01
算子性能数据采集概述
什么是算子性能数据 · 为什么需要采集 · 核心挑战
基础概念
02
性能分析工具链介绍
Linux perf · NVIDIA Nsight · Intel VTune · AMD uProf
工具生态
03
时间度量基础
CPU时钟周期 · wall-clock · CPU time · 如何选择
度量核心
04
代码插桩技术
手动 vs 自动 · 开销控制 · 插桩点策略
插桩进阶
05
计时器API详解
C++ chrono · Python timeit · CUDA event · OpenCL
API多语言
06
GPU算子性能指标
kernel launch · occupancy · memory bandwidth · compute util
GPU指标
07
内存带宽测试方法
STREAM benchmark · 自定义测试 · NUMA感知
内存带宽
08
计算吞吐量测试
FLOPs计算 · 理论 vs 实测峰值 · roofline模型
吞吐模型
09
延迟测量技术
ping-pong · 点到点延迟 · 尾延迟分析
延迟网络
10
性能计数器使用
硬件计数器 · PMC · RDPMC · perf_event_open
计数器硬件
11
采样分析技术
基于事件/时间采样 · 频率与精度权衡
采样分析
12
火焰图生成与分析
perf script+FlameGraph · on-cpu/off-cpu
火焰图可视化
13
跟踪技术
ftrace · LTTng · eBPF基础 · bpftrace
跟踪内核
14
eBPF在性能采集中的应用
kprobe/uprobe · tracepoint · perf buffer · bpf map
eBPF动态
15
CUDA性能采集
nvprof · Nsight Compute · CUDA Graph · kernel profiling
CUDANVIDIA
16
ROCm性能采集
rocprof · roctracer · HIP profiling · 带宽测试
AMDROCm
17
OneAPI性能采集
Intel Advisor · VTune for GPU · SYCL · DPC++
IntelOneAPI
18
分布式算子性能采集
NCCL/RCCL带宽 · allreduce profiling · 通信计算重叠
分布式集合通信
19
I/O性能采集
fio · iostat · blktrace · 文件系统延迟
存储I/O
20
网络性能采集
iperf3 · netperf · RDMA · 网络延迟分解
网络吞吐
21
性能数据存储与格式化
JSON · CSV · Parquet · HDF5 · 时序数据库
存储格式
22
性能数据可视化
matplotlib · plotly · Grafana · 自定义仪表盘
可视化图表
23
自动化性能回归测试
CI/CD集成 · 基准测试框架 · 阈值告警
自动化CI
24
低开销采集技术
无侵入采样 · 硬件辅助追踪 · 自适应采样率
低开销进阶
25
性能数据噪声处理
背景负载消除 · 多次运行统计 · 异常值检测
噪声统计
26
多线程/多进程性能采集
线程级profiling · 锁竞争 · false sharing
并发多线程
27
异构计算性能采集
CPU+GPU协同 · 数据搬移开销 · pipeline stall
异构协同
28
性能数据关联分析
时间戳对齐 · correlation ID · 分布式追踪上下文
关联追踪
29
实战案例：矩阵乘法算子调优
从采集到优化 · 全流程案例
实战调优
30
课程总结与最佳实践
常见陷阱 · 工具选择 · 持续性能文化
总结最佳实践