C++ 到底是什么？ 分析（谷歌CPU性能工具）测量？

Question

我尝试开始使用 Google Perf Tools 来分析一些 CPU 密集型应用程序。 这是一种统计计算，使用“ofstream”将每个步骤转储到文件中。 我不是 C++ 专家，所以我很难找到瓶颈。 我的第一遍给出了结果：

Total: 857 samples
     357  41.7%  41.7%      357  41.7% _write$UNIX2003
     134  15.6%  57.3%      134  15.6% _exp$fenv_access_off
     109  12.7%  70.0%      276  32.2% scythe::dnorm
     103  12.0%  82.0%      103  12.0% _log$fenv_access_off
      58   6.8%  88.8%       58   6.8% scythe::const_matrix_forward_iterator::operator*
      37   4.3%  93.1%       37   4.3% scythe::matrix_forward_iterator::operator*
      15   1.8%  94.9%       47   5.5% std::transform
      13   1.5%  96.4%      486  56.7% SliceStep::DoStep
      10   1.2%  97.5%       10   1.2% 0x0002726c
       5   0.6%  98.1%        5   0.6% 0x000271c7
       5   0.6%  98.7%        5   0.6% _write$NOCANCEL$UNIX2003

这令人惊讶，因为所有实际计算都发生在 SliceStep::DoStep 中。 “_write$UNIX2003”（我在哪里可以找到这是什么？）似乎来自写入输出文件。 现在，令我困惑的是，如果我注释掉所有 outfile << “text” 语句并运行 pprof，95% 位于 SliceStep::DoStep 中，并且“_write$UNIX2003”消失。 然而，从总时间来看，我的应用程序并没有加速。 整个过程的速度加快了不到百分之一。

我缺少什么？

添加： 不带 outfile << 语句的 pprof 输出是：

Total: 790 samples
     205  25.9%  25.9%      205  25.9% _exp$fenv_access_off
     170  21.5%  47.5%      170  21.5% _log$fenv_access_off
     162  20.5%  68.0%      437  55.3% scythe::dnorm
      83  10.5%  78.5%       83  10.5% scythe::const_matrix_forward_iterator::operator*
      70   8.9%  87.3%       70   8.9% scythe::matrix_forward_iterator::operator*
      28   3.5%  90.9%       78   9.9% std::transform
      26   3.3%  94.2%       26   3.3% 0x00027262
      12   1.5%  95.7%       12   1.5% _write$NOCANCEL$UNIX2003
      11   1.4%  97.1%      764  96.7% SliceStep::DoStep
       9   1.1%  98.2%        9   1.1% 0x00027253
       6   0.8%  99.0%        6   0.8% 0x000274a6

这看起来像我所期望的那样，只是我没有看到性能有明显的提高（10 秒计算为 0.1 秒）。 代码本质上是：

ofstream outfile("out.txt");
for loop:
  SliceStep::DoStep()
  outfile << 'result'
outfile.close()

更新：我使用 boost::timer 计时，从探查器开始的地方开始，到结束的地方结束。 我不使用线程或任何花哨的东西。

Answer 1

根据我的评论：

您从分析器获得的数字显示，如果没有 print 语句，程序的速度应该提高 40% 左右。

然而，运行时间几乎保持不变。

显然，其中一项测量肯定是错误的。 这意味着您必须进行更多、更好的测量。

首先，我建议从另一个简单的工具开始：时间命令。 这应该能让你大致了解你的时间都花在哪里了。

如果结果仍然不是结论性的，您需要一个更好的测试用例：

• 使用更大的问题
• 在测量之前进行热身。 进行一些循环并随后开始任何测量（在同一过程中）。

---

Tiristan：一切都在用户手中。 我认为我正在做的事情非常简单......文件一直打开的事实意味着什么吗？

这意味着分析器是错误的。

使用 python 将 100000 行打印到控制台会产生如下结果：

for i in xrange(100000):
    print i

To console:

time python print.py
[...]
real    0m2.370s
user    0m0.156s
sys     0m0.232s

Versus:

time python test.py > /dev/null

real    0m0.133s
user    0m0.116s
sys     0m0.008s

My point is:
您的内部测量和时间显示您没有从禁用输出中获得任何好处。 Google Perf Tools 说你应该这么做。 谁错了？

Answer 2

_write$UNIX2003 可能指的是 write POSIX 系统调用，它输出到终端。 与几乎任何其他东西相比，I/O 都非常慢，因此如果您正在编写相当多的输出，那么您的程序在那里花费大量时间是有道理的。

我不确定为什么当您删除输出时您的程序不会加速，但我无法仅根据您提供的信息进行猜测。 很高兴看到一些代码，甚至是删除 cout 语句后的 perftools 输出。

Answer 3

Google perftools 收集调用堆栈的样本，因此您需要的是对这些样本有一定的了解。

根据文档，您可以按语句或地址粒度显示调用图。 这应该告诉你你需要知道什么。