火焰图理论简析与实例

01 前言

软件同学在进行性能分析时，通常需要查看 CPU 耗时，用于了解性能瓶颈在哪里，从而进行针对性的优化。火焰图（Flame Graph）是常用的性能分析工具。总结来看，火焰图通常用于以下场景：

• 代码性能调优：发现和优化代码的性能瓶颈。
• 资源使用监控：在生产环境中监控应用程序的资源使用情况。
• 故障排查：定位异常情况，例如 CPU 使用率突增的原因。

火焰图能够显示代码的调用堆栈、各个函数的执行频率以及它们之间的调用关系。整个图形看起来就像一个跳动的火焰，这就是它名字的由来。

火焰图有以下特征：

• 纵轴：表示函数调用堆栈的深度，每一列代表一个调用栈，每一个格子代表一个函数。最顶上格子代表采样时，正在占用 cpu 的函数。纵轴也展示了栈的深度，按照调用关系从下到上排列。
• 横轴：火焰图将采集的多个调用栈信息，通过按字母横向排序的方式将众多信息聚合在一起。如果一个函数在 x 轴占据的宽度越宽，就表示它被抽到的次数多，即执行的时间长。需要注意：横轴不代表时间。
• 颜色：颜色是随机的暖色调，方便区分不同的线程、代码模块或特定函数类型，没有其他特殊含义。
• 瓶颈：顶层的哪个函数占据的宽度最大，通常瓶颈就发生在这个"平顶"。

02 火焰图理解示例

本节参考：https://www.ruanyifeng.com/blog/2017/09/flame-graph.html

下面是一个用于帮助理解火焰图怎么形成的小例子。
首先，CPU 抽样得到了三个调用栈。

func_c 
func_b 
func_a 
start_thread 

func_d 
func_a 
start_thread 

func_d 
func_a 
start_thread

上面代码中，start_thread 是启动线程，调用了 func_a。后者又调用了 func_b 和 func_d，而 func_b 又调用了 func_c。经过合并处理后，得到了下面的结果，即存在两个调用栈，第一个调用栈抽中 1 次，第二个抽中 2 次。

start_thread;func_a;func_b;func_c 1 
start_thread;func_a;func_d 2

有了这个调用栈统计，火焰图工具就能生成 SVG 图片。

上面图片中，最顶层的函数 g（）占用 CPU 时间最多。d（）的宽度最大，但是它直接耗用 CPU 的部分很少。b（）和 c（）没有直接消耗 CPU。因此，如果要调查性能问题，首先应该调查 g（），其次是 i（）。
另外，从图中可知 a（）有两个分支 b（）和 h（），这表明 a（）里面可能有一个条件语句，而 b（）分支消耗的 CPU 大大高于 h（）。

不知道有没有这样的疑问：为什么上数第二层 e（）+f（）的总宽度小于下层 d（）的总宽度？
因为不能有无父之子，下一层父宽度必大于等于上一层子宽度。
整个火焰图是纵向 n 条调用栈、然后做横向合并而来，合并得到的宽度代表了调用栈中的栈片段重复情况。调用栈是一个非常强调父子关系的数据结构，如：
a->b->c 的调用，在这“一个”调用栈上，不可能[父 b]被调用了 3 次而[子 c]被调用了 4 次。
但[子 c]可以调用 3 次，[父 b]被调用了 4 次：这代表了 a->b->c 的调用了出现了 3 次，a->b 出现了 1 次。

03 火焰图如何查看

生成火焰图通常需要两步：

1. 收集性能数据：使用性能分析工具（如 perf、BPF、dtrace 等）收集 CPU 采样数据，捕获每个函数的调用堆栈和消耗时间。
2. 生成火焰图：通过工具将采集的数据转换为火焰图。例如，Flamegraph.pl 是一个 Perl 脚本，可以解析 perf 的输出数据并生成 SVG 格式的火焰图。用浏览器打开 svg 格式的图片，否则无法用鼠标点击查看每个方块内详细信息；

在线火焰图示例：https://queue.acm.org/downloads/2016/Gregg4.svg

（1）鼠标悬浮
火焰的每一层都会标注函数名，鼠标悬浮时会显示完整的函数名、抽样抽中的次数、占据总抽样次数的百分比。
（2）点击放大
在某一层点击，火焰图会水平放大，该层会占据所有宽度，显示详细信息。左上角会同时显示"Reset Zoom"，点击该链接，图片就会恢复原样。
（3）搜索
Ctrl + F 会显示一个搜索框，可以输入关键词或正则表达式，所有符合条件的函数名会高亮显示。

04 征程 6 火焰图实例

4.1 检查环境

检查系统内核是否开启 CONFIG_PERF_EVENTS，在 征程 5 上可以运行以下指令进行检测

sysctl -a |grep -i "perf"

开启状态下会有以下结果，如果是关闭状态则需要编译内核镜像开启 perf。

kernel.perf_cpu_time_max_percent = 25
kernel.perf_event_max_contexts_per_stack = 8
kernel.perf_event_max_sample_rate = 100000
kernel.perf_event_max_stack = 127
kernel.perf_event_mlock_kb = 576
kernel.perf_event_paranoid = 2
kernel.perf_user_access = 0

4.2 工具使用

采样：

# -p pid 进程号，找到需要分析的进程id
# -- sleep 采样时长 s, perf.data 一般较大，运行需要放在空间较大的目录，不要运行过久
# -a 所有 cpu 信息
# -g 得到函数调用关系
perf record -p 11229 -ag -- sleep 10

处理采样结果，生成火焰图所需的 perf.unfold 文件：

perf script -i perf.data > perf.unfold

绘图：

获取绘图工具：https://github.com/brendangregg/FlameGraph.git，下载到开发机上，文件夹中会有对应的工具

运行如下两行命令，最后生成的 svg 文件即为火焰图.

./FlameGraph/stackcollapse-perf.pl ./perf.unfold > perf.folded
./FlameGraph/flamegraph.pl perf.folded > perf.svg

如果想更深入了解火焰图，可以参考：http://www.brendangregg.com/perf.html#FlameGraphs