Simpleperf 使用-酒店常州论坛

////////////////////////////////////////////////////////////

谈到Android上的性能剖析，很多人会想到TraceView，SysTrace。TraceView擅长Method Tracing，与IDE集成，使用方便，不过有时候它的误差让人无法忍受；SysTrace的牛逼之处在于它可以给出整个系统的一些关键模块的性能信息，因此用途广泛；虽然它也支持分析自定义模块，但是使用起来稍显复杂。

事实上，在AOSP中有另外一个性能剖析工具不为人知，这个安静的小可爱就是今天要介绍的主角—— simpleperf。我们先来看看它的介绍：

Simpleperf is a native profiling tool for Android. Its command-line interface supports broadly the same options as the linux-tools perf, but also supports various Android-specific improvements.

native profiling？是不是很心动？

至于simpleperf的原理，简单来说，现代CPU一般都带有一个叫做性能监视单元（PMU）的组件，这个硬件能够记录诸如cpu周期数、执行的指令数、缓存失效次数等等关键信息；Linux内核对这个硬件做了一层封装，通过 `perf_event_open` 系统调用把接口暴露给用户空间；这就是simpleperf工具的由来。

简介和原理都表明这个工具貌似很牛逼，接下来我们就试一试。

首先把AOSP上的源码下载下来，点我。

simpleperf是一个命令行工具，与systrace不同的是，它的工具集包涵client端和host端；client端运行在Android系统上，负责收集性能数据；host端则运行在你的开发机上，负责对数据进行分析和可视化。（这些可执行文件在下载后的bin文件夹的android和win/mac/linux下）整个工具链使用起来相对复杂，所幸simpleperf的创造者提供了一个炒鸡傻瓜的使用脚本，使用起来毫不费力，非常方便！这个脚本就是 `app_profile.py`。

我们把 simpleperf 下载下来之后，首先修改 `app_profile.config` 文件中的配置，主要是以下几个字段：

# 待分析的app的包名，需要是debuggable的 app_package_name = "" # 分析的命令，体验的话使用默认即可；更详细的用途看文档。 record_options = "-e cpu-cycles:u -f 4000 -g --dump-symbols --duration 10" # 待分析app的主界面，app_profile.py会通过am start 帮助开启app main_activity = ''

然后在你的设备上安装待分析的App，要注意的是这个App必须是debuggable的，在AndroidManifest中把debuggable设置为true即可。接下来，就可以直接通过：

python app_profile.py

进行分析了，这个脚本帮你完成了simpleperf下载，权限设置，打开app，导出数据等等一系列过程；开始分析之后，就可以对App进行操作；在设置好的时间之后就会停止分析，跟SysTrace一样。分析完毕之后，脚本会自动把分析数据从设备上pull下来并存放在当前目录下，叫 perf.data。

接下来就是分析数据了；原始的数据是一个文本文件，长这样：

0.00% 0.00% ORDERED_THREAD_ 17046 18210 /system/lib/libart.so art::Mutex::ExclusiveLock(art::Thread*) | -- art::Mutex::ExclusiveLock(art::Thread*) 0.00% 0.00% AsyncTaskExecut 17046 18216 /system/lib/libart.so art::Monitor::Lock(art::Thread*) | -- art::Monitor::Lock(art::Thread*) | |--52.01%-- art::Mutex::ExclusiveLock(art::Thread*) | --0.54%-- art::Mutex::ExclusiveUnlock(art::Thread*)

嵌套如果过深，基本就看不懂了；所幸我们有另外一个分析脚本！直接运行：

python report.py -g

会启动一个GUI显示分析得到的数据，这个GUI使用python的tk写的，实话说，长得比较丑。。

简单观察分析图，可以知道，的确支持native profiling；gui和TraceView差不多，比较直观，但是指标没有TraceView多。另外，这个工具由于硬件直接支持，对性能的影响非常小；光是这一点就好顶赞了。

你以为这就完了？No！这玩意儿还支持火焰图! 如果你不知道火焰图为何物，建议看看这篇文章动态追踪技术漫谈。

然后，要绘制火焰图，我们需要借助 FlameGraph 这个工具；clone下来之后，里面的脚本就可以直接使用了。（perl脚本，windows系统需要安装Perl语言的支持）

接下来我们执行命令：

$python report_sample.py >out.perf $stackcollapse-perf.pl out.perf >out.folded $./flamegraph.pl out.folded > graph.svg

我们用Chrome浏览器打开这个 `graph.svg` 即可得到火焰图：

通过火焰图，我们能非常直观地看到性能的瓶颈，对于分析性能问题很有帮助；相信这个图已经说明一切了。

////////////////////////////////////////////////////////////

通用技巧

这里有一些技巧给有root权限的Android系统开发者:

运行adb root后, simpleperf可用于分析系统范围内任何进程。
如果不是在主分支上工作，建议使用AOSP main中最新的simpleperf。脚本位置在system/extras/simpleperf/scripts，二进制程序在system/extras/simpleperf/scripts/bin/android.
推荐使用app_profiler.py抓trace，然后用report_html.py生成html报告。下面是一个示例。

# Record surfaceflinger process for 10 seconds with dwarf based call graph. More examples are in # scripts reference in the doc. $ python app_profiler.py -np surfaceflinger -r "-g --duration 10" # Generate html report. $ python report_html.py

从 Android >= O 开始系统库默认有符号表，我们不需要用$ANDROID_PRODUCT_OUT/symbols中未striped二进制文件来抓了。但是，在报告中添加源代码和反汇编(带有行号)时需要它们。下面是一个例子。

# Doing recording with app_profiler.py or simpleperf on device, and generates perf.data on host. $ python app_profiler.py -np surfaceflinger -r "--call-graph fp --duration 10" # Collect unstripped binaries from $ANDROID_PRODUCT_OUT/symbols to binary_cache/. $ python binary_cache_builder.py -lib $ANDROID_PRODUCT_OUT/symbols # Report source code and disassembly. Disassembling all binaries is slow, so it's better to add # --binary_filter option to only disassemble selected binaries. $ python report_html.py --add_source_code --source_dirs $ANDROID_BUILD_TOP --add_disassembly \ --binary_filter surfaceflinger.so

在system_server进程上抓simpleperf

有时我们希望在发生特殊情况时抓系统进程。在这种情况下，我们可以在检测到情况的点处添加SimplEperf的代码。

关掉selinuxadb shell setenforce 0。因为selinux只允许simpleperf在shell或debuggable/profileable 应用中使用。
在检测到特殊情况的地方添加下面的代码。

try { // for capability check Os.prctl(OsConstants.PR_CAP_AMBIENT, OsConstants.PR_CAP_AMBIENT_RAISE, OsConstants.CAP_SYS_PTRACE, 0, 0); // Write to /data instead of /data/local/tmp. Because /data can be written by system user. Runtime.getRuntime().exec("/system/bin/simpleperf record -g -p " + String.valueOf(Process.myPid()) + " -o /data/perf.data --duration 30 --log-to-android-buffer --log verbose"); } catch (Exception e) { Slog.e(TAG, "error while running simpleperf"); e.printStackTrace(); }

硬件 PMU 计数器限制

监视指令和缓存相关的性能事件时 (在list命令列出的hw/cache/raw/pmu 类别)，这些事件被映射到每个cpu核心上的PMU计数器。但每个核心只有有限数量的PMU计数器。如果事件数量 > PMU计数器的数量，然后计数器在事件之间多路复用，这可能不是我们想要的。

在Pixel设备上，每个核上的PMU计数器的数量通常是7个，其中4个被内核用于监视内存延迟。所以只有3个计数器可用。可以同时监控最多3个PMU事件。要监视3个以上的事件，可以使用--use-devfreq-counters选项借用内核使用的计数器。

////////////////////////////////////////////////////////////

定义

Simpleperf 是Google随NDK一起发布的一款profile工具（注：从NDK r13开始），它是针对Android平台的一个 native 层性能分析工具。

使用步骤

本篇是分析运行在android设备下的程序

1. 将NDK中Simpleperf工具的可执行程序 push 到手机上

cd <NDK>/simpleperf/bin/android/<对应的版本，根据被测程序和CPU，来选择对应的版本>

例如：我的路径是 /home/hqb/Android/Sdk/ndk/21.3.6528147/simpleperf/bin/android/arm64

cd /home/hqb/Android/Sdk/ndk/21.3.6528147/simpleperf/bin/android/arm64 adb push simpleperf /data/local/tmp adb shell chmod 777 /data/local/tmp/simpleperf

2. 启动手机上的被测程序，ps 出该程序的进程ID

adb shell ps -ef | grep "需要分析的应用程序包名"

3. 使用Simpleperf工具进行分析

（1）record-记录运行结果数据：

adb shell /data/local/tmp/simpleperf record -p <进程号> --duration <持续的时间（秒为单位）> -o <输出文件名称> --call-graph fp --call-graph dwarf 用在32位系统中，64位则采用--call-graph fp

例子：adb shell /data/local/tmp/simpleperf record -p 4844 --duration 10 -o /data/local/tmp/perf.data --call-graph fp

输出：simpleperf I cmd_record.cpp:658] Samples recorded: 12013. Samples lost: 0.

（2）报告结果数据

adb shell /data/local/tmp/simpleperf report -i /data/local/tmp/perf.data -o /data/local/tmp/perf_report.txt

4. 解析火焰图

（1）将data文件和txt文件，从手机pull到电脑
电脑上新建simpleperf_test目录，例子：/home/hqb/simpleperf_test

mkdir simpleperf_test adb pull /data/local/tmp/perf.data /home/hqb/simpleperf_test adb pull /data/local/tmp/perf_report.txt /home/hqb/simpleperf_test

经常使用simpleperf就用alias设置别名

vim ~/.bashrc alias pf='python /home/hqb/Android/Sdk/ndk/21.3.6528147/simpleperf/report_html.py' source ~/.bashrc

（2）data格式转化成html格式

cd /home/hqb/simpleperf_test //设置别名 pf -i ./perf.data -o ./perf.html //如果不设置别名 python /home/hqb/Android/Sdk/ndk/21.3.6528147/simpleperf/report_html.py -i ./perf.data -o ./perf.html

（3）下载FlameGraph到simpleperf_test目录下，将simpleperf复制到simpleperf_test目录下

git clone <https://github.com/brendangregg/FlameGraph.git> chmod 777 FlameGraph/flamegraph.pl chmod 777 FlameGraph/stackcollapse-perf.pl cp -r /home/hqb/Android/Sdk/ndk/21.3.6528147/simpleperf /home/hqb/simpleperf_test

（4）生成火焰图

cd /home/hqb/simpleperf_test python ./simpleperf/report_sample.py > out.perf ./FlameGraph/stackcollapse-perf.pl out.perf > out.folded ./FlameGraph/flamegraph.pl out.folded > out.svg

out.svg就是最后得到的火焰图，用浏览器打开就可以看

/////////////////////////////////////////////////////////////

Android Studio 包含 Simpleperf 的图形前端，记录在使用 CPU Profiler 检查 CPU Activity 中。大多数用户更喜欢使用该图形前端，而不是直接使用 Simpleperf。

如果您更喜欢使用命令行，可以直接使用 Simpleperf。Simpleperf 是一个通用的命令行 CPU 性能剖析工具，包含在面向 Mac、Linux 和 Windows 的 NDK 中。

Simpleperf包含两部分：simpleperf可执行文件和Python脚本。路径：Android/sdk/ndk/20.0.5594570/simpleperf

simpleperf可执行文件的工作方式类似于linux-tools-perf，但是具有针对Android分析环境的一些特定功能：详情参看simpleperf

Python 脚本根据功能划成如下三部分:

用于记录事件的脚本, like app_profiler.py, run_simpleperf_without_usb_connection.py.
用于报告的脚本, like report.py, report_html.py, inferno.
用于分析 profiling data的脚本, like simpleperf_report_lib.py.

1.事件

2.分析Android App性能

分析一个 Android 应用的性能可以按照如下三步走：

准备一个要分析的APP.

例如Google官方的实例：

$ git clone https://android.googlesource.com/platform/system/extras $ cd extras/simpleperf/demo # Open SimpleperfExamplesWithNative project with Android studio, and build this project # successfully, otherwise the `./gradlew` command below will fail. $ cd SimpleperfExampleWithNative # On windows, use "gradlew" instead. $ ./gradlew clean assemble $ adb install -r app/build/outputs/apk/profiling/app-profiling.apk

2.抓取性能数据：

python app_profiler.py -p com.example.simpleperf.simpleperfexamplewithnative --compile_java_code -a .MixActivity --lib app/build/intermediates/cmake/debug/obj/arm64-v8a/

3.分析性能数据：

python report_html.py

4.查看对应的性能分析数据：

通过数据我们可以看到各个线程占用的CPU时钟周期

/////////////////////////////////////////////////////////////

了多少事件的摘要。以下是它的工作原理：

给定用户选项，simpleperf通过对linux内核进行系统调用来启用分析；
Linux 内核在调度到被分析进程时启用计数器；
分析之后，simpleperf从内核读取计数器，并报告计数器摘要。
Record命令在一段时间内记录剖析进程的样本。它的工作原理如下：

给定用户选项，simpleperf通过对linux内核进行系统调用来启用分析；
Simpleperf在simpleperf和linux内核之间创建映射缓冲区；
Linux内核在调度到被分析进程时启用计数器；
每次给定数量的事件发生时，linux内核将样本转储到映射缓冲区；
Simpleperf从映射缓冲区读取样本并生成perf.data。
Report命令读取perf.data文件及所有被剖析进程用到的共享库，并输出一份报告，展示时间消耗在了哪里。

Simpleperf的使用
尽管不推荐使用一键脚本，但得益于Simpleperf的命令不多，使用起来也很简单快捷。

文件准备
将simpleperf可执行文件传输到Android设备上:

adb push 文件源地址文件目的地址
可执行文件都存储在bin/android/目录下，可自行获取。

性能分析
在性能分析前，首先启动需要分析的APP，获取APP的进程号：

adb shell am start -n 包名/启动程序
adb shell pidof 包名
接下来，就可以使用命令三连击了：

adb shell
cd simpleperf所在目录
./simpleperf stat [options] [command [command-args]]
./simpleperf record [options] [command [command-args]]
./simpleperf report [options]

stat命令获取一段时间内已分析进程中发生的事件数摘要。最常使用的选项为：

./simpleperf stat -p 进程号 --duration 检测进程的持续时间(秒)
1
record命令记录一段时间内已分析进程的样本，这是simpleperf的主命令。最常使用的选项为：

./simpleperf record -p 进程号 -o 输出文件(默认perf.data) --duration 监测进程的持续时间(秒)
1
需要注意的是，如果出现Access to kernel symbol addresses is restricted的警告，需要使用一下命令来取消：

echo 0>/proc/sys/kernel/kptr_restrict

report命令读取perf.data文件(由simpleperf record创建)，并显示报告，表明花费时间的地方。最常使用的选项为：

./simpleperf report --dsos 选定动态共享对象(so库) -f 记录文件(默认perf.data) --sort 用于排序和打印报告的键 -n

注意点
如果使用report命令进行查找的时候，发现so现实的Symbol都是地址，而不是函数内容。这多数是因为在安卓编译的时候，设备上使用的so库已经被strip过，也就是说，已经抛离了.symbol段的内容。

那么，我们需要将带有Symbol信息的so下载到设备上。同时需要将so放置到perf.data中记录的相同的路径(否则，simpleperf无法找到它)。

如果找不到路径，可以在perf.data文件中直接搜索需要选定的so库的名称，即可查看到路径。

实例
设备上执行命令：

./simpleperf stat -p 5932 --duration 10
./simpleperf record -p 5932 -o dms.data --duration 10
./simpleperf report --dsos /data/app/com.hobot.dms.sample-1/lib/arm/libhobot_dms.so --sort comm,pid,tid,symbol -n

通过report命令可以看到，主要是集中在libhobot_dms.so中。但是，显示的都是地址，并非函数调用。这是因为Android的so库已经抛离了.symbol段的内容。可以重新指定完整的so文件。

将perf.data从设备上拷贝下来，传输到Linux开发机上，执行命令：

./bin/linux/x86_64/simpleperf report --dsos /data/app/com.hobot.dms.sample-1/lib/arm/libhobot_dms.so --sort comm,pid,tid,symbol
1

/////////////////////////////////////////////////////////////

使用 Android SimplePerf生成的网页无法打开或加载的问题，一直困扰了很多使用 Simpleperf 的 Android 性能开发工作者。这是因为本地生成的页面依赖一些 JavaScript 文件，国内的网络访问不到 CDN 源，此时需要将这些源替换成国内可以访问的源。

以下是两种解决办法：

修改 Simpleperf 生成的 HTML 文件，将 JavaScript 源替换成国内网络可以访问到的源；
修改 Python 使其在生成 HTML 前完成 JavaScript 源的替换工作。

这两种方法前者仅一次生效，后者永久生效。

修改 HTML 文件

因为这个方法是使用了 Simpleperf 的 Python 生成 HTML 后再去做替换，所以最大的弊端就是每次都需要手动替换。具体的替换步骤如下：

使用记事本软件打开 HTML 文件（我本地这个文件名字叫：report.html）；
按照如下的方式进行替换：

替换前：

<html><head><link rel="stylesheet" type="text/css" href="https://stackpath.bootstrapcdn.com/bootstrap/4.1.2/css/bootstrap.min.css"></link> <link rel="stylesheet" type="text/css" href="https://cdn.datatables.net/1.10.19/css/dataTables.bootstrap4.min.css"></link> <script src="https://ajax.googleapis.com/ajax/libs/jquery/3.3.1/jquery.min.js"></script> <script src="https://cdnjs.cloudflare.com/ajax/libs/popper.js/1.12.9/umd/popper.min.js"></script> <script src="https://stackpath.bootstrapcdn.com/bootstrap/4.1.2/js/bootstrap.min.js"></script> <script src="https://cdn.datatables.net/1.10.19/js/jquery.dataTables.min.js"></script> <script src="https://cdn.datatables.net/1.10.19/js/dataTables.bootstrap4.min.js"></script> <script src="https://www.gstatic.com/charts/loader.js"></script> <script>google.charts.load('current', {'packages': ['corechart', 'table']});</script> <style type="text/css"> .colForLine { width: 50px; } .colForCount { width: 100px; } .tableCell { font-size: 17px; } .boldTableCell { font-weight: bold; font-size: 17px; } </style> </head> <body><script>

替换后：

<html><head><link rel="stylesheet" type="text/css" href="https://cdn.bootcdn.net/ajax/libs/twitter-bootstrap/4.1.2/css/bootstrap.min.css"></link> <link rel="stylesheet" type="text/css" href="https://cdn.datatables.net/1.10.19/css/dataTables.bootstrap4.min.css"></link> <script src="https://cdnjs.cloudflare.com/ajax/libs/jquery/3.3.1/jquery.min.js"></script> <script src="https://cdnjs.cloudflare.com/ajax/libs/popper.js/1.12.9/umd/popper.min.js"></script> <script src="https://cdn.bootcdn.net/ajax/libs/twitter-bootstrap/4.1.2/js/bootstrap.min.js"></script> <script src="https://cdn.datatables.net/1.10.19/js/jquery.dataTables.min.js"></script> <script src="https://cdn.datatables.net/1.10.19/js/dataTables.bootstrap4.min.js"></script> <script src="https://www.gstatic.com/charts/loader.js"></script> <script>google.charts.load('current', {'packages': ['corechart', 'table']});</script> <style type="text/css"> .colForLine { width: 50px; } .colForCount { width: 100px; } .tableCell { font-size: 17px; } .boldTableCell { font-weight: bold; font-size: 17px; } </style> </head> <body><script>

然后刷新页面，即可正确渲染数据：

替换成国内源后，渲染速度加倍

修改 Python 脚本

因为这个方法是在 HTML 生成之前就做了替换，所以最大的优点就是不需要每次手动替换。在获取到perf.data 文件后，我们会使用 Simpleperf 中的 report_html.py 脚本进行渲染出 report.html 文件：

python ./report_html.py -i D:\temp\perf.data -o D:\temp\report.html

因此，需要修改的是 report_html.py 文件。具体步骤如下：

使用记事本打开 report_html.py；
搜索关键字“URLS”，找到 JavaScript ；
按照如下的方式进行替换：

替换前：

URLS = { 'jquery': 'https://ajax.googleapis.com/ajax/libs/jquery/3.3.1/jquery.min.js', 'bootstrap4-css': 'https://stackpath.bootstrapcdn.com/bootstrap/4.1.2/css/bootstrap.min.css', 'bootstrap4-popper': 'https://cdnjs.cloudflare.com/ajax/libs/popper.js/1.12.9/umd/popper.min.js', 'bootstrap4': 'https://stackpath.bootstrapcdn.com/bootstrap/4.1.2/js/bootstrap.min.js', 'dataTable': 'https://cdn.datatables.net/1.10.19/js/jquery.dataTables.min.js', 'dataTable-bootstrap4': 'https://cdn.datatables.net/1.10.19/js/dataTables.bootstrap4.min.js', 'dataTable-css': 'https://cdn.datatables.net/1.10.19/css/dataTables.bootstrap4.min.css', 'gstatic-charts': 'https://www.gstatic.com/charts/loader.js', }

替换后：

URLS = { 'jquery': 'https://cdnjs.cloudflare.com/ajax/libs/jquery/3.3.1/jquery.min.js', 'bootstrap4-css': 'https://cdn.bootcdn.net/ajax/libs/twitter-bootstrap/4.1.2/css/bootstrap.min.css', 'bootstrap4-popper': 'https://cdnjs.cloudflare.com/ajax/libs/popper.js/1.12.9/umd/popper.min.js', 'bootstrap4': 'https://cdn.bootcdn.net/ajax/libs/twitter-bootstrap/4.1.2/js/bootstrap.min.js', 'dataTable': 'https://cdn.datatables.net/1.10.19/js/jquery.dataTables.min.js', 'dataTable-bootstrap4': 'https://cdn.datatables.net/1.10.19/js/dataTables.bootstrap4.min.js', 'dataTable-css': 'https://cdn.datatables.net/1.10.19/css/dataTables.bootstrap4.min.css', 'gstatic-charts': 'https://www.gstatic.com/charts/loader.js', }

最后，再次执行命令，即可正确渲染数据：

替换成国内源后，渲染速度加倍

/////////////////////////////////////////////////////////////

企业官网建设流程全解析

通用技巧

在system_server进程上抓simpleperf

硬件 PMU 计数器限制

定义

使用步骤

1. 将NDK中Simpleperf工具的可执行程序 push 到手机上

2. 启动手机上的被测程序，ps 出该程序的进程ID

3. 使用Simpleperf工具进行分析

4. 解析火焰图

1.事件

2.分析Android App性能

修改 HTML 文件

修改 Python 脚本

热门文章

文章分类

标签云

需要专业的网站建设服务？

企业官网建设流程全解析

通用技巧

在system_server进程上抓simpleperf

硬件 PMU 计数器限制

定义

使用步骤

1. 将NDK中Simpleperf工具的可执行程序 push 到手机上

2. 启动手机上的被测程序，ps 出该程序的进程ID

3. 使用Simpleperf工具进行分析

4. 解析火焰图

1.事件

2.分析Android App性能

修改 HTML 文件

修改 Python 脚本

热门文章

文章分类

标签云

相关文章

自指宇宙学（SRC）意识诞生结构性判据深度研究报告

Java并发进阶系列：深度讨论jdk1.8 ConcurrentHashMap并发环境下transfer方法桶位分配过程

企业AI服务Token管理：从基础原理到分配策略优化

需要专业的网站建设服务？