Perf 简介
Perf 是用来进行软件性能分析的工具。
通过它，应用程序可以利用 PMU，tracepoint 和内核中的特殊计数器来进行性能统计。它不但可以分析指定应用程序的性能问题 (per thread)，也可以用来分析内核的性能问题，当然也可以同时分析应用代码和内核，从而全面理解应用程序中的性能瓶颈。
最初的时候，它叫做 Performance counter，在 2.6.31 中第一次亮相。此后他成为内核开发最为活跃的一个领域。在 2.6.32 中它正式改名为 Performance Event，因为 perf 已不再仅仅作为 PMU 的抽象，而是能够处理所有的性能相关的事件。
使用 perf，您可以分析程序运行期间发生的硬件事件，比如 instructions retired ，processor clock cycles 等；您也可以分析软件事件，比如 Page Fault 和进程切换。
这使得 Perf 拥有了众多的性能分析能力，举例来说，使用 Perf 可以计算每个时钟周期内的指令数，称为 IPC，IPC 偏低表明代码没有很好地利用 CPU。Perf 还可以对程序进行函数级别的采样，从而了解程序的性能瓶颈究竟在哪里等等。Perf 还可以替代 strace，可以添加动态内核 probe 点，还可以做 benchmark 衡量调度器的好坏
perf 的基本使用
考查下面这个例子程序。其中函数 longa() 是个很长的循环，比较浪费时间。函数 foo1 和 foo2 将分别调用该函数 10 次，以及 100 次
1 //test.c 2 void longa() 3 { 4 int i,j; 5 for(i = 0; i < 1000000; i++) 6 j=i; //am I silly or crazy? I feel boring and desperate. 7 } 8 9 void foo2() 10 { 11 int i; 12 for(i=0 ; i < 10; i++) 13 longa(); 14 } 15 16 void foo1() 17 { 18 int i; 19 for(i = 0; i< 100; i++) 20 longa(); 21 } 22 23 int main(void) 24 { 25 foo1(); 26 foo2(); 27 }
性能调优工具如 perf，Oprofile 等的基本原理都是对被监测对象进行采样，最简单的情形是根据 tick 中断进行采样，即在 tick 中断内触发采样点，在采样点里判断程序当时的上下文。假如一个程序 90% 的时间都花费在函数 foo() 上，那么 90% 的采样点都应该落在函数 foo() 的上下文中。运气不可捉摸，但我想只要采样频率足够高，采样时间足够长，那么以上推论就比较可靠。因此，通过 tick 触发采样，我们便可以了解程序中哪些地方最耗时间，从而重点分析。
Perf list，perf 事件
使用 perf list 命令可以列出所有能够触发 perf 采样点的事件。比如
$ perf list List of pre-defined events (to be used in -e): cpu-cycles OR cycles [Hardware event] instructions [Hardware event] … cpu-clock [Software event] task-clock [Software event] context-switches OR cs [Software event] … ext4:ext4_allocate_inode [Tracepoint event] kmem:kmalloc [Tracepoint event] module:module_load [Tracepoint event] workqueue:workqueue_execution [Tracepoint event] sched:sched_{wakeup,switch} [Tracepoint event] syscalls:sys_{enter,exit}_epoll_wait [Tracepoint event] …
Hardware Event 是由 PMU 硬件产生的事件，比如 cache 命中，当您需要了解程序对硬件特性的使用情况时，便需要对这些事件进行采样；
Software Event 是内核软件产生的事件，比如进程切换，tick 数等 ;
Tracepoint event 是内核中的静态 tracepoint 所触发的事件，这些 tracepoint 用来判断程序运行期间内核的行为细节，比如 slab 分配器的分配次数等。
Perf stat
有些程序慢是因为计算量太大，其多数时间都应该在使用 CPU 进行计算，这叫做 CPU bound 型；有些程序慢是因为过多的 IO，这种时候其 CPU 利用率应该不高，这叫做 IO bound 型；对于 CPU bound 程序的调优和 IO bound 的调优是不同的。
1 $perf stat ./t1 2 Performance counter stats for './t1': 3 4 262.738415 task-clock-msecs # 0.991 CPUs 5 2 context-switches # 0.000 M/sec 6 1 CPU-migrations # 0.000 M/sec 7 81 page-faults # 0.000 M/sec 8 9478851 cycles # 36.077 M/sec (scaled from 98.24%) 9 6771 instructions # 0.001 IPC (scaled from 98.99%) 10 111114049 branches # 422.908 M/sec (scaled from 99.37%) 11 8495 branch-misses # 0.008 % (scaled from 95.91%) 12 12152161 cache-references # 46.252 M/sec (scaled from 96.16%) 13 7245338 cache-misses # 27.576 M/sec (scaled from 95.49%) 14 15 0.265238069 seconds time elapsed 16 17 上面告诉我们，程序 t1 是一个 CPU bound 型，因为 task-clock-msecs 接近 1
对 t1 进行调优应该要找到热点 ( 即最耗时的代码片段 )，再看看是否能够提高热点代码的效率。
缺省情况下，除了 task-clock-msecs 之外，perf stat 还给出了其他几个最常用的统计信息：
Task-clock-msecs：CPU 利用率，该值高，说明程序的多数时间花费在 CPU 计算上而非 IO。
Context-switches：进程切换次数，记录了程序运行过程中发生了多少次进程切换，频繁的进程切换是应该避免的。
Cache-misses：程序运行过程中总体的 cache 利用情况，如果该值过高，说明程序的 cache 利用不好
CPU-migrations：表示进程 t1 运行过程中发生了多少次 CPU 迁移，即被调度器从一个 CPU 转移到另外一个 CPU 上运行。
Cycles：处理器时钟，一条机器指令可能需要多个 cycles，
Instructions: 机器指令数目。
IPC：是 Instructions/Cycles 的比值，该值越大越好，说明程序充分利用了处理器的特性。
Cache-references: cache 命中的次数
Cache-misses: cache 失效的次数。
通过指定 -e 选项，您可以改变 perf stat 的缺省事件 ( 关于事件，在上一小节已经说明，可以通过 perf list 来查看 )。假如您已经有很多的调优经验，可能会使用 -e 选项来查看您所感兴趣的特殊的事件
Perf record 解读 report
使用 top 和 stat 之后，您可能已经大致有数了。要进一步分析，便需要一些粒度更细的信息。比如说您已经断定目标程序计算量较大，也许是因为有些代码写的不够精简。那么面对长长的代码文件，究竟哪几行代码需要进一步修改呢？这便需要使用 perf record 记录单个函数级别的统计信息，并使用 perf report 来显示统计结果。
您的调优应该将注意力集中到百分比高的热点代码片段上，假如一段代码只占用整个程序运行时间的 0.1%，即使您将其优化到仅剩一条机器指令，恐怕也只能将整体的程序性能提高 0.1%。俗话说，好钢用在刀刃上，不必我多说了。
1 perf record ./t1 2 perf report
1 Samples: 107 of event 'cycles', Event count (approx.): 889407873 2 Overhead Command Shared Object Symbol 3 99.26% t1 t1 [.] longa 4 0.61% t1 [kernel.kallsyms] [k] nmi 5 0.03% t1 [kernel.kallsyms] [k] __hrtimer_next_event_base 6 0.03% t1 [kernel.kallsyms] [k] __vma_adjust 7 0.02% t1 ld-2.30.so [.] 0x000000000001e378 8 0.02% t1 [kernel.kallsyms] [k] filemap_map_pages 9 0.02% t1 [kernel.kallsyms] [k] do_user_addr_fault 10 0.01% t1 [kernel.kallsyms] [k] move_page_tables 11 0.00% perf [kernel.kallsyms] [k] perf_event_comm_output 12 0.00% perf [kernel.kallsyms] [k] perf_pmu_enable.part.0 13 0.00% perf [kernel.kallsyms] [k] sched_clock 14 0.00% perf [kernel.kallsyms] [k] native_write_msr
不出所料，hot spot 是 longa( ) 函数