哈喽，各位好！今天我们要聊聊C++程序员的秘密武器——perf工具链，特别是perf stat、perf record和perf report这三个神兵利器。别害怕，虽然名字听起来有点高冷，但用起来绝对让你欲罢不能。
一、perf stat: 一览众山小，摸清程序脉搏
想象一下，你是一个医生，程序是你的病人，perf stat就是你的听诊器。它能告诉你程序的心跳（CPU周期）、呼吸（指令数）、血液循环（缓存命中率）等等关键指标。
基本用法：
perf stat ./your_program简单吧？运行后，你会看到类似这样的输出：
Performance counter stats for './your_program':
3.822342 seconds time elapsed
3.787862 seconds user
0.034297 seconds sys
1,500,000,000 cycles # 0.392 GHz (scaled)
2,000,000,000 instructions # 1.333 IPC (scaled)
500,000,000 cache-references # 130.790 M/sec (scaled)
400,000,000 cache-misses # 26.761 M/sec (scaled)
1,000,000 branches # 261.602 M/sec (scaled)
500,000 branch-misses # 1.911 % (scaled)
3.822342489 seconds time elapsed解读关键指标：
cycles: CPU周期数。越高，说明程序消耗的CPU资源越多。instructions: 指令数。越高，说明程序执行的指令越多。IPC (Instructions Per Cycle): 每周期指令数。越高，说明CPU的利用率越高，效率越高。通常认为IPC大于1比较理想。cache-references: 缓存引用次数。CPU尝试从缓存中读取数据的次数。cache-misses: 缓存未命中次数。CPU从缓存中找不到数据，不得不从内存中读取的次数。这个数字越高，说明缓存效率越低，程序性能可能存在瓶颈。branches: 分支指令数。程序中if、else、switch等分支语句的数量。branch-misses: 分支预测失败次数。CPU预测错误分支的次数。分支预测失败会导致流水线阻塞，降低性能。
进阶用法：
-
指定事件：
你可以指定
perf stat监测的事件。例如，只想看缓存相关的统计：perf stat -e cache-references,cache-misses ./your_programperf list可以查看所有支持的事件。事件种类繁多，包括硬件事件（如CPU周期、缓存命中）和软件事件（如上下文切换、页面错误）。 -
指定时间间隔：
-I选项可以指定统计的时间间隔（毫秒）：perf stat -I 1000 ./your_program这会每隔1秒输出一次统计结果，方便你观察程序运行过程中性能的变化。
-
统计子进程：
-c选项可以统计子进程的性能：perf stat -c ./your_program如果你的程序会创建子进程，这个选项很有用。
-
前后台运行，指定文件输出：
将
perf stat的输出保存到文件，方便以后分析：perf stat -o perf.data ./your_program &这里使用了后台运行
&，避免阻塞终端。
示例代码：
假设我们有这样一个C++程序 example.cpp：
#include <iostream>
#include <vector>
#include <numeric>
int main() {
std::vector<int> data(1000000);
std::iota(data.begin(), data.end(), 0); // 填充数据 0, 1, 2, ...
long long sum = 0;
for (int i = 0; i < data.size(); ++i) {
sum += data[i];
}
std::cout << "Sum: " << sum << std::endl;
return 0;
}编译：
g++ example.cpp -o example -O0 # 编译，关闭优化运行并使用perf stat分析：
perf stat ./example然后，我们开启优化重新编译：
g++ example.cpp -o example -O3 # 编译，开启最高级别优化再次运行并使用perf stat分析。对比两次运行的输出，你会发现开启优化后，cycles、instructions等指标都显著降低，IPC显著升高，程序性能得到了提升。
表格总结perf stat常用选项：
| 选项 | 描述 |
|---|---|
-e event |
指定要监测的事件，如cycles、cache-misses等。 |
-I ms |
指定统计的时间间隔，单位为毫秒。 |
-c |
统计子进程的性能。 |
-o file |
将输出保存到文件。 |
-p pid |
监测指定进程ID的性能。 |
-a |
监测所有CPU的性能。 |
-g |
启用调用图收集 (需要配合perf record)。 |
二、perf record: 录制程序运行轨迹，还原犯罪现场
perf stat告诉你程序整体的性能状况，但具体是哪个函数、哪行代码导致的性能瓶颈呢？这时候就需要perf record出马了。它能记录程序运行时的各种事件，生成一个数据文件，就像一个黑匣子，记录了程序的飞行轨迹。
基本用法：
perf record ./your_program运行后，会在当前目录下生成一个perf.data文件。
进阶用法：
-
指定事件：
和
perf stat一样，你可以指定perf record记录的事件：perf record -e cycles,cache-misses ./your_program -
指定采样频率：
-F选项可以指定采样频率（每秒多少次）。采样频率越高，记录的数据越详细，但也会带来更大的开销：perf record -F 99 ./your_program-F 99表示每秒采样99次。 -
收集调用栈：
-g选项可以收集调用栈信息，这对于分析性能瓶颈非常有帮助。perf record -g ./your_program注意：使用
-g选项需要程序包含调试信息（编译时不要strip）。 -
只记录用户空间的事件：
-u选项可以只记录用户空间的事件，忽略内核空间的事件。这可以减少数据量，提高分析效率：perf record -u ./your_program
示例代码：
修改之前的 example.cpp，增加一个性能敏感的函数：
#include <iostream>
#include <vector>
#include <numeric>
// 一个耗时的函数
long long slow_function(const std::vector<int>& data) {
long long sum = 0;
for (int x : data) {
// 模拟一些计算
sum += (x * x * x) % 1000;
}
return sum;
}
int main() {
std::vector<int> data(1000000);
std::iota(data.begin(), data.end(), 0);
long long sum = 0;
for (int i = 0; i < data.size(); ++i) {
sum += data[i];
}
// 调用耗时函数
long long slow_sum = slow_function(data);
std::cout << "Slow Sum: " << slow_sum << std::endl;
std::cout << "Sum: " << sum << std::endl;
return 0;
}编译时要保留调试信息：
g++ example.cpp -o example -g -O0 # 编译，保留调试信息，关闭优化使用perf record记录程序运行轨迹：
perf record -g ./example表格总结perf record常用选项：
| 选项 | 描述 |
|---|---|
-e event |
指定要记录的事件，如cycles、cache-misses等。 |
-F freq |
指定采样频率，单位为每秒多少次。 |
-g |
收集调用栈信息。 |
-o file |
指定输出文件名，默认为perf.data。 |
-p pid |
记录指定进程ID的性能。 |
-u |
只记录用户空间的事件。 |
-k |
只记录内核空间的事件。 |
三、perf report: 分析数据，找出真凶
有了perf.data这个黑匣子，我们就可以使用perf report来分析数据，找出程序中的性能瓶颈。
基本用法：
perf report运行后，会打开一个交互式的界面，显示各个函数的性能统计信息。你可以使用上下方向键选择函数，回车键进入函数详情，查看更详细的统计信息。
进阶用法：
-
指定
perf.data文件：如果
perf.data文件不在当前目录下，可以使用-i选项指定：perf report -i /path/to/perf.data -
生成文本报告：
-n选项可以生成文本报告，方便离线分析：perf report -n > report.txt -
查看调用图：
如果使用
perf record -g收集了调用栈信息，可以使用perf report -g查看调用图：perf report -g这会显示函数之间的调用关系，以及每个函数的性能占比，帮助你快速定位性能瓶颈。
-
注解源代码：
perf annotate命令可以将性能数据和源代码关联起来，告诉你哪行代码消耗了最多的CPU时间：perf annotate这需要程序包含调试信息（编译时不要strip）。
分析perf report输出：
perf report的输出通常包含以下信息：
Overhead: 该函数占总CPU时间的百分比。Command: 命令名称。Shared Object: 共享对象（通常是可执行文件或动态链接库）。Symbol: 函数名称。
关注Overhead最高的函数，它们很可能是性能瓶颈所在。
分析示例：
在执行了perf record -g ./example之后，运行perf report。你可能会看到类似这样的输出：
# Samples: 1K of event 'cycles'
# Event count (approx.): 119236788
#
# Overhead Command Shared Object Symbol
# ........ ........ ................. ....................................
# 45.00% example example slow_function(std::vector<int, std::allocator<int> > const&)
# 20.00% example libc-2.31.so __GI___printf
# 15.00% example example main
# 10.00% example [kernel.kallsyms] __do_sys_read
# 5.00% example [kernel.kallsyms] ...可以看到，slow_function占用了45%的CPU时间，是性能瓶颈。 你可以使用perf annotate查看 slow_function 的源代码，找出性能瓶颈的具体位置，并进行优化。例如，可以尝试使用更高效的算法，或者减少循环次数。
表格总结perf report常用选项：
| 选项 | 描述 |
|---|---|
-i file |
指定perf.data文件。 |
-n |
生成文本报告。 |
-g |
查看调用图。 |
-s symbol_name |
过滤指定符号 (函数名)。 |
--stdio |
将报告输出到标准输出。 |
-v |
详细模式，输出更多信息。 |
四、实战演练：优化一个C++程序
假设我们有一个C++程序 bad_example.cpp，它的性能很差：
#include <iostream>
#include <vector>
int main() {
std::vector<int> data(10000);
for (int i = 0; i < data.size(); ++i) {
data[i] = i;
}
long long sum = 0;
for (int i = 0; i < data.size(); ++i) {
for (int j = 0; j < data.size(); ++j) {
sum += data[i] * data[j];
}
}
std::cout << "Sum: " << sum << std::endl;
return 0;
}-
使用
perf stat初步评估：g++ bad_example.cpp -o bad_example -O0 perf stat ./bad_example观察
cycles、instructions等指标，确认程序性能较差。 -
使用
perf record记录运行轨迹：perf record -g ./bad_example -
使用
perf report分析数据：perf report你会发现
main函数占用了大部分CPU时间。 -
使用
perf annotate注解源代码：perf annotate你会发现嵌套循环是性能瓶颈。
-
优化代码：
将嵌套循环改为单循环，减少计算量：
#include <iostream> #include <vector> int main() { std::vector<int> data(10000); for (int i = 0; i < data.size(); ++i) { data[i] = i; } long long sum = 0; long long data_sum = 0; for(int i = 0 ; i < data.size() ; ++i) { data_sum += data[i]; } sum = data_sum * data_sum; std::cout << "Sum: " << sum << std::endl; return 0; } -
重新编译并使用
perf stat验证优化效果：g++ optimized_example.cpp -o optimized_example -O3 perf stat ./optimized_example你会发现
cycles、instructions等指标都显著降低，程序性能得到了大幅提升。
总结：
perf工具链是C++程序员必备的性能分析利器。perf stat可以让你快速了解程序的整体性能状况，perf record可以记录程序运行时的各种事件，perf report可以分析数据，找出性能瓶颈。熟练掌握这三个工具，你就可以像医生一样，诊断程序的病情，开出药方，让程序跑得更快、更健康。记住，实践出真知！多用perf分析你的程序，你会发现很多意想不到的惊喜。
祝大家编码愉快，bug永不相见！