4. 性能调优基础

性能调优这件事，说白了就是回答三个问题：哪里慢？为什么慢？怎么改？ 很多工程师一上来就对着代码瞎猜，改几行重新编译，跑一遍看看——这叫“试错法”，不是调优。

我刚开始做嵌入式的时候也犯过这毛病。有一次一个音频解码任务总是卡顿，我怀疑是算法效率低，花了两天重写了核心循环，结果性能只提升了3%。后来用工具一查，发现真正的瓶颈是内存拷贝——一个memcpy占了40%的CPU时间。嗯，从那以后我就学乖了：先测量，再动手。

4.1 性能计数器（PMU）原理

现代CPU内部都集成了一组硬件计数器，叫PMU（Performance Monitoring Unit）。它们能记录各种底层事件：指令执行了多少条、缓存命中/缺失了多少次、分支预测错了多少回……

你想想看，这些数据是CPU硬件直接统计的，几乎零开销。比起你在代码里插时间戳，PMU的精度和效率都高得多。

PMU事件类型	典型事件	调优意义
指令计数	CPU_CYCLES, INSTRUCTIONS	计算CPI（每指令周期数）
缓存事件	L1D_CACHE_MISS, LLC_MISS	评估内存访问效率
分支事件	BRANCH_MISS	发现分支预测惩罚
内存访问	MEM_LOAD_RETIRED	定位慢速内存操作

4.2 Profiling工具：perf 与 gprof

工具方面，我主要用两个：perf 和 gprof。它们各有侧重，我一般搭配着用。

4.2.1 perf：Linux下的瑞士军刀

perf 直接利用PMU硬件，能统计到内核态和用户态的事件。我个人习惯先用 perf stat 看整体概况，再用 perf record/report 定位热点函数。

# 统计程序整体性能指标
perf stat ./my_app

# 采样记录热点（默认按周期采样）
perf record -F 99 ./my_app
perf report

输出示例：

Performance counter stats for './my_app':

    1,234,567,890      cycles                    # 0.77 GHz
      987,654,321      instructions              # 0.80  insn per cycle
       12,345,678      L1-dcache-load-misses     # 5.2% of all L1-dcache hits
        1,234,567      branch-misses             # 3.1% of all branches

4.2.2 gprof：函数级调用图

gprof 是GNU工具链自带的，使用起来很简单：编译时加 -pg 选项，运行程序后会自动生成 gmon.out，然后 gprof 解析。

# 编译
gcc -pg -o my_app my_app.c

# 运行（会生成 gmon.out）
./my_app

# 分析
gprof my_app gmon.out

输出会包含两部分：Flat Profile（每个函数的总耗时）和 Call Graph（调用关系及耗时传播）。

4.3 函数调用耗时分析实战

光说不练假把式。我们拿一个实际例子走一遍流程。

4.3.1 场景：图像处理流水线

假设有一个图像处理程序，包含三个主要阶段：读取 → 滤波 → 输出。用户反馈处理一帧需要200ms，但目标要求是50ms。

4.3.2 第一步：perf stat 看全局

perf stat ./image_process

输出显示CPI高达3.8，L1数据缓存缺失率18%。这说明CPU大量时间在等内存数据。

4.3.3 第二步：perf record 定位热点

perf record -F 99 ./image_process
perf report

热点函数排名：

函数名	占比	说明
gaussian_filter	62%	高斯滤波
read_frame	18%	从文件读取
write_frame	12%	写入输出
其他	8%	杂项

很明显，gaussian_filter 是头号瓶颈。

4.3.4 第三步：gprof 看调用关系

gprof image_process gmon.out

调用图显示 gaussian_filter 内部调用了 get_pixel 和 set_pixel 各数百万次，而且 get_pixel 每次都要做边界检查——这个检查占了该函数40%的时间。

4.4 知识体系：性能分析流程

我把整个流程画成了一张图，方便你对照着用。

4.5 避坑指南

• 不要只看一个指标。CPI低不一定代表性能好——可能是指令执行了很多无用的循环。要结合指令数、缓存缺失一起看。
• 采样次数要够。perf默认采样时间可能太短，尤其是程序启动阶段。我一般跑至少10秒，或者用 -a 全系统采样。
• gprof的结果要交叉验证。我曾经遇到gprof报告某个函数占80%时间，但perf显示只有30%。后来发现是编译优化选项和-pg冲突，导致插桩代码被错误优化了。
• 注意上下文切换。如果系统里有很多后台任务，perf统计的cycles可能包含其他进程的时间。用 perf stat --per-thread 可以只看当前线程。