C++ gprof与cachegrind配置文件

在尝试优化代码时，我对

kcachegrdind

和

gprof

生成的配置文件的差异感到有点困惑。具体地说，如果我使用gprof（使用

-pg

开关编译，等等），我有：

Flat profile:

Each sample counts as 0.01 seconds.
  %   cumulative   self              self     total           
 time   seconds   seconds    calls  ms/call  ms/call  name    
 89.62      3.71     3.71   204626     0.02     0.02  objR<true>::R_impl(std::vector<coords_t, std::allocator<coords_t> > const&, std::vector<unsigned long, std::allocator<unsigned long> > const&) const
  5.56      3.94     0.23 18018180     0.00     0.00  W2(coords_t const&, coords_t const&)
  3.87      4.10     0.16   200202     0.00     0.00  build_matrix(std::vector<coords_t, std::allocator<coords_t> > const&)
  0.24      4.11     0.01   400406     0.00     0.00  std::vector<double, std::allocator<double> >::vector(std::vector<double, std::allocator<double> > const&)
  0.24      4.12     0.01   100000     0.00     0.00  Wrat(std::vector<coords_t, std::allocator<coords_t> > const&, std::vector<coords_t, std::allocator<coords_t> > const&)
  0.24      4.13     0.01        9     1.11     1.11  std::vector<short, std::allocator<short> >* std::__uninitialized_copy_a<__gnu_cxx::__normal_iterator<std::vector<short, std::alloca

平面轮廓：
每个样本计为0.01秒。
%累积自我总数
时间秒秒呼叫ms/呼叫ms/呼叫名称
89.62 3.71 3.71 204626 0.02 0.02 objR:：R_impl（std:：vector const&，std:：vector const&）const
5.56 3.94 0.23 18018180 0.00 0.00 W2（协调常数和，协调常数和）
3.87 4.10 0.16 200202 0.00 0.00构建矩阵（标准：：向量常数&）
0.24 4.11 0.01 400406 0.00 0.00标准：：向量：：向量（标准：：向量常数&）
0.24 4.12 0.01 100000 0.00 0.00 Wrat（标准：：向量常数&，标准：：向量常数&）
0.24 4.13 0.01 9 1.11 1.11 std:：vector*std:uu uninitialized_uCopy_ua
gprof
是一个仪表化分析器，
callgrind
是一个采样分析器。使用插入指令的探查器，每个函数的入口和出口都会有开销，这可能会扭曲配置文件，特别是当您有相对较小的函数被多次调用时。采样探查器往往更精确——它们会略微降低整个程序的执行速度，但这对所有函数的相对影响是相同的

尝试免费30天评估-我怀疑它会给你一个更符合
callgrind
而不是
gprof
的配置文件。你看错了专栏。您必须查看kcachegrind输出中的第二列，即名为“self”的列。这是特定子例程只花费的时间，而不考虑其子例程。第一列有累计时间（它等于主设备的100%机器时间），但信息量不大（在我看来）

请注意，从kcachegrind的输出可以看出，进程的总时间为53.64秒，而子例程“R_impl”中花费的时间为46.72秒，占总时间的87%。所以gprof和kcachegrind几乎完全一致。
那么你的意思是——扔掉gprof的输出，这是明显错误的，对吗？gprof可以用于某些类型的分析-它产生比采样分析程序更准确的调用图信息，它还可以为某些类型的代码（例如，当主要是大型函数时）生成相当精确的时序配置文件。请尝试另一个探查器，如Zoom，以获得关于实时探查的“决定性投票”。@Zhenya:Paul是对的。试试缩放。gprof有。顺便说一句，gprof是一个采样器，但它只适用于PC，并且只适用于CPU有界的情况，因此它对系统调用所花费的时间是盲目的。它插入函数输入代码不是为了测量函数时间，而是为了将PC命中率计入更高级别的调用方。然后它做出各种各样的假设，把结果搞砸了。它确实会给你图形信息，但除非你的程序很小（没有递归），否则它不会告诉你太多。@Mike，@Paul:谢谢！出于好奇：在Zoom和Intel的VTune之间选择有什么具体的优点和/或缺点吗？什么？？gprof正在采样（它将每10或1毫秒对PC进行一次采样，以获得%%count in输出），cachegrind/callgrind正在检测（它们使用valgrind动态检测代码，并通过检测统计在基本块层进行计数）。Cachegrind/callgrind甚至在模拟探查器，因为它测量的不是实时事件，而是虚拟事件（模拟缓存层次结构、模拟分支预测、在没有任何暂停的情况下获取的指令），我认为默认情况下callgrind会在机器指令中显示函数成本。在屏幕截图上，我们可以看到相对成本的百分比。因此，R_impl包含分析期间执行的所有指令的46.72%。