==战地分析==
性能分析常常是一种战地分析，所以，在我们可以端起咖啡慢慢想怎么进行分析之前，我们要先说说我们在战地上的套路。
战地分析是说在实用环境中发现问题，我们真正需要进行性能分析的场合，通常都没有机会让你反复运行程序，重试等等的。几千万用户，几百万在线，几百万个Socket连接，上T的数据库记录，这些场景通常你回家以后就再也没有机会建出来了。而且客户现场的运维工程师可能很Nice，但通常他们的领导都不Nice。领导说，再弄一个小时，他们再搞不定就让他们回家，我们上备份系统……你就得抱着你的便携，手忙脚乱地滚出人家的实验室。
所以现场的机会很宝贵， 针对不同的现场，你最好手上有一套脚本，上去不管三八二十四，先把什么dmesg啦，dpkg -l啦， /proc/cpu， /proc/ingterrupts, /proc/mem啦，ifconfig啦，ps -ef -L啦，/var/log啦，统统先给他扯一套出来，这样你后面怎么都好分析，现场数据对于后面的分析非常重要。你连那个系统有多少内存都不知道，你分析条毛的性能啊？
第二步就是性能了，我们通常先看top，不要用什么交互模式了，直接用top -b -n 3取一个结果出来再说，至少你可以备份。但这个方法有个缺点，它不会显示每个CPU的分布，我的方法是先用交互模式进去（直接运行top），然后按1，展开CPU，然后W，把当前配置写进去，然后再运行top -b -n 3即可。
对top有谱了，我们大概就能知道问题主要出现在哪里了，如果整个系统都闲得很，通量还是上不去，那就是在什么地方丢包或者入口通道带宽不足了了，开始找丢包点把。
如果只是时延太大，就要回去画整个包的调度流程图，看看包括那些步骤，然后用ftrace跟踪这些步骤吧。
（补充一句，在现场的话，如果要定位的是启动速度问题，读者可以考虑一下使用strace或者ltrace attach来跟踪启动效率的问题）
如果有CPU占用率很高，这时就要靠perf来画像了，先查基于时间的perf分布。看看问题，顺便最好把perf-archive打包带回去。
这样，现场的工作就差不多了，出去和开始请客户的运维人员吃饭喝酒套近乎吧。
==离线分析==
离线分析的第一件事是——点杯咖啡？
好吧，那个不重要，对我来说，最重要最重要的事情是：他妈的给老子写份文档出来！这个实在太重要的，我不知道遇到多少次，有人在现场搞不定了，找我出马，然后屁颠屁颠跑过来，说“Kenneth我给你讲讲我们的进展”……讲你老母！！！
交分析报告！
交分析报告！！
交分析报告！！！
他么老子不是你秘书好不好。整个性能分析的工作，就是建立模型，猜测瓶颈，和数据对照，再采样，再分析瓶颈，修正设计，再采样……这样的一个个循环。不写文档不断整合我们看到的现象，整个分析就像建在沙子上一样。你来给我讲讲？讲完我给你写报告是吧？
所以，我们的整个分析过程，应该是一个不断记录我们对模型的修正的过程，文档是整个工作中最重要的一环。
同时，写文档也是提醒我们保存数据。很多人很不在乎数据的记录，在工作环境上这个运行一下，那个运行一下，然后就完事了。 浪费了不知道多少东西，我每次接触工作环境，第一件事是创建一个目录，放一个BRIEF文件，写上当前时间，测试人，环境，原因，然后才开始数据收集，过程中不覆盖任何“稍有点用的”原始数据。这是基本的工作技巧，很多工程师不肯学这种基本素养，不能守弱，工作起来乱七八糟的，这样写出来的报告一钱不值。
怎么写文档这个不是我这里要教的东西，这是你中学语文应该学好的东西，但我还是提一句很多工程师经常犯的错误：判断这种分析报告写得好不好的一个基本原则是，你是否始终围绕着“瓶颈的证据是什么”来表述观点。这个原则非常简单，但很多报告写出来就会忘掉这个。他们写着写着就喜欢收集各种很好看的分布图，趋势图，然后彻底忘掉到底现在系统到底到达瓶颈没有，以及到达瓶颈的理由是什么。很多人给我夸夸奇谈半天，我问一句，“你根据什么判断现在压力不能上去了？”，然后他就傻了。这个说到底是个守弱的问题，我们还是少点想建功立业，先做点基本的东西比较好。
==示例==
我们还是用我的cs程序为例（我晚点注册个新的github帐号共享出来），这个例子很简单，它模拟了一组线程产生数据，写入队列，然后另一组线程把数据取出来，完成整个计算的过程，计算用heavy_cal函数来模拟。我们的目标是尽量提高计算的通量。所以，我们首先看4线程的一般运行的结果：
这个每秒处理175K的任务。但CPU还有空闲。可能是因为我们在每个线程计算的时候有IO，导致效率上不去，我们用更多的线程（40个）来填掉这些IO的等待，结果提升非常有限：
简单解决不了这个问题了，我们看看ftrace的数据：
看见没有，cs的线程执行不到5个微秒就休眠了，搞什么飞机？
这个函数这样写的：
void * pro_routin(void * arg) {
struct task * tsk = arg;
int ret;
srand((intptr_t)tsk->arg);
while(1) {
ret = heavy_cal(rand(), n_p_cal);
en_q(ret);
marker("yield here");
yield_method_f();
}
}
heavy_cal是纯计算，不会引起无意义的休眠，marker在内核中是用spin_lock保护的，不会引起休眠，唯一有可能休眠的是yield和en_q()（写入队列），我们清掉yield试试，发现没有效果。那就只有怀疑en_q()了，我们预期provider en_q可以写上几十个，然后才切换给consumer再处理几十个。
但实际上根据Linux的调度算法，consumer会因此被逐步提权为interactive线程（Linux调度算法总是把总用不完时间片的进程的调度优先级提高，让他们成为interactive线程，这样那些用来处理鼠标，键盘的任务可以优先得到调度，从而提高响应速度。
这样修改以后，单核CPU占用率提升到92%以上，处理效率就提升到311K了。这时我们再看ftrace数据，它是这样的：
这个跟踪我们还跟踪了futex的调用，我们可以看到大量的pthread_mutex_unlock的调用，但都没有引起调度，整体性能就提上去了。
我们还有办法可以把剩下的那些时间用起来，不过这只是个例子，就到此为止吧。
==总结==
本文介绍了最基本的性能分析流程，后面我们会具体讨论一些常见的分析模型，加深对这些模型的理解。