Android上oprofile使用說明

時間 2019-12-06

標籤 android oprofile 使用說明欄目 Android 简体版

原文原文鏈接

Android上oprofile使用說明

(2012-02-15 00:39:56)

轉載▼

注：這是本人一年半前寫的文檔，貼在這裏做爲備份，因爲當時是針對 Android 1.6(Donut)、2.1(Eclair)和 2.2(Froyo)編寫的，部份內容可能已經不適用於目前版本的Android，僅供參考。html

Android上oprofile使用說明python

1. 目的

本文介紹了oprofile的功能並基於Android 2.1介紹了使用oprofile的基本方法和步驟。本文的讀者爲軟件開發人員和白盒測試人員。linux

2. oprofile簡介

Oprofile是用於Linux的若干種評測和性能監控工具中的一種，它能夠工做在不一樣的體系結構上，包括IA32、IA64、AMD Athlon系列及ARM等。Oprofile包含在Linux 2.5和更高版本的內核中，也包含在大多數較新的Linux發行版本中，在Android中已經集成了Oprofile。android

oprofile以很低的開銷對系統中全部運行的代碼（包括kernel、kernel模塊、庫、應用程序）進行函數級別的性能分析（function-level profiling），跟蹤佔用CPU高的函數的調用信息，從而判斷程序中哪些地方存在須要優化的性能瓶頸。c++

oprofile支持兩種採樣（sampling）方式：基於事件的採樣（event based）和基於時間的採樣（time based）。shell

基於事件的採樣是oprofile只記錄特定事件（好比L2 cache miss）的發生次數，當達到用戶設定的定值時oprofile就記錄一下（採一個樣）。這種方式須要CPU內部有性能計數器（performance counter）。session

基於時間的採樣是oprofile藉助OS時鐘中斷的機制，每一個時鐘中斷oprofile都會記錄一次（採一次樣），又分爲RTC模式（RTC mode，適用於2.2/2.4內核）和定時器中斷模式（timer interrupt mode，適用於2.6以上內核）。引入定時器採樣模式的目的在於，提供對沒有性能計數器的CPU的支持，其精度相對於基於事件的採樣要低，而且由於要藉助OS時鐘中斷的支持，對禁用中斷的代碼oprofile不能對其進行分析。app

高通QSD8K處理器具有性能計數器，但當前發佈的軟件版本只支持定時器模式。函數

在Android上，oprofile分爲target端和host端兩部分。target端運行在設備上，主要包括一個內核模塊（oprofile.ko）和一個用戶空間的守護進程（oprofiled），前者負責訪問性能計數器或者註冊基於時間採樣的函數（使用register_timer_hook註冊之，使時鐘中斷處理程序最後執行profile_tick時能夠訪問之），並採樣置於內核的緩衝區內；後者在後臺運行，負責從內核空間收集數據，寫入文件。host端運行在PC上，包括一組後處理工具用於從原始採樣數據生成可讀的分析報告。工具

3. oprofile使用方法

本節基於Android 2.1 (Eclair)介紹oprofile的使用方法，在Android 1.6 (Donut)和Android 2.2 (Froyo)上的使用方法與之類似。

在使用oprofile以前，首先必須確保燒到手機上的系統具備root權限，不然沒法使用oprofile，並確保/data下有足夠的可用空間用於保存採樣數據（通常幾十MB足夠）。依次按照以下步驟操做。

3.1 步驟一：安裝target端

Android源代碼中已經包含了移植好的oprofile源代碼，kernel缺省配置選項也已經enable了對oprofile的支持。在將oprofile的target端安裝到手機以前，請首先在eng模式下編譯源代碼，而後按照以下步驟將所需文件複製到手機上：

1. 內核模塊oprofile.ko：

在PC上運行：

source build/envsetup.sh

choosecombo

adb push $ANDROID_PRODUCT_OUT/obj/KERNEL_OBJ/arch/arm/oprofile/oprofile.ko /data

2. 守護進程oprofiled和控制程序opcontrol：

若是手機上燒的system.img是eng模式編出來的，裏面已經包含了oprofiled和opcontrol（在/system/xbin/），這一步能夠跳過；若是是user模式編出來的system.img則不包含這兩個文件，請運行：

adb push $ANDROID_PRODUCT_OUT/system/xbin/oprofiled /system/xbin

adb push $ANDROID_PRODUCT_OUT/system/xbin/opcontrol /system/xbin

3. elf內核映像文件：

若是要對內核進行profiling，須要將壓縮的elf內核映像文件vmlinux複製到手機上，運行：

adb push $ANDROID_PRODUCT_OUT/obj/KERNEL_OBJ/arch/arm/boot/compressed/vmlinux /data

該vmlinux必須與手機上實際運行的內核一致。

3.2 步驟二：計算內核虛擬地址範圍

要對內核進行profiling，須要計算內核開始和結束地址：

運行：

adb pull /proc/kallsyms .

在文件kallsyms中查找_text，其數值即爲kernel start地址；查找_etext，其數值即爲kernel end地址。

3.3 步驟三：將CPU設置在保持最高頻率運行

爲確保oprofile採樣結果的準確性和一致性，在採樣開始以前需將CPU設置在保持最高頻率運行，爲此在adb shell中運行：

mkdir /data/debug

mount -t debugfs debugfs /data/debug

echo 1 > /data/debug/nohlt

echo performance > /sys/devices/system/cpu/cpu0/cpufreq/scaling_governor

3.4 步驟四：配置oprofile

在adb shell中運行：

insmod /data/oprofile.ko timer=1

opcontrol --setup

oprofiled --session-dir=/data/oprofile --vmlinux=/data/vmlinux --kernel-range=start,end --events=CPU_CYCLES:255:0:50000:0:1:1 --separate-lib=1 --separate-kernel=1

說明：

其中--kernel-range中的start和end即爲上述步驟二中得到的kernel start地址和kernel end地址。

3.5 步驟五：開始採樣

運行須要進行profiling的應用程序或場景，而後在adb shell中運行：

opcontrol --start

此時oprofile已開始採樣，可在adb shell中運行：

opcontrol --status

隨時查看oprofile運行狀態和已採集的樣本數。

3.6 步驟六：中止採樣

當採集的樣本數足夠多的時候（根據經驗通常數千便可），在adb shell中運行：

opcontrol --stop

3.7 步驟七：上傳數據和生成分析結果

在PC上運行：

source build/envsetup.sh

choosecombo

cp $ANDROID_PRODUCT_OUT/obj/KERNEL_OBJ/vmlinux $ANDROID_PRODUCT_OUT/symbols

python $ANDROID_BUILD_TOP/external/oprofile/opimport_pull ~/oprofile-result

此時手機上的採樣數據經轉換後存在PC上~/oprofile-result中，運行如下命令顯示分析結果報告：

cd ~/oprofile-result

$OPROFILE_EVENTS_DIR/bin/opreport --session-dir=. -p $ANDROID_PRODUCT_OUT/symbols -d -l

（注：在Android 2.1 (Eclair)中執行上面的命令出錯，需將opreport換成本身編譯的 0.9.4版本的opreport，編譯步驟參見本文附錄。）

注意：執行以上步驟時若遇到以下出錯信息：

opreport: error while loading shared libraries: libbfd-2.18.0.20080103.so: cannot open shared object file: No such file or directory

可運行以下命令予以解決：

ln -s /usr/lib/libbfd.so /usr/lib/libbfd-2.18.0.20080103.so

3.8 從新運行oprofile

上述步驟一至七完成了一次完整的oprofile採樣和分析過程，若要再次運行oprofile，需復位oprofile並清理上一次的採樣數據，在adb shell中運行：

opcontrol --shutdown

rm /data/oprofile

umount /data/debug

rm -rf /data/debug

而後從新執行上述步驟三至七進行下一次的採集和分析。

4. 簡化oprofile使用步驟的腳本

從上文的介紹能夠看到oprofile的使用比較複雜，爲簡化使用步驟，特編寫若干腳本，只需按照以下步驟運行這些腳本即完成oprofile的各項操做：

1. 工做環境準備：①在eng模式下編譯源代碼；②爲使用oprofile建立一個工做目錄（例如~/oprofile），將下面附的壓縮包oprofile_cmd.zip解開到該目錄下，並進入到該目錄下；③按照前文3.2節的方法獲取kernel start地址和end地址填入op.sh；④確保燒到手機上的系統具備root權限，且所編譯的內核源代碼與手機上實際運行的內核一致；⑤確保運行過choosecombo；

2. 安裝target端：用數據線鏈接手機和PC，在PC上的oprofile工做目錄下運行：

./prepare.sh

（注：若系統是Android 1.6 (Donut)，則運行./prepare.sh donut）

3. 採樣：運行須要進行profiling的應用程序或場景，而後在adb shell中運行：

cd /data

sh op.sh

此時可運行opcontrol --status查看oprofile運行狀態和已採集的樣本數，當採集的樣本數足夠多的時候（根據經驗通常數千便可），在adb shell中運行：

opcontrol --stop

4. 上傳數據：在PC上的oprofile工做目錄下運行：

./import.sh

5. 顯示分析結果：在PC上的oprofile工做目錄下運行：

./report.sh

6. 從新運行oprofile：在adb shell中運行：

cd /data

sh opclean.sh

而後從新執行上述步驟3至5。

5. oprofile分析結果實例

下面是在Android 2.1 (Eclair)上對一個運行alpha animation的應用程序進行oprofile分析的結果：

CPU: CPU with timer interrupt, speed 0 MHz (estimated)

Profiling through timer interrupt

TIMER:0|

samples| %|

------------------

1769 98.4418 app_process

TIMER:0|

samples| %|

------------------

1299 73.4313 libskia.so

386 21.8202 vmlinux

39 2.2046 libdvm.so

17 0.9610 libc.so

9 0.5088 libui.so

4 0.2261 libbinder.so

4 0.2261 libsurfaceflinger.so

4 0.2261 libutils.so

3 0.1696 libandroid_runtime.so

1 0.0565 libGLES_android.so

1 0.0565 gralloc.qsd8k.so

1 0.0565 libm.so

1 0.0565 libstdc++.so

13 0.7234 rild

TIMER:0|

samples| %|

------------------

9 69.2308 vmlinux

4 30.7692 linker

6 0.3339 vmlinux

4 0.2226 cnd

TIMER:0|

samples| %|

------------------

2 50.0000 linker

1 25.0000 cnd

1 25.0000 vmlinux

2 0.1113 adbd

TIMER:0|

samples| %|

------------------

2 100.000 vmlinux

1 0.0556 init

TIMER:0|

samples| %|

------------------

1 100.000 vmlinux

1 0.0556 port-bridge

TIMER:0|

samples| %|

------------------

1 100.000 vmlinux

1 0.0556 opcontrol

TIMER:0|

samples| %|

------------------

1 100.000 vmlinux

samples % image name app name symbol name

554 30.8292 libskia.so app_process S32A_Opaque_BlitRow32_neon

456 25.3756 libskia.so app_process S32A_D565_Blend_neon(unsigned short*, unsigned int const*, int, unsigned int, int, int)

128 7.1230 vmlinux app_process __memzero

113 6.2883 libskia.so app_process memset_128_loop

78 4.3406 libskia.so app_process memset_128_loop

65 3.6171 vmlinux app_process _spin_unlock_irqrestore

20 1.1130 vmlinux app_process get_page_from_freelist

18 1.0017 libskia.so app_process Sprite_D32_S32::blitRect(int, int, int, int)

17 0.9460 vmlinux app_process v7wbi_flush_user_tlb_range

16 0.8904 vmlinux app_process free_hot_cold_page

15 0.8347 libskia.so app_process Sprite_D16_S32_BlitRowProc::blitRect(int, int, int, int)

13 0.7234 vmlinux app_process _spin_unlock_irq

12 0.6678 libdvm.so app_process dalvik_inst

12 0.6678 libskia.so app_process SkDraw::drawPaint(SkPaint const&) const

11 0.6121 vmlinux app_process __dabt_usr

11 0.6121 vmlinux app_process v7_dma_flush_range

10 0.5565 libskia.so app_process S32A_D565_Opaque_Dither(unsigned short*, unsigned int const*, int, unsigned int, int, int)

...

從以上結果能夠看出，在運行alpha animation的過程當中，在oprofile採樣數據中2D圖形庫libskia.so佔了最高的比例，達73.4313%，具體是libskia.so中的函數S32A_Opaque_BlitRow32_neon和S32A_D565_Blend_neon分別佔了最高的前二名，說明在這一過程當中最影響性能的瓶頸是在skia庫中的這幾個函數。

附錄關於在Android 1.6 (Donut)上使用oprofile的注意事項

Android 1.6 (Donut)中自帶的opimport和opreport（位於$OPROFILE_EVENTS_DIR/bin/）是64位的，只能在安裝了64位Linux系統的PC上運行，要在32位系統的PC上運行，解決方法是本身編譯0.9.4版本的opimport和opreport（因Android 1.6 (Donut)中自帶的oprofile是0.9.4版本的）。0.9.4版本oprofile源代碼附在下面：（略）