📚 课程目录第4章 Perf 高级功能

Perf 高级功能：从实时监控到自定义脚本

Perf 这个工具，很多人用了一两年还停留在 perf stat 和 perf record 的层面。说实话，这有点浪费。它的高级功能才是真正能帮你定位问题、吃透代码性能的关键。今天我们就来聊聊三个我工作中几乎天天用的功能：perf top、perf annotate 和 perf script。

perf top：实时监控，一眼看穿热点

你想想看，系统突然卡顿了，或者某个进程 CPU 飙高。这时候你最需要什么？一个能实时告诉你「谁在吃 CPU」的工具。perf top 就是干这个的。

它的用法极其简单：

sudo perf top

跑起来之后，你会看到一个实时刷新的列表，按 CPU 占用率从高到低排列。每一行都告诉你：哪个进程、哪个符号（函数）占了多少 CPU。

我个人习惯在排查性能问题时，先开三个终端：一个跑 perf top，一个跑 htop，一个留着敲命令。perf top 告诉我「哪个函数在忙」，htop 告诉我「哪个进程在忙」，配合起来定位问题非常快。

关键参数速查表

参数	作用	我常用的场景
`-p PID`	只监控指定进程	某个后台服务异常时，锁定它看
`-e event`	指定事件类型	比如 `-e cache-misses` 看缓存失效
`-K`	只显示内核符号	排查内核模块或驱动问题
`-U`	只显示用户态符号	应用层优化时用，排除内核干扰

小技巧：如果发现 perf top 里很多符号显示为 [unknown]，八成是缺少调试符号。装一下 linux-image-$(uname -r)-dbgsym 或者编译时加 -g 选项就能解决。

perf annotate：源码级分析，精确到每一行

perf top 告诉了你「哪个函数热」，但还不够。你还需要知道「这个函数里哪一行代码最热」。perf annotate 就是干这个的。

用法也很直接：

# 先采样
sudo perf record -a -g -- sleep 10
# 然后反汇编分析
sudo perf annotate -s 热点函数名

跑完之后，你会看到类似这样的输出：

Percent | 源代码 & 汇编
-----------------------------------------------
        |  void foo(int *arr, int n) {
        |      for (int i = 0; i < n; i++) {
 45.23  |          arr[i] = arr[i] * 2 + 1;
        |      }
        |  }

左边那个百分比，就是这条指令占用的 CPU 时间比例。45.23% 意味着将近一半的 CPU 时间都花在这一行上。嗯，这里就是优化的主战场。

我曾经在一个网络协议栈的项目里，用 perf annotate 发现一个看似简单的 memcpy 占了 30% 的 CPU。仔细一看，原来是拷贝的数据量太小，函数调用开销占比太大。后来改成内联 + 循环展开，性能直接提升了 15%。

注意：perf annotate 依赖调试信息。如果你的程序编译时没加 -g，或者 strip 过，那看到的就全是汇编，没有源码对应。我建议在开发板上保留 -g 编译的版本用于分析，发布时再 strip。

perf script：自定义脚本，想怎么分析就怎么分析

perf record 采集的数据是二进制的。perf report 和 perf annotate 帮你做了初步分析。但有时候，你需要更灵活的分析方式——比如只提取某个时间段的采样，或者按线程分组统计。这时候 perf script 就派上用场了。

它的核心能力是：把二进制采样数据转成可读的文本，然后你可以用任何脚本语言（Python、Perl、awk）去处理。

基本用法：

sudo perf script -i perf.data > output.txt

输出的文本长这样：

swapper     0 [000] 12345.678901: cycles: ffffffff81234567 native_safe_halt+0x7
myapp    1234 [001] 12345.678902: cycles: 0x400567 foo+0x23
myapp    1234 [001] 12345.678903: cycles: 0x400589 bar+0x45

每一行都包含：进程名、PID、CPU、时间戳、事件类型、地址、符号。

我个人最常用的一个场景是：按函数名统计调用次数和耗时分布。写个简单的 awk 脚本：

sudo perf script | awk '{print $NF}' | sort | uniq -c | sort -rn | head -20

这样就能快速看到哪些函数被采样到的最多。虽然 perf report 也能做类似的事，但 perf script 的灵活性在于——你可以任意组合字段、过滤条件、做数学运算。

perf script 的典型应用场景

时间片分析：按时间戳切片，看不同时间段的热点变化
线程级分析：按 PID/TID 分组，看每个线程的独立热点
事件过滤：只提取 cache-misses 事件，分析缓存失效模式
自定义统计：计算平均调用深度、函数调用链长度等

三者的关系与实战流程

这三个功能不是孤立的。在实际项目中，我通常按这个流程来用：

perf top：快速扫描，找到最热的进程和函数
perf record + perf annotate：对热点函数做深度采样，定位到具体代码行
perf script：如果标准分析不够用，导出数据做自定义分析

下面这张图可以帮你理清它们的关系：

避坑指南

最后分享几个我踩过的坑：

采样频率别太高：-F 99 通常够用，设成 1000 以上反而可能引入采样开销，干扰结果。
注意内核版本差异：不同内核版本的 perf 事件名可能不同。比如 cache-misses 在某些版本上叫 cache-miss。用 perf list 先查一下。
perf script 输出可能很大：采样 10 秒可能产生几百 MB 的文本。建议先 grep 或 head 看看格式，再写脚本处理。
虚拟化环境要小心：在虚拟机里用 perf，某些硬件事件可能不支持或数据不准。我一般在物理机上做最终的性能验证。

好了，perf 的高级功能就聊到这里。这三个工具用熟了，大部分性能问题你都能在几分钟内定位到根因。剩下的就是怎么改代码的问题了。