第2章：NVIDIA Nsight Systems入门：安装与配置、界面介绍、基本使用流程
各位同学，欢迎来到《CUDA性能剖析实战》的第二讲。
上一章我们聊了为什么要做性能剖析。说白了，就是得知道你的GPU到底在忙什么，有没有在偷懒。今天，我们直接上手工具——NVIDIA Nsight Systems。
我个人习惯叫它“Nsight Systems”，或者更亲切点，“那个时间轴工具”。它是NVIDIA官方出品的系统级性能分析器。你想想看，你的程序跑在CPU和GPU上，时间都花在哪了？是CPU在等GPU？还是GPU在等内存？Nsight Systems能给你一张清晰的“时间流水账”。
2.1 安装与配置：别让环境卡住你
安装其实不复杂，但有几个坑我得提前说。
2.1.1 下载与安装
去NVIDIA开发者官网，找到Nsight Systems的下载页面。支持Windows、Linux和macOS。我个人建议，如果你是做服务器端开发，强烈推荐Linux版本，因为生产环境基本都是Linux。
- Windows/macOS：下载安装包，一路Next就行。它会自动帮你配好环境变量。
- Linux：下载.run文件。我记得有一次在Ubuntu上装，忘了加
--accept-nvidia-eula参数，结果弹了个交互式协议，在SSH终端里卡了半天。所以，直接一行命令搞定：
sudo ./NsightSystems-linux-2024.1.1.1-xxxxxxxx.run --accept-nvidia-eula2.1.2 环境检查
装完之后，验证一下。打开终端，输入：
nsys --version如果能看到版本号，恭喜你，第一步走通了。
2.2 界面介绍：别被密密麻麻的窗口吓到
第一次打开Nsight Systems，你可能会觉得眼花。别怕，核心就几个区域。
启动方式：在命令行里输入 nsys-ui，或者直接双击桌面图标。
2.2.1 主界面布局
打开后，你会看到一个空白的窗口。当你加载一个分析报告后，界面会变成这样：
从上到下，核心区域就三个：
- 事件列表（左侧）：这里列出了所有被捕获的事件类型。你可以勾选或取消勾选，来控制右侧时间轴显示什么。比如，你只想看GPU Kernel，就把其他的勾掉。
- 时间轴视图（右侧主区域）：这是最核心的部分。横轴是时间，纵轴是不同执行单元（CPU线程、GPU流、内存引擎）。每个彩色条块代表一个活动。条块越长，说明耗时越多。
- 详细信息面板（底部）：当你用鼠标点击时间轴上的某个条块时，这里会显示它的详细信息。比如，一个Kernel的启动配置、寄存器使用量、耗时等。
Ctrl键再滚轮，可以精细缩放。按住Shift键再拖拽，可以平移时间轴。这比用工具栏上的按钮快多了。
2.3 基本使用流程：三步走，搞定一次分析
好了，界面认识了。我们怎么用它来分析一个程序呢？流程非常简单，就三步：采集 -> 分析 -> 定位。
2.3.1 第一步：采集数据
假设你有一个CUDA程序，叫 my_cuda_app。在命令行里，用 nsys 命令来启动它：
nsys profile -o my_report ./my_cuda_app解释一下：
nsys profile：这是采集命令。-o my_report：指定输出报告的文件名。不指定的话，默认叫report.qdrep。./my_cuda_app：你的目标程序。
程序跑完后，会在当前目录生成一个 my_report.qdrep 文件。这就是我们的分析报告。
-o 参数，结果生成了一个叫 report.qdrep 的文件。第二次采集时，直接覆盖了。所以，每次采集都指定一个有意义的文件名，比如 vecadd_1024_opt1。
2.3.2 第二步：打开并分析报告
在终端输入 nsys-ui 打开图形界面。然后点击 File -> Open，选择刚才生成的 .qdrep 文件。
加载完成后，你会看到我们刚才介绍的那个界面。现在，你的任务就是“看”。
看什么？
- 看CPU和GPU之间有没有空隙：如果CPU提交完Kernel后，GPU要等很久才开始执行，说明有启动延迟。
- 看内存传输是不是瓶颈：如果
H2D（Host to Device）或D2H（Device to Host）的条块特别长，说明数据搬运占了大量时间。 - 看Kernel之间有没有依赖：如果两个Kernel之间有空隙，可能是同步点（如
cudaDeviceSynchronize）导致的。
2.3.3 第三步：定位热点
光看还不够，你得找到“最耗时”的地方。Nsight Systems提供了几个好用的工具：
- 统计视图（Statistics View）：在菜单栏点击
View -> Statistics。它会按总耗时排序，告诉你哪个Kernel或哪个API调用花的时间最多。这就是你的优化目标。 - GPU利用率图：在时间轴上方，有一个GPU利用率的折线图。如果利用率一直很低（比如低于50%），说明你的程序没有充分利用GPU。
举个例子，我优化过一个流体模拟程序。打开统计视图一看，发现一个叫 compute_pressure 的Kernel占了总时间的70%。嗯，目标明确了，就优化它。
2.4 避坑指南：我踩过的几个雷
最后，分享几个我实际工作中遇到的坑，希望能帮你省点时间。
- 采集时间过长：默认情况下，nsys会采集整个程序的生命周期。如果你的程序跑几个小时，报告文件会巨大无比。我建议用
--duration参数限制采集时间，比如只采集前10秒：nsys profile --duration 10 ...。 - 权限问题：在Linux上，如果你要采集GPU硬件计数器（比如SM利用率），可能需要root权限。否则，你会看到一些计数器显示为0。这时候，加上
sudo试试。 - 报告打不开：如果你用新版本的Nsight Systems去打开旧版本生成的报告，可能会报错。尽量保持版本一致。或者，用
nsys export把报告导出成SQLite格式，用其他工具分析。
好了，这一章的内容就到这里。记住，工具是死的，人是活的。多上手试试，你很快就能找到感觉。