性能调优基础：PMU计数器、性能事件、采样方法

性能调优这件事，说白了就是回答三个问题：系统到底慢在哪？为什么慢？怎么改？ 在 ARMv9 平台上，PMU（Performance Monitoring Unit）就是我们回答这些问题的“听诊器”。

我个人习惯，拿到一个新平台，第一件事不是跑 benchmark，而是先看看 PMU 能不能正常工作。你想想看，如果连“听诊器”都是坏的，后面的调优根本无从谈起。

2.1 PMU 计数器：硬件给你的一手数据

ARMv9 的 PMU 继承自 ARMv8，但做了不少增强。核心部件就是一组硬件计数器，它们直接焊在 CPU 核里，每个时钟周期都在默默累加。

嗯，这里要注意：可编程计数器是稀缺资源。ARMv9 标准实现通常只有 6 个，高端核可能有 8 个。我在项目中遇到过，有人一口气配了 10 个事件，结果发现后面 4 个根本没生效——因为硬件不支持。

2.2 性能事件：你到底想看什么？

ARM 定义了一套标准性能事件，每个事件都有一个事件号（Event Number）。你往 PMEVTYPERn 寄存器里写事件号，对应的 PMEVCNTRn 就开始计数。

我个人最常用的几个事件：

• 0x11 — CPU_CYCLES：周期数，最基础的计时单位
• 0x08 — INST_RETIRED：退休指令数，看吞吐量
• 0x1B — L1D_CACHE_REFILL：L1 数据缓存缺失，内存瓶颈的早期信号
• 0x1C — L1D_CACHE：L1 数据缓存访问总次数
• 0x70 — STALL_FRONTEND：前端停顿，指令取指跟不上
• 0x71 — STALL_BACKEND：后端停顿，执行单元在等数据

你可能会问：事件这么多，我该选哪些？我的经验是：先看 CPI（Cycles Per Instruction）。CPI 高了，再往下拆是前端停顿还是后端停顿。后端停顿高，再查缓存缺失率。一层层剥洋葱。

2.3 采样方法：从统计到定位

光看总数不够。比如你发现 CPI=2.5，但不知道是哪个函数拖了后腿。这时候就需要采样。

ARMv9 支持两种主流采样方式：

1. 周期采样（Periodic Sampling）：每 N 个周期触发一次 PMU 中断，记录当前 PC（程序计数器）。
2. 事件采样（Event-based Sampling）：每发生 M 次指定事件触发一次中断，比如每 1000 次缓存缺失采样一次。

我记得在优化一个视频编解码库时，用周期采样发现 70% 的热点都在 memcpy 上。但换成事件采样后，发现真正的瓶颈是 cache miss 集中在某个结构体访问上——周期采样根本看不出来。

2.4 采样中的陷阱：精确事件 vs 模糊事件

ARMv9 引入了一个重要概念——精确事件（Precise Event）。简单说，就是触发采样时，PMU 能准确告诉你“是哪条指令导致了事件”。

但并不是所有事件都支持精确采样。比如 L2 缓存缺失，在有些核上只能告诉你“大概在这个区域”，偏差可能达到几十条指令。这在做 PGO（Profile-Guided Optimization）时非常致命。

我曾经踩过一个坑：用 L2 缺失事件做采样，然后根据 PC 分布去优化代码。结果优化完性能反而下降了——因为采样的 PC 位置根本不对，我改错了地方。

2.5 实战：用 PMU 快速定位瓶颈

下面是一个简化版的 PMU 初始化代码，我习惯把它做成一个工具函数，每次调优时直接调用。

// 初始化 PMU 并配置两个计数器
void pmu_init(void) {
    // 1. 启用 PMU
    uint64_t pmcr = read_sysreg(PMCR_EL0);
    pmcr |= (1 << 0);  // E 位：启用
    pmcr |= (1 << 2);  // C 位：时钟计数复位
    write_sysreg(pmcr, PMCR_EL0);

    // 2. 清除溢出状态
    write_sysreg(0xFFFFFFFF, PMOVSCLR_EL0);

    // 3. 配置计数器 0 监控周期数
    write_sysreg(0x11, PMEVTYPER0_EL0);  // 0x11 = CPU_CYCLES

    // 4. 配置计数器 1 监控退休指令数
    write_sysreg(0x08, PMEVTYPER1_EL0);  // 0x08 = INST_RETIRED

    // 5. 启用两个计数器
    uint64_t cntenset = read_sysreg(PMCNTENSET_EL0);
    cntenset |= (1 << 0) | (1 << 1);
    write_sysreg(cntenset, PMCNTENSET_EL0);
}

嗯，这里要注意：不同厂商的 SoC 可能对 PMU 有修改。比如某些芯片会隐藏部分计数器，或者增加自定义事件。我建议你调优前先读一下芯片的 TRM（Technical Reference Manual），别全信 ARM 架构手册。

2.6 知识体系总览

下面这张图概括了本章的核心逻辑：从硬件计数器到性能事件，再到采样方法，最后落地到实际调优。