PERFプロフィール
PERFは、パフォーマンス分析のために使用されるソフトウェアツールです。
それを通じて、アプリケーションはPMU、トレースポイントとパフォーマンス統計のための特別なカウンターのカーネルを利用することができます。それだけでなく、（スレッドごと）アプリケーションを指定し、完全にあなたのアプリケーションにおけるパフォーマンスのボトルネックを理解するためには、もちろん、あなたが同時にカーネルやアプリケーションコードを分析することができ、コアの問題のパフォーマンスを分析するためにも使用することができ、パフォーマンスの問題を分析することができます。
最初は、それが最初に2.6.31に登場し、パフォーマンスカウンタと呼ばれています。それ以来、彼は最も活発なカーネル開発分野の一つとなっています。PERFは、もはや単なる抽象的なPMUとしてではなく、パフォーマンス関連イベントのすべてを処理することができませんので、2.6.32では正式に、パフォーマンスイベントと改名されました。
使用PERFは、あなたが実行中に、ハードウェアインシデントを分析することができ、このような命令は、プロセッサクロックサイクルを引退し、その上、また、そのようなページフォールトやプロセススイッチングなどのソフトウェアイベントを、分析することができます。
これは、IPC、IPCコードが良好な低使用率CPUを示していないなどの分析特性の多数を持つパフォーマンス・は、例えば、クロック・サイクル当たりの命令のパーフォレーション数を用いて計算することができる、と呼ぶことができます。PERFはまた、関数レベルのサンプリングプログラムは、パフォーマンスのボトルネックを把握することができ、その上、どこプログラムです。PERFはまた、straceのを置き換えることができ、あなたが動的カーネル・プローブ・ポイントを追加することができます、また、スケジューラを測定するために、良いか悪いかのベンチマークを行うことができます
PERFの基本的な使用
次のプログラム例を調べます。前記ロンガ機能（）時間の無駄より、非常に長いサイクルです。FOO1のfoo2は機能と、それぞれ10倍、100倍の関数を呼び出します
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