4. perf stat 基础：基本用法与关键性能计数器

perf stat 是 perf 工具集中最常用的子命令之一，用于对目标程序或整个系统进行轻量级的性能计数器采样。它通过读取 CPU 硬件性能监控单元（PMU）和内核软件事件，在程序运行结束后汇总输出关键指标的统计摘要。本章将系统讲解 perf stat 的基本用法，并深入分析 CPU 周期、指令数、缓存命中率、分支预测等核心计数器的含义与调优价值。

4.1 perf stat 基本用法

perf stat 的基本语法为：

perf stat [options] <command>

其中 <command> 是要分析的目标程序及其参数。执行后，perf stat 会运行该程序，并在程序退出时打印性能计数器摘要。

4.1.1 常用选项速查

选项	说明	示例
-e <event>	指定要统计的事件，可重复使用	-e cycles,instructions
-p <pid>	附加到指定 PID 的进程	-p 1234
-a	系统级统计，所有 CPU	perf stat -a sleep 5
-r <N>	重复运行 N 次并取平均值	-r 3
-d	输出详细硬件事件（缓存、分支等）	perf stat -d ./app
-I <ms>	按指定毫秒间隔输出计数	-I 1000
-x <sep>	指定输出分隔符（用于脚本解析）	-x ,

4.1.2 基本示例

统计 ls 命令的默认事件：

$ perf stat ls
 Performance counter stats for 'ls':

          1.234567      task-clock (msec)         #    0.456 CPUs utilized
                 3      context-switches          #    0.002 M/sec
                 0      cpu-migrations            #    0.000 K/sec
               112      page-faults               #    0.091 M/sec
         4,567,890      cycles                    #    3.700 GHz
         3,210,987      instructions              #    0.70  insn per cycle
           789,012      branches                  #  639.123 M/sec
            12,345      branch-misses             #    1.56% of all branches

       0.002705678 seconds time elapsed

使用 -d 选项获取更详细的缓存和分支信息：

$ perf stat -d ./myapp

4.2 核心计数器详解

理解每个计数器的含义是性能分析的基础。下面逐一解析 perf stat 最常用的四个硬件事件。

4.2.1 CPU 周期（cycles）

定义： CPU 时钟周期数，即处理器内部时钟振荡的次数。每个周期通常对应一个流水线阶段的操作。

意义： 直接反映程序消耗的 CPU 时间。在固定频率下，周期数越高，执行时间越长。但现代 CPU 有动态调频（如 Intel Turbo Boost），因此周期数不能直接换算为时间，需结合 task-clock 事件。

调优视角： 减少周期数意味着降低 CPU 占用。可通过算法优化、减少内存访问延迟、消除流水线停顿等方式实现。

4.2.2 指令数（instructions）

定义： 程序执行期间退休（retired）的指令总数。退休指令是指已经完成所有流水线阶段并写回结果的指令。

意义： 反映程序的静态代码路径长度。指令数越少，通常意味着代码越精简。

关键指标： IPC（Instructions Per Cycle） = 指令数 / 周期数。IPC 衡量 CPU 流水线的利用效率。IPC 越高，说明每个周期完成的指令越多，处理器利用率越好。

IPC 范围	典型含义	调优方向
< 0.5	严重流水线停顿（缓存缺失、分支误预测）	优化数据局部性、减少分支
0.5 ~ 1.5	一般计算密集型程序	检查缓存命中率、分支预测
1.5 ~ 3.0	良好优化的代码	微调循环展开、指令级并行
> 3.0	极高并行度（SIMD、多发射）	保持现状，关注功耗

4.2.3 缓存命中率

定义： 缓存命中率 = 缓存访问命中次数 / 总缓存访问次数。通常分为 L1、L2、LLC（Last Level Cache）三级。

perf 事件：

• L1-dcache-load-misses：L1 数据缓存缺失次数
• L1-dcache-loads：L1 数据缓存访问总次数
• LLC-load-misses：最后一级缓存缺失次数
• LLC-loads：最后一级缓存访问总次数

调优视角： 高缓存缺失率（尤其是 LLC 缺失）会导致 CPU 长时间等待内存数据，严重降低 IPC。优化方向包括：数据对齐、缓存行填充、预取指令、数据结构重排。

4.2.4 分支预测

定义： 分支预测准确率 = 1 - (分支误预测次数 / 总分支数)。

perf 事件：

• branches：退休的分支指令总数
• branch-misses：误预测的分支数

意义： 分支误预测会导致流水线冲刷，浪费 10~20 个周期。误预测率超过 5% 通常需要关注。

调优视角： 使用 likely()/unlikely() 宏提示编译器；减少复杂条件表达式；将高频分支路径放在 if 的 true 分支；使用查表代替条件分支。

4.3 统计缓存命中率与分支预测

4.3.1 手动指定事件

使用 -e 选项可以精确控制要统计的事件。以下示例统计 L1 数据缓存命中率和分支预测准确率：

$ perf stat -e L1-dcache-loads,L1-dcache-load-misses,branches,branch-misses ./myapp

 Performance counter stats for './myapp':

       123,456,789      L1-dcache-loads
        12,345,678      L1-dcache-load-misses    #   10.00% of all L1-dcache accesses
        45,678,901      branches
           456,789      branch-misses            #    1.00% of all branches

缓存命中率 = (123456789 - 12345678) / 123456789 ≈ 90.00%
分支预测准确率 = (45678901 - 456789) / 45678901 ≈ 99.00%

4.3.2 使用 -d 选项快速获取

-d 选项会自动添加一组常用的缓存和分支事件，适合快速概览：

$ perf stat -d ./myapp

输出中会包含 L1-dcache-load-misses、LLC-load-misses、branch-misses 等事件及其百分比。

4.4 实战：使用 perf stat 定位性能瓶颈

以下是一个完整的分析流程，展示如何通过 perf stat 快速定位程序瓶颈。

4.4.1 场景：矩阵乘法程序

假设有一个简单的矩阵乘法程序 matmul，运行后得到以下统计：

$ perf stat -d ./matmul 1024

 Performance counter stats for './matmul 1024':

        5,678,901,234      cycles                    #    3.200 GHz
        2,345,678,901      instructions              #    0.41  insn per cycle
          456,789,012      L1-dcache-loads
          123,456,789      L1-dcache-load-misses     #   27.03% of all L1-dcache accesses
           12,345,678      LLC-load-misses           #   45.67% of all LLC accesses
          789,012,345      branches
           78,901,234      branch-misses             #   10.00% of all branches

4.4.2 问题诊断

指标	当前值	健康阈值	诊断
IPC	0.41	> 1.0	严重偏低，流水线大量停顿
L1 缓存缺失率	27.03%	< 10%	数据局部性差，频繁访问内存
LLC 缺失率	45.67%	< 20%	大量内存访问未命中最后一级缓存
分支误预测率	10.00%	< 5%	分支模式复杂，流水线频繁冲刷

4.4.3 优化建议

1. 缓存优化： 将矩阵乘法改为分块（tiling）算法，提高数据局部性，减少 L1 和 LLC 缺失。
2. 分支优化： 检查内层循环中是否存在条件判断，尝试使用无分支编程技术（如 min/max 函数替代条件赋值）。
3. 编译器优化： 使用 -O2 -march=native 编译，启用自动向量化和循环展开。

4.5 本章小结

• perf stat 是性能分析的起点，提供轻量级的硬件计数器摘要。
• CPU 周期、指令数、缓存命中率、分支预测是四个最核心的计数器，分别反映 CPU 时间、代码路径长度、内存访问效率和流水线效率。
• IPC（Instructions Per Cycle）是衡量 CPU 利用效率的关键衍生指标。
• 通过 -e 选项可以精确控制统计事件，-d 选项适合快速概览。
• 一次 perf stat 运行即可初步定位缓存缺失、分支误预测等常见性能瓶颈。