perf flamegraph

perf flamegraph是一种性能分析工具，用于可视化和分析程序的性能瓶颈和热点代码。

perf flamegraph基于Linux操作系统的perf工具，通过收集程序执行期间的硬件性能计数器数据，并将其转化为可视化图形表示。这些图形通常以树状结构展示，可以清晰地显示出程序中每个函数的执行时间和调用关系。图形中的每个矩形代表一个函数，矩形的宽度表示该函数在执行时间中所占的比例，而矩形的高度代表该函数的调用深度。

通过分析perf flamegraph，我们可以获得以下信息：
1. 程序的性能瓶颈：通过观察图形中宽度较大、高度较高的矩形，我们可以确定哪些函数在程序执行中花费了较多的时间，从而确定程序的性能瓶颈。
2. 热点代码：热点代码是指执行时间较长，被频繁调用的代码。通过观察图形中具有较深调用深度的矩形，我们可以找到热点代码，并确定如何改进它们的性能。
3. 函数调用关系：通过观察图形中函数之间的父子关系，我们可以了解函数之间的调用关系，从而更好地理解程序的执行逻辑和性能特点。

总之，perf flamegraph是一种有助于优化程序性能的工具，它提供了直观、高效的可视化分析方式，帮助开发人员快速定位和解决性能问题。

相关问题

perf huoyantuzhuaqu

### 如何使用 `perf` 抓取并生成火焰图

为了利用 `perf` 进行性能剖析并最终生成火焰图，需遵循一系列特定命令和工具组合来完成数据收集与可视化过程。

#### 数据采集阶段

通过 `perf record` 命令可以捕捉应用程序运行期间的事件样本。此操作会创建一个名为 `perf.data` 的文件，默认情况下位于当前工作目录下[^1]：

sudo perf record -F 99 -a -g -- sleep 30

上述指令表示以每秒99次频率(-F参数)对整个系统(-a参数)进行全面采样，并附加调用链信息(-g参数)，持续时间为30秒(sleep命令控制)。

#### 数据处理阶段

接着运用 `perf script` 将之前记录的数据转换成易于解析的形式，以便后续步骤能够顺利读取这些原始数据流。这里推荐采用折叠格式(folded format)，它有助于简化堆栈跟踪结构，使得相同路径下的函数调用得以聚合显示[^2]:

perf script | stackcollapse-perf.pl > out.perf-folded

这段脚本首先执行 `perf script` 输出文本形式的追踪日志；紧接着管道符传递给 Perl 脚本 `stackcollapse-perf.pl` 处理，从而获得优化后的折叠版输出文件 `out.perf-folded`。

#### 可视化呈现阶段

最后一步则是借助 Brendan Gregg 开发的 FlameGraph 工具包中的 `flamegraph.pl` 来渲染SVG图形，实现直观展示各个函数占用CPU时间比例的效果[^3]：

cat out.perf-folded | flamegraph.pl > perf.svg

该命令将前面准备好的折叠型输入馈送到 `flamegraph.pl` 中进行绘图运算，所得结果保存至指定位置作为 SVG 文件供浏览器查看或进一步分享交流之用。

flamegraph热图怎么查看

### 如何生成Flame Graph

为了生成火焰图，通常需要收集程序运行时的调用栈样本数据。这些数据可以通过多种工具获取，例如`perf`, `dtrace` 或者其他特定于操作系统的性能监控工具[^1]。

一旦获得了足够的采样数据之后，下一步就是转换成适合绘制火焰图的形式——通常是折叠后的堆栈跟踪文件(stackcollapse)，每行代表一个唯一的函数调用路径及其发生的次数。对于Linux环境下的应用程序来说，可以利用`perf script`命令导出原始记录并借助Perl脚本将其处理为目标格式；而对于Node.js开发者而言，则可以直接使用内置模块或者第三方库来简化这一过程[^2]。

最后一步是通过专门设计用来渲染这种结构化输入的可视化软件创建实际图像。Brad Fitzpatrick开发了一个广泛使用的开源项目，它能够接受上述准备好的纯文本作为源码，并据此构建出色彩斑斓且易于理解的画面表示形式[^3]。

# 使用 perf 工具采集 CPU 剖析数据
sudo perf record -F 99 -a -g -- sleep 60
sudo perf script > out.perf

# 将 perf 数据转化为 flame graph 可读取的格式
stackcollapse-perf.pl out.perf > folded.stacks

# 绘制 FlameGraph 图像
flamegraph.pl folded.stacks > profile.svg

### 解读Flame Graph

当面对一张完整的火焰图表时，最左边的一列显示的是时间轴上的各个时刻所对应的活跃线程或进程内的顶层方法名；而向右延伸出去的部分则依次列举着更深层次中的子例程名称直至叶子节点位置为止。宽度比例反映了各部分占用CPU资源量大小关系：越宽意味着该区间内消耗更多计算周期[^4]。

颜色编码虽然不具备严格意义上的语义价值，但一般情况下浅蓝色区域对应用户空间代码执行片段，红色系可能指示系统调用活动频繁之处，绿色往往关联到JVM内部动作等特性有助于快速定位热点所在[^5]。

#### 注意事项：

- 如果发现某些条目特别突出占据较大面积，这可能是优化工作的重点方向；
- 对比不同时间段产生的多份报告可以帮助识别趋势变化以及潜在瓶颈迁移情况。