失，减少样本总数，从而减少总时间!
事实上，总时间会减少 L 在堆栈上的时间部分，这大致是包含它的样本的部分。

我不想太统计，但很多人认为你需要很多样本，因为他们认为测量的准确性很重要。
不是，如果您这样做的原因是为了找出要解决的问题以提高速度。
重点是找到要解决的问题，而不是衡量它。
线 L 有一部分时间在堆栈上，对吧？
所以每个样本都有命中它的概率 F，对吧？就像抛硬币一样。
有一种理论，称为 Rule of Succession .
它说(在简化但一般的假设下)，如果你抛硬币 N 次，看到“正面” S 次，你可以估计硬币 F 的公平性为(平均)(S+1)/(N+2) .
所以，如果你采取少至 三 sample ，参见 上的 L两个其中，你知道F是什么吗？当然不是。
但您确实知道它的平均值是 (2+1)/(3+2) 或 60% .
所以这就是通过“优化”行 L 可以节省多少时间(平均而言)。
而且，当然，堆栈示例向您显示了行 L(“瓶颈”**)的确切位置。
你没有把它测量到小数点后两位或三位真的很重要吗？

顺便说一句，它对 all the other problems mentioned above 免疫.

**我一直在“瓶​​颈”周围加上引号，因为使大多数软件变慢的原因与瓶颈没有任何共同之处。
一个更好的比喻是“排水管”——一种不必要地浪费时间的东西。