gperftools是Google提供的一套工具，其中的一个功能是CPU profiler，用于分析程序性能，找到程序的性能瓶颈。
安装
gperftools：http://code.google.com/p/gperftools/downloads/list
libunwind：http://download.savannah.gnu.org/releases/libunwind/
64位操作系统需要安装libunwind，官方推荐版本是libunwind-0.99-beta
安装过程：./configure [--disable-shared] &&make && make install
Graphviz是一个由AT&T实验室启动的开源工具包，用于绘制DOT语言脚本描述的图形，gperftools依靠此工具生成图形分析结果。
安装命令：yum install graphviz
1.编译libunwind库
因为使用的是X86_64的Linux系统，因此需要安装libunwind库。
安装方法很简单，常见的configure,make,make install的套路。
wget http://download.savannah.gnu.org/releases/libunwind/libunwind-0.99-beta.tar.gz
tarxvzf libunwind-0.99-beta.tar.gz
cd libunwind-0.99-beta
./configure
make
makeinstall
因为默认的libunwind安装在/usr/local/lib目录下，需要将这个目录添加到系统动态库缓存中。
echo "/usr/local/lib" > /etc/ld.so.conf.d/usr_local_lib.conf
/sbin/ldconfig
libunwind的最新版本是1.0.1，那为什么
不选择最新版本呢？google
perftools的INSTALL文件中给了说明。版本低于0.99-beta的libunwind与preftools一起工作可能不正常，但是高于
0.99-beta的版本中可能包含一些与perftools不兼容的代码(因为libunwind会调用malloc，可能会导致死锁)。
libunwind在X86_64平台上和perftools有不少问题，不过不会影响核心的tcmalloc库，但是会影响perftools中的工
具，例如cpu-profiler,heap-checker,heap-profiler。
2.编译google-perftools
因为我们只需要tcmalloc功能，因此不编译google-perftools中的其他工具。
wget http://gperftools.googlecode.com/files/google-perftools-1.9.1.tar.gz
tarxvzf google-perftools-1.9.1.tar.gz
cd google-perftools-1.9.1
./configure --disable-cpu-profiler --disable-heap-profiler --disable-heap-checker --enable-minimal--disable-dependency-tracking
make
makeinstall
/sbin/ldconfig
用法
1.目标程序中引入头文件<google/profiler.h>，链接libprofiler库，64位操作系统同时链接libunwind库，在需要分析代码的起点和终点调用ProfilerStart()函数和ProfilerStop()函数
2.编译链接，运行程序
分析输出
pprof脚本用于分析profile文件并输出结果，包括文本和图形两种输出风格。
例如：demo是目标程序，my.prof是profile文件
生成文本风格结果：pprof --text ./demo my.prof >profile.txt
生成图形风格结果：pprof --pdf ./demo my.prof > profile.pdf
对于一个函数的CPU使用时间分析，分为两个部分：
1.整个函数消耗的CPU时间，包括函数内部其他函数调用所消耗的CPU时间
2.不包含内部其他函数调用所消耗的CPU时间（内联函数除外）
关于文本风格输出结果
|
序号 |
说明 |
|
1 |
分析样本数量（不包含其他函数调用） |
|
2 |
分析样本百分比（不包含其他函数调用） |
|
3 |
目前为止的分析样本百分比（不包含其他函数调用） |
|
4 |
分析样本数量（包含其他函数调用） |
|
5 |
分析样本百分比（包含其他函数调用） |
|
6 |
函数名 |
关于图形风格输出结果
1.节点
每个节点代表一个函数，节点数据格式：
|
Class Name Method Name local (percentage) of cumulative (percentage) |
local时间是函数直接执行的指令所消耗的CPU时间（包括内联函数）；性能分析通过抽样方法完成，默认是1秒100个样本，一个样本是10毫秒，即时间单位是10毫秒；
cumulative时间是local时间与其他函数调用的总和；
如果cumulative时间与local时间相同，则不打印cumulative时间项。
2.有向边
调用者指向被调用者，有向边上的时间表示被调用者所消耗的CPU时间
示例
代码如下，可以看出，CPU消耗集中在func1()和func2()两个函数，func2()消耗时间约为func1()的两倍。
#include <google/profiler.h>
#include <iostream>
using namespace std;
void func1() {
int i = 0;
while (i < 100000) {
++i;
}
}
void func2() {
int i = 0;
while (i < 200000) {
++i;
}
}
void func3() {
for (int i = 0; i < 1000; ++i) {
func1();
func2();
}
}
int main(){
ProfilerStart("my.prof"); // 指定所生成的profile文件名
func3();
ProfilerStop(); // 结束profiling
return 0;
}
然后编译链接运行，使用pprof生成分析结果
g++-o demo demo.cpp -lprofiler -lunwind
pprof--text ./demo my.prof > output.txt
pprof--pdf ./demo my.prof > output.pdf
查看分析结果，程序是122个时间样本，其中，func1()是40个时间样本，约为400毫秒；func2()是82个时间样本，约为820毫秒。
Total: 122 samples
82 67.2% 67.2% 82 67.2% func2
40 32.8% 100.0% 40 32.8% func1
0 0.0% 100.0% 122 100.0% __libc_start_main
0 0.0% 100.0% 122 100.0% _start
0 0.0% 100.0% 122 100.0% func3
0 0.0% 100.0% 122 100.0% main