李成栋-优化100+应用的性能不能不知道的要点.pdfVIP

优化100+应⽤的性能 不能不知道的要点 码题诗科技创始⼈ / 李成栋 李成栋个⼈简介 李成栋，码题诗科技创始⼈，软硬件协同架构师，性能优化领域专家。前腾讯T11 级⾼级⼯程师，加⼊腾讯之前在Alibaba基础软件团队⼯作数年。 在腾讯和阿⾥期 间曾是多款云计算性能分析和优化平台的负责⼈或核⼼开发者。最近三年，其主 导优化的系统包括腾讯会议，腾讯云数据库等，是腾讯公司级业务突破奖和技术 突破奖获得者。技术发明专利4个（国际专利3个），QCon性能优化主题讲师，是 《现代CPU性能分析与优化》中⽂版译者之⼀。 内容 • 性能数据收集模式和内在假设 • 不同收集模式的准确性和开销对⽐ • 从事件到指标 • 性能数据准确性校验案例分析 • 总结与展望 Chandler Carruth: apic_timer_interrupt解释 https://youtu.be/nXaxk27zwlk?t=2025 https://youtu.be/8IuBLd3qoUo?t=63 性能数据收集模式与内在假设 Brendan Gregg: Linux Performance Observability Tools /Perf/linux_observability_tools.png 计数模式(Counting Mode) • 统计⼀段时间内某些事件发⽣的次数，不统计事件发⽣时的上下⽂。 • 例如：dstat/vmstat/iostat/ifstat/sar/perf-stat 采样模式(Sampling Mode) • 包含概览和详细上下⽂性能数据。 • 采样频率： • 静态频率，动态频率 • 内在假设。当前样本的上下⽂信息代表了整个采样间隔内状态。 • 例如: top/htop/iotop/ps/cat */perf-top/perf-record/pstack 采样模式(Sampling Mode Cont.1) 追踪模式(Tracing Mode) • 插桩点。静态插桩和动态插桩。tracepoints/[k|u]probe/breakpoint/USDT • 当插桩点位置被触发时，记录上下⽂相关信息。 • 例如: strace/ltrace/ftrace/perf-record/perf-sched/perf-trace/LTTng/ GDB 追踪模式(Tracing Mode Cont.1) 性能数据收集⼯具模式总结 • 不同收集模式的数据精度，开销，准确性对⽐ 计数模式准确性分析 • 实时更新 vs 累计更新 • 累计更新：更新间隔(Tupdate) vs 采集间隔(Tread) • 当Tupdate Tread, 有时会读到0差值。 0差值 Tupdate Tread 计数模式的开销分析 • 只对事件发⽣的次数进⾏统计，不记录上下⽂。 • 开销正⽐于采集频率和时⻓。 采样模式准确性分析 • 采集频率越⾼，准确性越⾼（理论上，忽略采集⾃⼰⼲扰）。 • ⾹农-奈奎斯特采样定理。 • 当⼀个事件发⽣并持续时间为T, 捕获到该事件最⼤的采样间隔是多少？ • 根据⾹农-奈奎斯特采样定理，答案: T/2 采样模式准确性分析(Cont.1) • 采样时上下⽂信息越丰富，对⽬标程序的影响可能越⼤。例如：perf record 是否获取调⽤栈，或者是如何获取调⽤栈。 采样模式开销分析 • 采集频率越⾼，采集开销越⼤。 • 采集上下⽂信息越丰富，采集开销越⼤。 • 采集频率确定，采集开销上限确定。 追踪模式精度和准确度分析 • 每次执⾏到插桩点，采集上下⽂相关信息，不遗落。 • 插桩位置所在路径越热，插桩点对整体的影响越⼤，性能数据准确度越低。 追踪模式开销分析 • 开销与负载成正⽐。负载越⼤，开销越⼤。 精度，准确性，开销总结