C++ 您最喜欢的C/C++；性能分析器/分析器？
我正在尝试选择一个性能分析器来使用。我是一个初学者，不知道在性能分析器中应该寻找什么。最重要的特征是什么？两个经典答案（假设您在*nix世界中）是和。您需要（至少）检查每个过程或函数中花费的时间。如果您使用C++ 您最喜欢的C/C++；性能分析器/分析器？,c++,performance,profiler,C++,Performance,Profiler,我正在尝试选择一个性能分析器来使用。我是一个初学者，不知道在性能分析器中应该寻找什么。最重要的特征是什么？两个经典答案（假设您在*nix世界中）是和。您需要（至少）检查每个过程或函数中花费的时间。如果您使用valgrind，我强烈建议您可视化性能瓶颈。 稳定性-能够在长时间内分析您的进程，而不会崩溃或耗尽内存。令人惊讶的是，有多少商业分析人士未能做到这一点 我希望在分析器中显示以下功能/输出信息。 1.）应能够显示消耗的总时钟周期以及每个功能的总时钟周期 2.）如果没有，则应说明每个功能消耗的总
valgrind- 稳定性-能够在长时间内分析您的进程，而不会崩溃或耗尽内存。令人惊讶的是，有多少商业分析人士未能做到这一点
=ADgoldenmean说得对，我想补充一点，行执行计数有时也很方便。您所需要的只是一个带有“暂停”按钮的调试器或IDE。它不仅是最简单、最便宜的工具，而且以我的经验，它是最好的 编辑，因为我想到了一个更好的答案： 另一方面，我在70年代学习人工智能，当时有一个非常流行的想法是自动编程，许多人都试图实现它。 （我试了一下。） 其想法是尝试自动化拥有领域知识结构以及所需功能需求的过程，以生成（和调试）能够满足这些需求的程序。 这将是编程领域自动推理的一次巡回演出。 有一些诱人的示威，但在实际意义上，这一领域并没有走得很远。 尽管如此，它还是为编程语言贡献了很多想法，比如契约和逻辑验证技术 为了构建一个理想的分析器，为了优化程序，它将每纳秒获取一个程序状态样本。 无论是在运行中还是以后（理想情况下，记得吗？），它都会仔细检查每个样本，看看在知道程序执行的原因后，特定的纳秒工作是否确实是必要的，或者是否可以以某种方式消除 这将是数十亿个样本和大量推理，但当然会有巨大的重复，因为任何浪费成本，比如说，10%的时间，都会在10%的样本上表现出来。 这种浪费可以在不到十亿个样本中识别出来。 如果事实上，100个甚至更少的样本可以发现它，只要它们是在时间上随机选择的，或者至少是在用户关心的时间间隔内随机选择的。 这是假设我们的目的是找到损耗，这样我们就可以消除它，而不是用很高的精度来测量它 为什么将所有这些推理能力应用于每个样本会有帮助？ 好吧，如果程序很小，并且它只寻找O（n^2）代码之类的东西，那么它应该不会太难。 但是，假设程序的状态由20-30级的过程堆栈组成，可能有一些递归函数调用出现不止一次，可能有一些函数调用外部处理器来执行IO，可能程序的操作由表中的某些数据驱动。 然后，要确定特定样本是否浪费，需要潜在地检查所有或至少部分状态信息，并使用推理能力来确定在完成功能需求时是否确实有必要 探查器所要寻找的是纳秒被用于可疑的原因。 要了解花费它的原因，需要检查堆栈上的每个函数调用站点，以及围绕它的代码，或者至少检查其中的一些站点。 花费纳秒的必要性要求在堆栈上执行每个语句的逻辑和必要性。 只需要一个这样的函数调用站点就可以对整个示例进行可疑的对正。 因此，如果整个目的是为了发现纳秒被用于可疑的原因，那么样本越复杂越好， 每个样本的推理能力越强越好。 （这就是为什么较大的程序有更大的加速空间——它们有更深的堆栈，因此调用更多，因此更可能出现错误的调用。） 好的，那是在将来。 然而，由于我们不需要大量的样本（10或20个样本非常有用），而且我们已经有了高度智能的自动程序员（以比萨饼和苏打水为动力）， 我们现在可以做了 将其与我们今天称之为分析器的工具进行比较。 他们中的佼佼者采集了堆栈样本，但他们的输出是什么？ 测量。“热门路线”。鼠巢图。赏心悦目。 从这些方面来看，即使是人工智能的程序员也很容易忽略效率低下的问题，除了那些被输出暴露出来的问题。 在你修复了那些你确实找到的之后，那些你没有找到的就是那些让一切变得不同的东西
学习人工智能的一个方面是，如果人类原则上也做不到的话，不要期望能够编程让计算机做一些事情。我更喜欢采样分析器而不是仪器分析器。分析器应该能够将样本数据映射回源代码，最好是在GUI中。我所知道的两个最好的例子是：
- MacOSX:Shark
- Linux：缩放