oprofile(性能调试工具 mdash mdash oprofile )

一、如何使用oprofile对软件做profiling

关于Xilinx Zynq-7000带来的新的系统设计思路，以及Profiling的对象libjpeg，前文已经描述过了，再此不再赘述。

一. Oprofile简介

Profiling是对不同性能特征的数据的形式化总结或分析，它通常以图形和表的形式出现。它提供为特定的处理器事件收集的采样百分数或数量，比如cache miss rate、TLB miss rate等等。一般来说，主要目的是为了找出软件中的性能瓶颈，然后有针对性的优化以提升软件的整体性能。

Oprofile是用于 Linux的若干种评测和性能监控工具中的一种。它可以工作在不同的体系结构上，包括ARM, PowerPC, MIPS, IA32, IA64和 AMD Athlon等等。它的开销很小，从Linux 2.6版起，它被包含进了Linux内核中。

Oprofile可以收集有关处理器事件的信息，帮助用户识别诸如循环的展开、cache的使用率低、低效的类型转换和冗余操作、错误预测转移等问题。Oprofile是一种细粒度的工具，可以为指令集或者为函数、系统调用或中断处理例程收集采样。Oprofile通过取样来工作。使用收集到的评测数据，用户可以很容易地找出性能问题。

通过监察CPU的hardware events，oprofile可以在运行状态下对整个Linux系统进行profiling。Profiling的对象可以是Linux kernel(包括modules和interrupt handlers), shared libraries或者应用程序。

从0.9.8版本开始，oprofile支持Perf_events profiling mode模式。应用程序operf被用来控制profiling过程;而在legacy mode下，是通过opcontrol脚本和oprofiled daemon来完成的。Operf不再象legacy mode那样需要OProfile kernel driver，它直接和Linux Kernel Performance Events Subsystem打交道。使用operf，就可以用普通用户的身份来profiling用户的应用程序了，当然如果需要对整个系统来profiling的时候还是需要root权限的。

如果硬件不支持OProfile使用performance counters，OProfile就只能工作在Timer Mode下了。Timer Mode只能在legacy profiling mode下使用，即只能通过opcontrol脚本来控制。

Oprofile的website为：

可以支持的处理器的hardware event类型：

对于Zynq-7000来说， events.php列出了ARM Cortex-A9内核PMU(Performance Monitor Unit)所支持的所有hardware event种类，可以看出oprofile可以支持很多深入处理器内部的分析。

提供了一些oprofile生成的结果，可以方便开发者在开始使用之前了解oprofile能够做到哪些事情。

Oprofile的详细使用文档：

Oprofile的优势：

?比较低的运行开销

?对被profiling的对象影响很小

?可以profiling中断服务程序(interrupt handlers)

?可以profiling应用程序和shared libraries

?可以profiling dynamically compiled(JIT) code

?可以对整个系统做profiling

?可以观察CPU内部的细节，例如cache miss rate

?可以多源代码做annotation

?可以支持instruction-level的profiling

?可以生成call-graph profiles

不过OProfile也不是万能的，它也有自己的局限性：

?只能在x86, ARM,和PowerPC架构上生成call graph profiles

?不支持100%精确的instruction-level profiling

?对dynamically compiled(JIT) code profiling的支持还不完善。

无论如何，Oprofile的功能都比gprof要强很多，代价是配置起来会比较麻烦。

二.编译Oprofile

首先最好在Linux kernel里面选中Oprofile driver，以获得全面的支持。

下载Linux kernel Source：从可以下载到Xilinx提供的验证好的内核。如果不方便使用Linux下的git工具，可以单击页面上的releases找到相应的版本下载tar ball。下载的时候最好选tar.gz格式的，而不是zip格式的，因为后者在处理symbol link的时候有可能会出问题。

因为笔者使用的是Xilinx Linux pre-built 14.7，所以这里下载的是linux-xlnx-xilinx-v14.7.tar.gz

解压缩后，用以下命令调出Linux kernel的配置界面：

export ARCH=arm

export CROSS_COMPILE=arm-xilinx-linux-gnueabi-

make xilinx_zynq_defconfig

make xconfig或者make menuconfig

在配置界面上将以下两项勾上：

General setup--->

[*] Profiling support

<*> OProfile system profiling

然后make uImage即可生成新的uImage，用来替换Xilinx Linux pre-built 14.7中的Linux kernel image。同时我们也需要vmlinux来检查profiling的结果。

Oprofile需要popt, bfd, liberty库，要在嵌入式单板上使用这些库，需要手工完成交叉编译。

针对popt 1.7，用以下命令完成编译：

./configure--prefix=/home/wave/xilinx/oprofileprj/rootfs--host=arm-xilinx-linux-gnueabi--with-kernel-support--disable-nls&& make&& make install

针对binutils 2.24，用以下命令完成编译：

./configure--host=arm-xilinx-linux-gnueabi--prefix=/home/wave/xilinx/oprofileprj/rootfs--enable-install-libbfd--enable-install-libiberty--enable-shared&& make&& make install

不过--enable-install-libiberty没有效果，所以需要手工把libiberty.a和libiberty.h拷贝到相应的位置。

针对oprofile 0.9.9，用以下命令完成编译：

./configure--host=arm-xilinx-linux-gnueabi--prefix=/home/wave/xilinx/oprofileprj/rootfs--with-kernel-support--with-binutils=/home/wave/xilinx/oprofileprj/rootfs&& make&& make install

配置过程结束后可能会有以下提示，因为没有打算用GUI和profile JITed code，所以直接忽视之。

config.status: executing libtool commands

Warning: QT version 3 was requested but not found. No GUI will be built.

Warning: The user account'oprofile:oprofile' does not exist on the system.

To profile JITed code, this special user account must exist.

Please ask your system administrator to add the following user and group:

user name:'oprofile'

group name:'oprofile'

The'oprofile' group must be the default group for the'oprofile' user.

将编译完成的uImage，vmlinux，oprofile binary，重新编译的没有-pg的libjpeg binary以及tool chain的libc打包放到SD卡中，准备在ZC706开发板上尝试profile djpeg。

三.运行Oprofile

正常启动嵌入式Linux后，在开发板的console上一次输入以下命令：

mount/dev/mmcblk0p1/mnt

mkdir-p/home/root/work

cd/home/root/work

tar zxvf/mnt/jpeg-bin-nopg.tar.gz

cd jpeg-bin/bin

cp/mnt/park-2880x1800.jpg.

export LD_LIBRARY_PATH=/home/root/work/jpeg-bin/lib

cd/home/root/work

tar zxvf/mnt/rootfs.tar.gz

cd rootfs

chown root:root-R*

cp-R bin/*/usr/bin

cp-R lib/*/lib

cp/bin/which/usr/bin

cp/bin/dirname/usr/bin

mkdir-p/home/wave/xilinx/oprofileprj/rootfs/share

cp-R./rootfs/*/home/wave/xilinx/oprofileprj/rootfs

cd/home/root/work

tar zxvf/mnt/libc.tar.gz

cp./lib/libstdc*.*/lib

mkdir-p/home/wave/xilinx/libjpeg

cd/home/wave/xilinx/libjpeg

tar zxvf/mnt/jpeg-9.tar.gz

cp/mnt/vmlinux/home/root/work

cd/home/root/work/jpeg-bin/bin

opcontrol--init

opcontrol--vmlinux=/home/root/work/vmlinux

opcontrol--setup--event=CPU_CYCLES:100000::0:1--session-dir=/home/root/

operf--vmlinux/home/root/work/vmlinux./djpeg-bmp park-2880x1800.jpg> result.bmp

opreport-l./djpeg

完成这一步后，我们就可以看到profiling的结果了，在笔者的平台上看到的内容的主要部分如下：

root@zynq:~/work/jpeg-bin/bin# opreport-l./djpeg

Using/home/root/work/jpeg-bin/bin/oprofile_data/samples/ for samples directory.

CPU: ARM Cortex-A9, speed 666667 MHz(estimated)

Counted CPU_CYCLES events(CPU cycle) with a unit mask of 0x00(No unit mask) count 100000

samples% image name symbol name

15293 58.6253 libc-2.17.so/lib/libc-2.17.so

2044 7.8356 libjpeg.so.9.0.0 ycc_rgb_convert

1964 7.5289 libjpeg.so.9.0.0 jpeg_idct_16x16

1918 7.3526 libjpeg.so.9.0.0 decode_mcu

1570 6.0186 libjpeg.so.9.0.0 jpeg_idct_islow

1567 6.0071 djpeg finish_output_bmp

528 2.0241 libjpeg.so.9.0.0 jpeg_fill_bit_buffer

397 1.5219 djpeg put_pixel_rows

73 0.2798 vmlinux __copy_from_user

70 0.2683 libjpeg.so.9.0.0 decompress_onepass

65 0.2492 libjpeg.so.9.0.0 jpeg_huff_decode

56 0.2147 vmlinux get_page_from_freelist

50 0.1917 vmlinux __memzero

45 0.1725 vmlinux __copy_to_user_std

41 0.1572 vmlinux _raw_spin_unlock_irqrestore

15 0.0575 vmlinux do_page_fault

14 0.0537 vmlinux __generic_file_aio_write

13 0.0498 vmlinux _raw_spin_unlock_irq

11 0.0422 vmlinux free_hot_cold_page

11 0.0422 vmlinux vector_swi

10 0.0383 vmlinux handle_pte_fault

从结果中我们可以看到libjpeg.so.9.0.0, djpeg和vmlinux中的symbol name已经可以被正确的解析出来了，和gprof的结果基本一致。相比gprof，oprofile可以在更大的范围内完成profiling。

我们还可以用以下命令观察源代码中特定行的执行时间，进一步缩小优化的范围，达到事半功倍的效果。

opannotate--source./djpeg> opannotate.txt

四.小结

通过实验，我们可以看到Oprofile可以提供更丰富的profiling结果，可以更好的帮助开发者找到瓶颈，通过有针对性的优化提升软件性能;profiling的结果也可以帮助开发者将性能瓶颈代码通过Xilinx HLS工具用硬件加速器来实现，从而为进一步提升整个嵌入式系统的性能打开了大门。

二、OProfile、gprof是什么

OProfile可以帮助用户识别诸如模块的占用时间、循环的展开、高速缓存的使用率低、低效的类型转换和冗余操作、错误预测转移等问题。它收集有关处理器事件的信息，其中包括TLB的故障、停机、存储器访问以及缓存命中和未命中的指令的攫取数量。

OProfile支持两种采样方式:基于事件的采样（Event Based）和基于时间的采样（Time Based)。基于事件的采样是OProfile只记录特定事件（比如L2缓存未命中）的发生次数，当达到用户设定的定值时Oprofile就记录一下〈采一个样）。这种方式需要CPU内部有性能计数器(Performace Counter）。基于时间的采样是OProfile借助OS时钟中断的机制，在每个时钟中断，OProfile都会记录一次（采一次样）。引入它的目的在于，提供对没有性能计数器的CPU的支持，其精度相对于基于事件的采样要低，因为要借助OS时钟中断的支持，对于禁用中断的代码，OProfile不能对其进行分析。OProfile在Linux上分两部分，一个是内核模块（oprofile.ko)，另一个是用户空间的守护进程( oprofiled)。前者负责访问性能计数器或者注册基于时间采样的函数，并将采样值置于内核的缓冲区内。后者在后台运行，负责从内核空间收集数据，写入文件。其运行步骤如下：1）初始化opcontrol--init 2）配置opcontrol--setup--event=... 3）启动opcontrol--start 4）运行待分析的程序xxx 5）取出数据 6）分析结果opreport-1.x

用GNU gprof可以打印出程序运行中各个函数消耗的时间，以帮助程序员找出众多函数中耗时最多的函数;还可产生程序运行时的函数调用关系，包括调用次数，以帮助程序员分析程序的运行流程。GNU gprof的实现原理:在编译和链接程序的时候（使用-pg编译和链接选项），gcc在应用程序的每个函数中都加入名为mcount(_mcount或_mcount，依赖于编译器或操作系统）的函数，也就是说应用程序里的每一个函数都会调用mcount，而mcount会在内存中保存一张函数调用图，并通过函数调用堆栈的形式查找子函数和父函数的地址。这张调用图也保存了所有与函数相关的调用时间、调用次数等的所有信息。