flamegraphs

火焰图

用途

指导 Agent 完成从性能分析器数据到 SVG 火焰图的流程，并讲解如何解读火焰图，以便据此做出具体的优化决策。

触发语

• “如何根据 perf 数据生成火焰图？”
• “如何解读火焰图？”
• “火焰图显示有一个很宽的框，这意味着什么？”
• “如何根据 Callgrind 生成火焰图？”
• “我想比较两张火焰图（优化前/后）”

工作流

1. 安装 FlameGraph 工具

git clone https://github.com/brendangregg/FlameGraph
# No install needed; scripts are in the repo
export PATH=$PATH:/path/to/FlameGraph

2. perf → 火焰图（最常用路径）

# Step 1: record
perf record -F 999 -g -o perf.data ./prog

# Step 2: generate script output
perf script -i perf.data > out.perf

# Step 3: collapse stacks
stackcollapse-perf.pl out.perf > out.folded

# Step 4: generate SVG
flamegraph.pl out.folded > flamegraph.svg

# Step 5: view
xdg-open flamegraph.svg     # Linux
open flamegraph.svg          # macOS

单行命令：

perf record -F 999 -g ./prog && perf script | stackcollapse-perf.pl | flamegraph.pl > fg.svg

3. 差分火焰图（优化前/后）

# Collect two profiles
perf record -g -o before.data ./prog_old
perf record -g -o after.data ./prog_new

# Collapse
perf script -i before.data | stackcollapse-perf.pl > before.folded
perf script -i after.data  | stackcollapse-perf.pl > after.folded

# Diff (red = regressed, blue = improved)
difffolded.pl before.folded after.folded | flamegraph.pl > diff.svg

4. Callgrind → 火焰图

valgrind --tool=callgrind --callgrind-out-file=cg.out ./prog
stackcollapse-callgrind.pl cg.out | flamegraph.pl > fg.svg

5. 其他性能分析器输入

# Go pprof
go tool pprof -raw -output=prof.txt prog
stackcollapse-go.pl prof.txt | flamegraph.pl > fg.svg

# DTrace
dtrace -x ustackframes=100 -n 'profile-99 /execname=="prog"/ { @[ustack()] = count(); }' \
  -o out.stacks sleep 10
stackcollapse.pl out.stacks | flamegraph.pl > fg.svg

# Java (async-profiler)
async-profiler -d 30 -f out.collapsed PID
flamegraph.pl out.collapsed > fg.svg

6. 解读火焰图

火焰图是调用栈的可视化图表：

• X 轴：CPU 时间（不是时间序列）——越宽表示耗时越长
• Y 轴：调用栈深度——越高表示调用链越深
• 颜色：随机（没有特别含义）——差分模式除外

需要关注的内容：

模式	含义	操作
底部附近的宽框	函数本身是热点	优化该函数
宽框上方有高而窄的塔形框	调用了许多不同的被调用函数	热点分派；减少调用开销
非常高且底部宽阔的调用栈	深度递归	检查递归深度；考虑改用迭代方式
顶部的平台	没有被调用函数的叶子函数	该叶子函数才是真正的热点
许多相同的窄调用栈	许多线程在执行相同的工作	考虑并行处理或批处理

找出可采取优化措施的热点：

1. 找出最宽的顶部框（上方没有子框或只有较窄的子框）
2. CPU 时间实际消耗在这里
3. 向下追溯，了解是什么调用了它以及原因

差分火焰图：

• 红色框：新配置文件中的耗时更多（性能回退）
• 蓝色框：新配置文件中的耗时更少（性能提升）
• 只出现在一个配置文件中的框会以纯色显示

7. flamegraph.pl 选项

flamegraph.pl --title "My App" \
              --subtitle "Release build, workload X" \
              --width 1600 \
              --height 16 \
              --minwidth 0.5 \
              --colors java \
              out.folded > fg.svg

选项	效果
--title	SVG 标题
--width	宽度（像素）
--height	框高（像素）
--minwidth	忽略小于 N% 的框（减少杂乱）
--colors	调色板：hot（默认）、mem、io、java、js、perl、red、green、blue
--inverted	冰柱图（根节点在顶部）
--reverse	反转调用栈
--cp	使用一致的调色板（相同的框在不同 SVG 中使用相同的颜色）

参考资料

有关工具安装、stackcollapse 脚本和调色板选项，请参阅 references/tools.md。

相关技能

• 使用 skills/profilers/linux-perf 收集 perf 数据
• 使用 skills/profilers/valgrind 收集 Callgrind 数据
• 使用 skills/compilers/clang 根据采样配置文件生成 LLVM PGO