一、性能瓶颈分析：摄像头流为什么会卡顿？

做摄像头流处理，最怕什么？画面卡成PPT，检测框跳来跳去，延迟高到没法用。我刚开始接触这个方向时，也踩过不少坑。今天咱们就来聊聊，怎么系统性地找出性能瓶颈。

说白了，摄像头流卡顿就四个字：资源不够。但具体是哪个资源？CPU、GPU、内存还是I/O？得一步步排查。

1.1 四大瓶颈的典型表现

先给个快速对照表，方便你定位问题。

瓶颈类型	典型现象	我常用的判断指标
CPU瓶颈	CPU占用率持续>90%，画面掉帧	top/htop 看 %CPU，多核是否跑满
GPU瓶颈	GPU利用率低但推理慢，显存爆了	nvidia-smi 看 Util% 和 Memory
内存瓶颈	内存占用持续上涨，触发swap	free -h 看 available，vmstat 看 si/so
I/O瓶颈	摄像头读取延迟高，磁盘读写排队	iostat 看 %util，v4l2-ctl 看帧率

1.2 CPU瓶颈：最常见的元凶

CPU瓶颈在纯OpenCV处理时最常见。比如你用cv2.resize、cv2.cvtColor这些函数，默认跑在CPU上。如果分辨率是1920x1080，每秒30帧，CPU很快就扛不住了。

怎么识别？

• 用top或htop看CPU占用率。如果持续>90%，基本就是CPU瓶颈。
• 注意看多核情况。OpenCV很多操作是单线程的，可能一个核跑满，其他核闲着。
• 用perf top可以看具体哪个函数在吃CPU。

1.3 GPU瓶颈：YOLO推理的命门

YOLO模型推理主要靠GPU。GPU瓶颈有两种：算力不够和显存不够。

算力不够的表现：

• GPU-Util 持续>95%，但推理帧率上不去。
• 用nvidia-smi看，Volatile GPU-Util 很高，但实际吞吐量低。

显存不够的表现：

• 显存占用接近上限，出现CUDA out of memory错误。
• 或者显存没满，但推理速度突然变慢——可能是触发了显存交换。

1.4 内存瓶颈：被忽视的隐形杀手

内存问题往往不是突然爆发的，而是慢慢积累的。我见过一个项目，跑了2小时后画面开始卡顿，排查半天发现是内存泄漏。

识别方法：

• 用free -h看available内存。如果持续下降，说明有泄漏。
• 用vmstat 1看si（swap in）和so（swap out）。如果这两个值不为0，说明内存不够，系统在频繁换页。
• Python程序可以用tracemalloc或memory_profiler定位泄漏点。

1.5 I/O瓶颈：摄像头读取的痛

摄像头I/O瓶颈很多人容易忽略。你想想看，摄像头通过USB或CSI接口传输数据，带宽是有限的。

典型场景：

• USB摄像头在1080p@30fps下，带宽占用约200MB/s。如果USB控制器被其他设备共享，就会掉帧。
• 用v4l2-ctl --set-fmt-video=width=1920,height=1080,pixelformat=YUYV可以设置格式，但实际帧率可能达不到。
• 用iostat -x 1看磁盘I/O。如果%util接近100%，说明磁盘是瓶颈。

1.6 系统化排查流程

说了这么多，到底怎么一步步查？我画了个流程图，方便你照着做。

1.7 实战：快速定位脚本

最后，分享一个我常用的快速诊断脚本。跑一遍，基本能锁定问题方向。

#!/bin/bash
# 快速性能诊断脚本

echo "=== CPU信息 ==="
top -bn1 | grep "Cpu(s)"

echo "=== 内存信息 ==="
free -h

echo "=== GPU信息 ==="
nvidia-smi --query-gpu=utilization.gpu,memory.used,memory.total --format=csv,noheader

echo "=== 磁盘I/O ==="
iostat -x 1 2 | tail -5

echo "=== 摄像头帧率测试 ==="
v4l2-ctl --stream-mmap --stream-count=50 --stream-to=/dev/null 2>&1 | grep fps