使用 perf + FlameGraph 生成火焰图（Flame Graph）笔记
- 使用 perf + FlameGraph 生成火焰图（Flame Graph）笔记
- 一、什么是火焰图（Flame Graph）
- 火焰图的核心含义
- 二、整体流程概览
- 三、准备环境
- 1️⃣ 安装 perf
- 2️⃣ 下载 FlameGraph 工具
- 四、Step 1：使用 perf record 采样 CPU
- perf 是什么？
- 采样频率说明（99Hz）
- 示例命令
- 结束采样
- 五、Step 2：解析 perf.data（perf script）
- 输出说明
- 六、Step 3：折叠调用栈（stack collapse）
- 执行命令
- 折叠后的格式
- 七、Step 4：生成火焰图 SVG
- 八、Step 5：分析火焰图
- 打开方式
- 关键分析技巧
- 1️⃣ 找最宽的函数
- 2️⃣ 看“平顶山”
- 3️⃣ 从下往上看调用路径
- 4️⃣ 使用搜索功能
- 九、常见问题与建议
- 1️⃣ 为什么一定要 `-g`？
- 2️⃣ cpu-clock vs cycles
- 3️⃣ 生产环境是否安全？
- 十、总结
使用 perf + FlameGraph 生成火焰图（Flame Graph）笔记
参考项目： https://github.com/brendangregg/FlameGraph
适用场景：Linux 服务器 CPU 性能分析、热点函数定位、性能瓶颈排查
一、什么是火焰图（Flame Graph）
火焰图是一种CPU 采样分析可视化图表，用于直观展示：
- 程序在CPU 上花时间最多的函数
- 函数的调用栈关系
- 哪些路径是性能瓶颈（Hot Path）
火焰图的核心含义
- 横轴（X 轴）：CPU 时间占比（越宽表示耗时越多）
- 纵轴（Y 轴）：调用栈深度（越高表示调用层级越深）
- 颜色：仅用于区分函数，无实际性能含义
🔥 顶部最宽的“平顶”函数，往往就是性能瓶颈
二、整体流程概览
生成火焰图通常分为5 个步骤：
- 使用
perf record采集 CPU 采样数据 - 生成原始调用栈文本（
perf script） - 折叠调用栈（stack collapse）
- 生成 SVG 火焰图
- 用浏览器分析火焰图
流程示意：
perf record ↓ perf.data ↓ perf script ↓ perf.unfold ↓ stackcollapse-perf.pl ↓ perf.folded ↓ flamegraph.pl ↓ xxx.svg三、准备环境
1️⃣ 安装 perf
perf是 Linux 内核自带工具（kernel tools），执行perf --version查看版本，若不存在perf命令，则执行如下命令进行安装：
yuminstall-y perf# 或dnfinstall-y perf确认版本：
perf --version2️⃣ 下载 FlameGraph 工具
gitclone https://github.com/brendangregg/FlameGraph.gitcdFlameGraph主要会用到两个脚本：
stackcollapse-perf.plflamegraph.pl
四、Step 1：使用 perf record 采样 CPU
perf 是什么？
perf是Linux 原生性能分析工具（performance 的缩写），可以：
- 采集 CPU 正在执行的函数
- 记录函数调用栈（stack trace）
- 通过采样方式分析性能开销
采样频率说明（99Hz）
默认情况下：
- 每秒采样 99 次（99Hz）
- 如果 99 次采样都命中同一个函数
- 说明这一秒 CPU 几乎都在执行这个函数 👉 很可能是性能瓶颈
示例命令
perf record -e cpu-clock -g -p28591--sleep60参数解释：
| 参数 | 含义 |
|---|---|
-e cpu-clock | 以 CPU 时钟作为采样事件（通用、稳定） |
-g | 记录调用栈（非常关键） |
-p 28591 | 指定进程 PID（主 DN 进程号） |
sleep 60 | 持续采样 60 秒 |
⏱ 一般30~60 秒就足够定位 CPU 热点
结束采样
- 采样期间可以Ctrl + C提前结束
- 当前目录会生成文件：
perf.data五、Step 2：解析 perf.data（perf script）
使用perf script将二进制采样数据转换为文本调用栈：
perf script -i perf.data&>perf.unfold输出说明
perf.unfold中包含：- 每一次采样的
- 完整函数调用栈（从栈顶到栈底）
示例（简化）：
java Interpreter JVM_Invoke syscall六、Step 3：折叠调用栈（stack collapse）
火焰图要求将相同调用路径进行合并统计。
执行命令
./stackcollapse-perf.pl perf.unfold&>perf.folded折叠后的格式
main;foo;bar 120 main;foo;baz 30含义：
main → foo → bar这条调用路径- 被采样120 次
七、Step 4：生成火焰图 SVG
./flamegraph.pl perf.folded>cn.svg生成结果：
cn.svg：标准火焰图文件
八、Step 5：分析火焰图
打开方式
- 直接用浏览器打开：
cn.svg关键分析技巧
1️⃣ 找最宽的函数
- 宽度 = CPU 时间占比
- 越宽，越值得优化
2️⃣ 看“平顶山”
- 火焰图顶部的一大片函数
- 往往是性能瓶颈最终落点
3️⃣ 从下往上看调用路径
- 底部：入口函数（如 main / 线程函数）
- 顶部：最终耗 CPU 的函数
4️⃣ 使用搜索功能
- 点击右上角 🔍
- 输入函数名 / 模块名
九、常见问题与建议
1️⃣ 为什么一定要-g？
- 没有
-g→ 只能看到函数耗时 - 有
-g→ 才能看到调用链（根因分析）
2️⃣ cpu-clock vs cycles
| 事件 | 说明 |
|---|---|
| cpu-clock | 与 CPU 频率无关，推荐 |
| cycles | 与硬件相关，受频率影响 |
👉通用分析优先用cpu-clock
3️⃣ 生产环境是否安全？
- perf 属于采样分析
- 对性能影响很小（通常 <5%）
- 适合线上问题定位（建议短时间）
十、总结
一句话总结：
perf 负责采样，FlameGraph 负责可视化，火焰图让 CPU 热点一眼可见。
核心命令回顾：
perf record -e cpu-clock -g -p<PID>--sleep60perf script -i perf.data&>perf.unfold ./stackcollapse-perf.pl perf.unfold&>perf.folded ./flamegraph.pl perf.folded>result.svg若有转载，请标明出处：https://blog.csdn.net/CharlesYuangc/article/details/157093811
)