CPU性能分析：计算密集 vs IO密集，/proc/stat解读，使用perf采样热点函数

做 SDK 性能优化，CPU 是最先盯住的资源。但很多人一上来就盲目追指标，反而抓不住重点。我见过不少团队，明明瓶颈在 IO，却拼命优化计算逻辑，结果白费功夫。

这一章，我带你走一遍 CPU 分析的标准路径。先分清业务是计算密集还是 IO 密集，再借助 /proc/stat 和 perf 两个利器，把热点函数揪出来。

计算密集 vs IO 密集——先定性，再定量

你想想看，一个程序占满了 CPU，原因可能是它在疯狂计算，也可能是在等数据、等锁、等磁盘。这两种场景下的优化手段完全不同。

我自己的经验是：先通过几项基础指标快速定性。下面这张表，是我在项目中总结的判断清单：

/proc/stat 解读——系统级 CPU 温度计

好，定性之后，我们需要更精细的数据。/proc/stat 是 Linux 内核暴露的 CPU 时间分布快照。每次文件打开，内核都会返回从启动到当前的累计 ticks。

cat /proc/stat | grep "^cpu "
# 输出示例：
cpu  1512345 12345 789012 99887766 56789 0 1234 0 0 0

这些数字分别对应（按顺序）：

• user：用户态耗时
• nice：低优先级用户态耗时
• system：内核态耗时
• idle：空闲时间
• iowait：等待 IO 完成的时间
• irq：硬中断
• softirq：软中断
• steal：被虚拟机偷走的时间
• guest / guest_nice：虚拟 CPU 开销（通常为 0）

计算 CPU 使用率的公式很简单：

total = user + nice + system + idle + iowait + irq + softirq + steal
usage = (user + nice + system) / total * 100

如果你觉得手动算麻烦，可以用 mpstat -P ALL 1，它本质上就是在读取 /proc/stat 并帮你做差分计算。

perf 采样热点函数——精确到代码行

/proc/stat 虽然是系统级法宝，但只能告诉你 CPU 花在哪个 大类 上。真要定位到函数级别，得用 perf。

我的惯用流程是这样：

1. 先跑 perf top 实时看热点
2. 再 perf record 采集几秒
3. 最后 perf report 分析调用链

比如这个例子，我想看 SDK 里最耗 CPU 的函数：

# 采样
perf record -g -F 99 ./sdk_worker --duration=10
# 生成报告
perf report -g graph

-F 99 表示每秒采样 99 次，-g 开启调用栈记录。输出结果会按 CPU 周期从高到低排列，点击每个函数还能展开父/子调用关系。

perf top                # 实时热点（类似 top 但针对函数）
perf stat ./app         # 统计 CPU周期、指令数、缓存未命中
perf record -g ./app    # 采样并保存到 perf.data
perf report             # 分析 perf.data
perf annotate <symbol> # 查看指定函数的汇编/源码热区

有一次，我发现 SDK 在接收网络包时 CPU 使用率异常高。用 perf top 看到一个函数占 30% 的 CPU，展开调用链发现它在 skb_copy_bits 里反复拷贝数据。后来改成零拷贝接收，CPU 直接降了 40%。这就是 perf 的威力——让你精准找到“真凶”。

最后，记得配合 perf stat 看硬件事件。比如：

perf stat -e cycles,instructions,cache-misses ./sdk_worker

如果 cache-misses 高 + IPC（指令每周期）低，说明程序大概率在等内存——这又是另一种性能特征，跟计算密集/IO 密集不完全重合，但在实际项目中经常出现。