intel-vtune-amd-uprof

Intel VTune & AMD uProf

用途

指导 Agent 使用 Intel VTune Profiler（免费社区版）和 AMD uProf 进行 CPU 微架构性能分析：识别热点、分析微架构、优化内存访问模式、诊断流水线停顿，以及分析 Roofline 模型。

触发条件

• “如何使用 Intel VTune 分析我的代码？”
• “什么是流水线停顿？如何减少停顿？”
• “如何使用 VTune 分析内存带宽？”
• “什么是 Roofline 模型？如何使用它？”
• “如何使用 AMD uProf 作为 VTune 的免费替代方案？”
• “我的代码缓存命中率很高，但运行仍然很慢”

工作流

1. 设置 VTune（免费社区版）

# Download Intel VTune Profiler (Community Edition — free)
# https://www.intel.com/content/www/us/en/developer/tools/oneapi/vtune-profiler.html

# Install on Linux
source /opt/intel/oneapi/vtune/latest/env/vars.sh

# CLI usage
vtune -collect hotspots ./prog
vtune -collect microarchitecture-exploration ./prog
vtune -collect memory-access ./prog

# View results in GUI
vtune-gui &
# File → Open Result → select .vtune directory

# Or use amplxe-cl (legacy CLI)
amplxe-cl -collect hotspots ./prog
amplxe-cl -report hotspots -r result/

2. 分析类型

分析	可发现的问题	适用场景
热点分析	CPU 密集型函数	第一步——找出时间花在哪里
微架构探索	IPC、流水线停顿、退役指令	找到热点后——分析热点为何运行缓慢
内存访问	缓存未命中、DRAM 带宽、NUMA	内存密集型代码
线程分析	锁竞争、并行效率	多线程代码
HPC 性能分析	向量化、内存、Roofline	HPC／科学计算代码
I/O 分析	磁盘和网络瓶颈	I/O 密集型代码

3. 热点分析

# Collect and report hotspots
vtune -collect hotspots -result-dir hotspots_result ./prog

# Report top functions by CPU time
vtune -report hotspots -r hotspots_result -format csv | head -20

# CLI output example:
# Function       CPU Time  Module
# compute_fft    4.532s    libfft.so
# matrix_mult    2.108s    prog
# parse_input    0.234s    prog

使用调试信息构建，以便获得有意义的符号：

gcc -O2 -g ./prog.c -o prog     # symbols visible in VTune
gcc -O2 -g -gsplit-dwarf -fno-omit-frame-pointer ./prog.c -o prog  # better stacks

4. 微架构探索——流水线停顿

vtune -collect microarchitecture-exploration -r micro_result ./prog
vtune -report summary -r micro_result

需要检查的关键指标：

指标	含义	良好值
IPC（每时钟周期指令数）	每个周期退役的指令数	x86：目标为 > 2.0
CPI（每条指令的时钟周期数）	IPC 的倒数	越低越好
错误推测	分支预测错误	< 5%
前端受限	指令解码瓶颈	< 15%
后端受限	执行单元或内存停顿	< 30%
退役	有效工作所占比例	理想值 > 70%
内存受限	等待内存的周期百分比	< 20%

Pipeline Analysis (Top-Down Methodology):
├── Retiring (good, useful work)
├── Bad Speculation (branch mispredictions)
├── Front-End Bound
│   ├── Fetch Latency (I-cache misses, branch mispredicts)
│   └── Fetch Bandwidth
└── Back-End Bound
    ├── Memory Bound
    │   ├── L1 Bound → L1 cache misses
    │   ├── L2 Bound → L2 cache misses
    │   ├── L3 Bound → L3 cache misses
    │   └── DRAM Bound → main memory bandwidth limited
    └── Core Bound → ALU/compute bound

5. 内存访问分析

# Collect memory access profile
vtune -collect memory-access -r mem_result ./prog

# Key output sections:
# - Memory Bound: % time waiting for memory
# - LLC (Last Level Cache) Miss Rate
# - DRAM Bandwidth: GB/s achieved vs theoretical peak
# - NUMA: cross-socket accesses (for multi-socket systems)

查看 DRAM 带宽：

DRAM Bandwidth: 18.4 GB/s
Peak Theoretical: 51.2 GB/s
Utilization: 36% — likely not DRAM-bound

如果受 DRAM 带宽限制：优化数据布局（AoS → SoA）、缩小工作集、改善空间局部性。

6. AMD uProf——AMD CPU 的免费替代方案

# Download AMD uProf
# https://www.amd.com/en/developer/uprof.html

# CLI profiling
AMDuProfCLI collect --config tbp ./prog          # time-based profiling
AMDuProfCLI collect --config assess ./prog       # microarchitecture assessment
AMDuProfCLI collect --config memory ./prog       # memory access

# Generate report
AMDuProfCLI report -i /tmp/uprof_result/ -o report.html

# Open GUI
AMDuProf &

AMD uProf 指标与 VTune 指标的对应关系：

• Retired Instructions → IPC 分析
• Branch Mispredictions → 错误推测
• L1/L2/L3 Cache Misses → 内存受限级别
• Data Cache Accesses → 缓存效率

7. Roofline 模型

Roofline 模型通过将实际性能与硬件上限进行比较，展示代码是受计算能力还是内存带宽限制：

Performance (GFLOPS/s)
     |                    _______________
Peak |                 /
Perf |              /  compute bound
     |           /
     |        /
     |     /  memory bandwidth bound
     |  /
     +------------------------------→
        Arithmetic Intensity (FLOPS/Byte)

# VTune roofline collection
vtune -collect hpc-performance -r roofline_result ./prog
# Then: VTune GUI → Roofline view

# For manual calculation:
# Arithmetic Intensity = FLOPS / memory_bytes_accessed
# Peak FLOPS = CPUs × cores × freq × FLOPS_per_cycle_per_core
# Peak BW = from hardware spec (e.g., 51.2 GB/s for DDR4-3200 dual channel)

# likwid-perfctr for manual roofline data (Linux)
likwid-perfctr -C 0 -g FLOPS_DP ./prog          # double-precision FLOPS
likwid-perfctr -C 0 -g MEM ./prog               # memory bandwidth

相关技能

• 使用 skills/profilers/hardware-counters，通过 perf stat 收集原始 PMU 事件
• 使用 skills/profilers/linux-perf，在 Linux 上通过 perf 进行性能分析
• 使用 skills/low-level-programming/cpu-cache-opt，优化内存访问模式
• 使用 skills/low-level-programming/simd-intrinsics，通过向量化提高 FLOPS