Linux中常用的性能分析工具

1 明确目标

进行性能分析时，需要明确优化的目标，例如，是优化整体的性能，还是某个功能的性能。

明确优化目标后就需要能够知道当前的性能瓶颈，性能消耗在什么地方，以及如何去衡量，这样也能够在优化过程中以及优化完成后用相同的方式去衡量效果。

2 基础命令

2.1 基本指标查看

CPU

• mpstat -P ALL 1：查看CPU的各种状态下的时间，可以用于查找CPU时间分布不均衡的问题
• pidstat 1：展示进程的CPU使用情况
• top：查看当前的负载以及占用CPU和内存较高的进程

内存

• free -m
• vmstat 1：查看内存、swap、cpu等使用情况

磁盘：

• df -h：查看磁盘使用情况
• iostat -xz 1：查看磁盘的读写情况

错误

• dmesg |tail：查看内核的相关日志
• grep ERROR /var/log/messages：查看系统和服务的错误信息

其他：

• sar：用于输出系统行为的信息，例如，sar -w 1可以用于查看创建进程的速度

2.2 线程

上面的命令默认情况下都是查看进程的情况，现在很多程序都是多线程，因此，需要能够查看线程的情况。

• top -H -p 6666：查看6666进程下面所有线程的cpu和内存情况
• pidstat -p：后面既可以指定进程ID，也可以指定线程ID

因此，通常的方式是，通过top查看到占用较高的某个线程，然后通过pidstat持续观察该线程的cpu占用情况，如果持续飙高，再通过日志或者代码定位该线程对应的逻辑模块。

3 perf命令

3.1 perf的基本原理

每隔固定时间，CPU产生一个中断，看当前是哪个进程、哪个函数，就更新相应的进程和函数的计数器，通过这种定时采集的方式，就知道CPU有多少时间在某个进程或者某个函数上了。

3.2 基本使用方法

• perf list：查看可用的采样点
• perf record：采集程序运行的特征，配合perf script生成trace的数据，然后就可以用于生成火焰图
• perf top：可以查看函数级别的占用情况
• perf probe：在可执行文件或者so种插入监测点，然后再通过perf record进行数据采集

3.3 火焰图分析

生成火焰图，除了使用perf工具，还需要生成火焰图的脚本：FlameGraph

然后用下面的方式生成火焰图：

# -F 100表示采样频率，每秒100次
# -p 31955表示对31599进程进行采样
# -g表示记录调用栈
# sleep 180表示总共采样180s
perf record -F 100 -p 31955 -g -- sleep 180
perf script -i perf.data &> perf.unfold
./FlameGraph/stackcollapse-perf.pl perf.unfold &> perf.folded
./FlameGraph/flamegraph.pl perf.folded > perf.svg

然后就可以用浏览器打开perf.svg进行分析。

火焰图的特点：

• 每个小方块表示一个函数
• 方块的颜色深浅没有关系，是随机取的颜色
• 纵轴表示调用栈的深度，调用的方向是从下往上，也就是下面的函数调用了上面的函数，因此，函数越往上则越底层
• 横轴的宽度表示占用时间，但是从左到右并不表示时间顺序，而只是按照字母表顺序排列

怎么用火焰图查找性能问题呢？

横轴的宽度表示占用时间，因此，方块越宽表示占用时间越多，所以，我们的目的就是找到比较宽的方块。

在最下面找比较宽的方块，当找到一个比较宽的方块时，再在这个方块的上面的方块中找比较宽的方块，这样一步一步往上找，根据代码分析出性能出现问题的地方，然后对这部分代码进行优化。

4 ftrace

内核文档：ftrace - Function Tracer

ftrace提供tracefs的接口供用户使用，4.1内核以前的版本，tracing所有的控制文件都在debugfs中，tracefs通常会挂载到/sys/kernel/debug/tracing，为了向后兼容，新的内核在挂载debugfs时，会同时将tracefs挂载到/sys/kernel/debug/tracing和/sys/kernel/tracing。

• current_tracer：当前使用的tracer
• available_tracers：可用的tracer类型
• tracing_on：打开(1)和关闭(0)tracer
• trace & trace_pipe：两个文件都可以查看tracer采集的数据，但是trace是个静态的文件，每次读取该文件展示的都是当前缓冲区中的数据，而trace_pipe是个动态的文件，每次读取只能读取到新的数据，已经读取的数据不会被输出
• trace_options：控制数据采集的选项，例如，数据的展示和tracer的工作方式
• options/：可用的选项，可以通过修改下面的文件控制，也可以将文件名写入trace_options控制
• kprobe_events：开启kprobe_events
• uprobe_events：uprobe tracers
• uprobe_profile：
• events/：所有的监测点，按照分组进行组织
• available_events：可用的events，将上面events目录中的所有文件都列在这里
• trace_marker：

4.1 Tracers

• function：可以用于监测所有的内核函数
• function_graph：function类型的tracer只是在函数的入口添加监测点，而function_graph类型的tracer会在函数的入口和出口添加监测点，可以用于绘制函数调用关系图
• blk：块设备的检测点，被blktrace命令使用
• hwlat：用于检测硬件是否有延迟

4.2 perf-tools

从上面可以看到，ftrace基本就是通过tracefs提供操作的接口，但是里面的目录和文件又很多，而某个功能其实一般也只用到了几个文件而已，为了方便对某个功能的使用，perf-tools用shell脚本的方式对这些功能进行了封装，可以通过命令的方式使用。

用例1：uprobe

uprobe脚本可以对用户态的程序添加监测点：./uprobe 'p:/lib64/libdl-2.28.so:dlopen +0(%di):string'对libdl-2.28.so里面的dlopen添加监测点，当系统中有程序使用dlopen调用so时，就会打印一个事件，表明某个程序调用了dlopen，并且调用的so的路径。

用例2：kprobe

kprobe脚本可以对内核的函数添加监测点，可以添加监测点的函数列表位于/sys/kernel/debug/tracing/available_filter_functions中。使用./kprobe 'p:do_sys_open filename=+0(%si):string'可以监测open系统调用，并且打印出文件名。

用例3：tracepoint

tpoint脚本可以列出内核现在的tracepoint，然后进行监测。使用./tpoint syscalls:sys_enter_openat可以打印有哪些进程在调用打开文件。

4.3 日常使用

使用日志进行性能分析时，除了使用火焰图从整体上看时间的分布，经常会有需要看某个函数占用的耗时。

perf-tools中的funcgraph脚本可以监测到函数从进入到出来的耗时，但是该功能只能对内核函数使用，无法对用户态使用。

5 再看perf probe

perf probe可以操作监测点，执行perf probe -x /lib64/libdl-2.28.so 'dlopen\@\@GLIBC_2.2.5'可以增加监测点probe_libdl:dlopen，然后通过perf record -e probe_libdl:dlopen -a -- sleep 5可以采集dlopen的调用。

然后执行perf script可以直接查看采集到的数据：

通过对perf probe进行strace发现，它也是通过操作ftrace中的tracefs实现的。

perf也对ftrace进行了简单的封装，提供了perf ftrace命令，可以通过perf ftrace进行内核函数监测，使用命令perf ftrace -p 53901 -t function -T do_sys_open监测某个进程对open系统调用的情况。

6 perf_event_open

使用perf probe只是增加监测点，但是要获取实际的数据，就需要通过perf record命令，而perf record就是使用perf_event_open进行数据的获取。

下面是perf_event_open中的示例程序，用于统计printf的指令的数量：

#include <stdlib.h>
#include <stdio.h>
#include <unistd.h>
#include <string.h>
#include <sys/ioctl.h>
#include <linux/perf_event.h>
#include <asm/unistd.h>

// hw_event：perf_event_attr的指针
// pid：要进行trace的进程
// cpu：要进行trace的cpu
static long perf_event_open(struct perf_event_attr *hw_event, pid_t pid,
                            int cpu, int group_fd, unsigned long flags) {
    int ret;

    ret = syscall(__NR_perf_event_open, hw_event, pid, cpu, group_fd, flags);
    return ret;
}

int main(int argc, char **argv) {
    struct perf_event_attr pe;
    long long count;
    int fd;

    memset(&pe, 0, sizeof(struct perf_event_attr));
    pe.type = PERF_TYPE_HARDWARE; // 指定事件类型
    pe.size = sizeof(struct perf_event_attr);
    pe.config = PERF_COUNT_HW_INSTRUCTIONS; // 失效指令？
    pe.disabled = 1; // 默认关闭，后续可以通过ioctl或者prctl进行开启
    pe.exclude_kernel = 1; // 忽略内核空间的事件
    pe.exclude_hv = 1; // 忽略hypervisor的事件

    // pid=0，表示对当前进程进行trace
    // cpu=-1，表示对所有cpu进行trace
    fd = perf_event_open(&pe, 0, -1, -1, 0);
    if (fd == -1) {
        fprintf(stderr, "Error opening leader %llx\n", pe.config);
        exit(EXIT_FAILURE);
    }

    // 通过ioctl控制perf_event的运行
    // PERF_EVENT_IOC_RESET：重置事件的统计值
    // PERF_EVENT_IOC_ENABLE：启用事件
    ioctl(fd, PERF_EVENT_IOC_RESET, 0);
    ioctl(fd, PERF_EVENT_IOC_ENABLE, 0);

    // 执行printf，这次统计的就是该printf的指令数量
    printf("Measuring instruction count for this printf\n");

    // PERF_EVENT_IOC_DISABLE：停用事件
    ioctl(fd, PERF_EVENT_IOC_DISABLE, 0);

    // 读取统计值
    read(fd, &count, sizeof(long long));

    printf("Used %lld instructions\n", count);

    close(fd);
}

通过上面的示例可以看出，整个逻辑不复杂，就是通过perf_event_open打开一个fd，并且需要告知需要获取的是什么数据，然后通过ioctl开启内核统计，再执行用例并关闭统计，最后调用read读取需要的数据。

因此，这里重要的是：我们需要获取什么数据，然后对应到perf_event_attr中的type和config。

上面的代码只是对某个事件进行了统计，得到某个事件发生了多少次，这种对应了perf-tools和bcc-tools中的*count工具。但是，有时候我们除了想知道事件发生了多少次，还需要对事件的某个属性进行分类的统计，或者分析函数的调用栈，总之，希望可以得到更多详细的数据。

这被称为“采样”：设定相应的频率/定时时间，当定时时间到，就会收集一些数据，然后进行相应的分析。

在perf_event_attr中有几个跟采样相关的字段：

• sample_period、sample_freq：采样周期是指多少个事件溢出一次，当溢出时，采集的数据就会放到mmap的buffer中；采样频率则通过时钟中断进行定时采样
• sample_type：指定要采样的数据，PERF_SAMPLE_TIME(记录时间)、PERF_SAMPLE_READ(记录所有事件的计数)、PERF_SAMPLE_CPU(记录CPU编号)、PERF_SAMPLE_REGS_USER(记录用户态的寄存器的状态)、PERF_SAMPLE_STACK_USER(记录用户态的栈)
• sample_regs_user：设置要采样的寄存器
• sample_stack_user：设置要采样的栈大小

用C程序计算C代码执行了多少条机器指令

7 bcc & bpftrace

由于eBPF程序的编写门槛太高，于是就出现了一些高级语言，能够帮助快速编写eBPF程序：

• bcc：一套工具集，用户可以直接用高级语言(python、C++、lua)编写用户态程序
• bpftrace：用户可以使用类似awk的方式编写eBPF程序

总之，上述两种方式都是基于eBPF的跟踪工具，bcc可以用于编写复杂逻辑，而bpftrace可以用于快速编写单行程序。

下面的bcc程序用于统计块IO的分布直方图：

#!/usr/bin/env python

from bcc import BPF
from time import sleep

# 定义加载到eBPF虚拟机的内核代码
bpf_text = """
#include <uapi/linux/ptrace.h>
#include <linux/blkdev.h>

struct proc_key_t {
    char name[TASK_COMM_LEN];
    u64 slot;
};

// 定义一个histogram类型的BPF map对象，它的名字为dist
// key的类型为proc_key_t，里面包含进程的名称和计算范围
BPF_HISTOGRAM(dist, struct proc_key_t);

// 定义tracepoint的跟踪点
// block：跟踪块这个类别
// block_rq_issue：要跟踪的函数，这个函数的含义是发起IO请求
// block/block_rq_issue位于/sys/kernel/tracing/events子目录中
// 也可以通过perf list|grep block_rq_issue得到
TRACEPOINT_PROBE(block, block_rq_issue)
{
    // 从bytes参数中得到要读取的数据，然后求log
    struct proc_key_t key = {.slot = bpf_log2l(args->bytes / 1024)};

    // 从内核空间中读取进程名，然后保存到key中
    bpf_probe_read_kernel(&key.name, sizeof(key.name), args->comm);

    // 将刚才计算的值追加到直方图中
    dist.increment(key);
    return 0;
}
"""

# 将上述的内核代码载入，相当于执行bpf_prog_load
b = BPF(text=bpf_text)

print("Tracing block I/O... Hit Ctrl-C to end.")

# trace until Ctrl-C
dist = b.get_table("dist")

try:
    sleep(99999999)
except KeyboardInterrupt:
    # 打印直方图
    dist.print_log2_hist("Kbytes", "Process Name", section_print_fn=bytes.decode)

从上面的例子中，我们知道，要想编写bcc程序，最关键是要知道要跟踪的点以及对获取的数据如何处理。例如，这里的内核代码是跟踪block_rq_issue这个tracepoint，然后根据参数得到对应的数据，再将数据计算后更新map，而在用户代码中只有map的获取和打印逻辑。

下面的代码实现了跟上述代码一样的目的：获取块IO的调用直方图

#!/usr/bin/bpftrace

BEGIN
{
    printf("Tracing block device I/O... Hit Ctrl-C to end.\n");
}

tracepoint:block:block_rq_issue
{
    @[args->comm] = hist(args->bytes);
}

END
{
    printf("\nI/O size (bytes) histograms by process name:");
}

• BEGIN表示加载完eBPF程序后执行的动作，通常用于打印表头或者提示信息。
• tracepoint:block:block_rq_issue表示跟踪block:block_rq_issue的tracepoint
• 当跟踪某个函数时，一个关键的点是，该函数有哪些参数，例如，这里使用的是args->bytes，那么，block_rq_issue是否有其他参数呢？通过bpftrace -vl tracepoint:block:block_rq_issue可以查看该跟踪点的所有参数
• hist()是一个map函数，输出行以2次方的间隔开始
• END在跟踪结束后执行

8 关系

上面提到了很多名词，例如，uprobe、kprobe、perf、perf_event_open等，下面对这些词汇的关系进行整理：

内核提供的能力：

• kprobe：动态探针，用于跟踪内核函数
• uprobe：动态探针，用于跟踪用户态函数
• tracepoint：静态探针，内核已经预先定义了一些跟踪点，可以通过perf list tracepoint查看
• usdt：
• eBPF：扩展的BPF机制

接口层：

• ftrace：一套trace系统，对用户提供debugfs的接口
• perf_event_open：系统调用，用于读取内核的统计和采样数据

应用层：

• perf/perf_events：用于性能分析，FlameGraph
• trace-cmd：trace-cmd: A front-end for Ftrace
• perf-tools：基于ftrace的分析工具
• BCC：基于eBPF的用于开发内核跟踪程序的工具集，能够简化eBPF程序的编写，用户态的语言可以使用python、C++、lua
• bcc-tools：使用bcc编写的工具
• bpftrace：基于bcc进行更高层的抽象，能够使用类似于awk的语言快速编写eBPF工具，特别是单行程序

参考文档

• 译｜2008｜User-Space Probes (Uprobes)
• The bpftrace One-Liner Tutorial
• bpftrace Reference Guide