perf 场景化学习架构：从入门到精通

通过 12 个独立 demo，逐个覆盖 perf stat、perf record、perf top、perf annotate、perf sched、perf lock、perf mem、perf c2c、perf trace、perf probe、perf list、perf script、perf diff 的全部核心用法及 50+ 个关键 event。每个 demo 遵循同一模板：程序（main.cpp）→ Makefile → README → 分析指南 → 一句话总结。

一、设计原则

1.1 为什么需要新 demo

现有 demo	覆盖能力	缺失的
`cpu-demo`（3 场景）	`perf stat` 基本指标、`:u`/`:k` 视角陷阱、O0 vs O2	硬件 PMU 事件深入、采样+火焰图实战、tracepoint 事件
`tlb-thrashing`	`dTLB-load-misses` 单一事件、步长→TLB 拐点	多事件组合分析、perf record 采样实践
`compiler-reordering`	编译器 UB 复现（非 perf 导向）	锁争用、原子操作开销、perf lock
`crash-signals`	信号（非 perf 导向）	—

核心缺口：缺少系统化的、逐事件逐子命令的实战 demo，现有 demo 都是为特定理论服务，而非为"学会用 perf"服务。

1.2 设计原则

一个 demo 一个核心知识点：每个 demo 聚焦 1~2 个 perf 子命令 + 2~5 个关键 event，不贪多
可独立运行：每个 demo 有自己的 Makefile + README.md，make run 一键运行
输出可预测：每个 demo 的运行结果有明确的"正确答案"，方便自检
渐进式：从最简单的 perf stat 到复杂的 perf probe + perf script
复用现有 demo：4 个已有 demo 纳入学习路径，新做 8 个补齐缺口

二、12 场景全景

bash

┌─────────────────────────────────────────────────────────────────────────────┐
│                         perf 学习路线图（12 场景）                              │
├─────────────────────────────────────────────────────────────────────────────┤
│                                                                             │
│  入门级（3 场景）          进阶级（4 场景）          专家级（5 场景）           │
│  ────────────────         ────────────────         ────────────────           │
│                                                                             │
│  D1 cpu-demo:stat         D4 cache-miss           D8 lock-contention         │
│  │  perf stat 基本指标     │  cache-references,    │  perf lock, futex,       │
│  │  task-clock, cycles,    │  cache-misses,         │  lockdep                 │
│  │  instructions, IPC      │  LLC-load-misses       │                          │
│  │  [已有]                 │  [新增]                │  [新增]                   │
│  │                         │                        │                          │
│  D2 cpu-demo:record       D5 branch-predict        D9 false-sharing          │
│  │  perf record/report     │  branch-instructions,  │  perf c2c, cache-line    │
│  │  火焰图, call-graph     │  branch-misses          │  contention              │
│  │  [已有 + 补充]          │  [新增]                │  [新增]                   │
│  │                         │                        │                          │
│  D3 tlb-thrashing         D6 stall-analysis        D10 sched-latency         │
│  │  dTLB-loads,           │  stalled-cycles-       │  perf sched record/       │
│  │  dTLB-load-misses       │  frontend/backend       │  latency/timehist         │
│  │  [已有]                 │  [新增]                │  [已有文档 + 新增demo]    │
│  │                         │                        │                          │
│                            D7 syscall-trace         D11 perf-probe            │
│                            │  perf trace,            │  perf probe,             │
│                            │  syscalls tracepoint     │  dynamic tracepoint      │
│                            │  [新增]                │  [新增]                   │
│                                                     │                          │
│                                                     D12 perf-bench-diff       │
│                                                       perf bench,              │
│                                                       perf diff                │
│                                                       [新增]                   │
│                                                                             │
└─────────────────────────────────────────────────────────────────────────────┘

三、逐场景详细设计

D1: cpu-demo — `perf stat` 基础指标（已有，需补充分析指南）

项	内容
demo 目录	demos/cpu-demo/
perf 子命令	`perf stat`
关键 event	`task-clock`, `context-switches`, `cpu-migrations`, `page-faults`, `cycles`, `instructions`, `branches`, `branch-misses`
学习目标	读懂 `perf stat` 的 8 项默认输出，区分 utime/stime 场景，理解 IPC 基本含义
分析指南	analysis-stat — 场景 1/2/3 各自的 `perf stat` 输出逐行解读
已有关联文档	`perf-case-studies/01~06`（`:u`/`:k` 视角陷阱深度分析）

D2: cpu-demo — `perf record` + 火焰图（已有程序，需补充分析指南）

项	内容
demo 目录	demos/cpu-demo/
perf 子命令	`perf record`, `perf report`, `perf script`
关键 event	`cycles`（默认采样事件）, `instructions`
学习目标	采样调用栈 → 看懂 `perf report` 的 Overhead 列 → 生成火焰图 → 对比 O0 vs O2 下火焰图的差异
分析指南	analysis-record — 场景 1/2 的 record→report→火焰图完整流程
已有关联文档	perf §二~§三

D3: tlb-thrashing — TLB 事件分析（已有，需补充分析指南）

项	内容
demo 目录	demos/tlb-thrashing/
perf 子命令	`perf stat`, `perf record`
关键 event	`dTLB-loads`, `dTLB-load-misses`, `iTLB-loads`, `iTLB-load-misses`, `cycles`, `instructions`
学习目标	理解 TLB miss 率随工作集变化的规律，学会用 `perf stat` 定量测量 TLB 行为
分析指南	analysis — 不同步长 D 的 `perf stat` 对比表 + `perf record -e dTLB-load-misses -g` 采样分析
已有关联文档	tlb

D4: cache-miss — 缓存未命中模式（新增）

项	内容
demo 目录	demos/cache-miss/
perf 子命令	`perf stat`, `perf record`, `perf annotate`
关键 event	`cache-references`, `cache-misses`, `L1-dcache-loads`, `L1-dcache-load-misses`, `LLC-loads`, `LLC-load-misses`, `cycles`, `instructions`
学习目标	对比顺序访问 vs 随机访问 vs 跨步访问的缓存命中率差异，理解"缓存友好"数据布局
程序设计	3 种遍历模式对比：① `a[i]` 顺序 ② `a[rand()%N]` 随机 ③ `a[i*stride]` 跨步（stride=16/64/256）。每种模式固定操作次数，用 `perf stat` 测 cache-misses 率
关键看点	顺序访问 L1 miss <1%，随机访问 L1 miss >50%；LLC miss 在数据集超过 LLC 大小后飙升

D5: branch-predict — 分支预测（新增）

项	内容
demo 目录	demos/branch-predict/
perf 子命令	`perf stat`, `perf annotate`
关键 event	`branch-instructions`, `branch-misses`, `branch-loads`, `branch-load-misses`, `cycles`, `instructions`
学习目标	理解分支预测器对有序/无序数据的不同表现，学会用 `perf annotate` 看汇编级分支行为
程序设计	① 排序数组的 `if (a[i] > threshold)` — 分支规律，预测成功率高 ② 随机数组的同样判断 — 分支无规律，预测失败率高 ③ 无分支写法 (`sum += (a[i] > threshold)`) 对比
关键看点	有序数组 branch-miss <1%，随机数组 ~50%；无分支写法牺牲可读性但消除 branch-miss

D6: stall-analysis — 流水线停顿分析（新增）

项	内容
demo 目录	demos/stall-analysis/
perf 子命令	`perf stat`
关键 event	`stalled-cycles-frontend`, `stalled-cycles-backend`, `cycles`, `instructions`, `cache-misses`, `branch-misses`, `L1-icache-load-misses`
学习目标	区分前端停顿（取指瓶颈）vs 后端停顿（数据瓶颈），用组合事件定位根因
程序设计	4 种模式：① 纯计算（对照组，低 stall）② 大量函数指针间接调用（前端 stall）③ 随机内存访问（后端 stall）④ 长依赖链计算 `s += s*s`（后端 stall，数据依赖）
关键看点	`stalled-cycles-frontend / cycles` vs `stalled-cycles-backend / cycles` 的占比对比，理解"前端=喂不饱，后端=等数据"

D7: syscall-trace — 系统调用追踪（新增）

项	内容
demo 目录	demos/syscall-trace/
perf 子命令	`perf trace`, `perf stat -e 'syscalls:*'`
关键 event	`syscalls:sys_enter_`, `syscalls:sys_exit_`, `context-switches`
学习目标	用 `perf trace` 实时看每个 syscall 的参数和耗时，对比 strace 的性能开销差异
程序设计	混合 3 种 syscall 模式：① `read`/`write` 小文件 IO ② `futex` 锁等待 ③ `nanosleep` 定时睡眠。用 `perf trace -s` 看各 syscall 的总耗时分布
关键看点	`perf trace` 开销远低于 strace（基于 perf 而非 ptrace）；`futex` 耗时反映锁争用程度

D8: lock-contention — 锁争用分析（新增）

项	内容
demo 目录	demos/lock-contention/
perf 子命令	`perf lock record` → `perf lock report`, `perf stat -e 'syscalls:sys_enter_futex'`
关键 event	`lock:contention_begin`, `lock:contention_end`（kernel lock tracepoint）
学习目标	用 `perf lock` 定位哪个锁争用最严重、平均等待时间、最大等待时间
程序设计	4 线程争用 3 种锁：① `std::mutex` 短临界区（轻争用）② `std::mutex` 长临界区（重争用）③ `pthread_spinlock` 极短临界区（对比 mutex）。运行 10 秒采集锁事件
关键看点	`perf lock report` 输出每把锁的 contended/total/wait-time/max-wait；spinlock 在短临界区下等待时间 < mutex

项	内容
demo 目录	demos/false-sharing/
perf 子命令	`perf c2c record` → `perf c2c report`
关键 event	`cpu/mem-loads/`, `cpu/mem-stores/`（Intel PEBS 精确采样）
学习目标	理解 cache line 乒乓效应，用 `perf c2c` 的 HITM 指标定位伪共享
程序设计	2 线程各自自增相邻的 `int`：① 同一 cache line（伪共享，性能暴跌）② `alignas(64)` 隔开（正确，无竞争）。固定时间测吞吐量
关键看点	伪共享版本吞吐量暴跌 5~20x；`perf c2c report` 的 HITM%（本地命中修改）>50% 即确诊；`perf c2c report -d` 看 cache line 的地址分布

D10: sched-latency — 调度延迟诊断（已有文档 + 新增 demo）

项	内容
demo 目录	demos/sched-latency/
perf 子命令	`perf sched record` → `perf sched latency` / `perf sched timehist` / `perf sched map`
关键 event	`sched:sched_switch`, `sched:sched_wakeup`, `sched:sched_migrate_task`, `sched:sched_stat_runtime`, `sched:sched_stat_wait`
学习目标	用 `perf sched` 全套子命令分析调度行为，判断线程是"在运行"还是"在等调度"
程序设计	混合 3 种调度模式：① CPU 密集型（一直跑，几乎不切换）② IO 等待型（`usleep` 频繁睡眠/唤醒）③ 多线程竞争（N 线程 > 核数，频繁抢占）。运行 10 秒录制调度事件
关键看点	`perf sched latency` 看每线程平均/最大调度延迟；`perf sched timehist -V` 可视化时间线；`perf sched map` ASCII 调度图
已有关联文档	perf-sched

D11: perf-probe — 动态探针（新增）

项	内容
demo 目录	demos/perf-probe/
perf 子命令	`perf probe`, `perf record -e probe:*`, `perf script`
关键 event	`probe:*`（用户自定义动态探针）
学习目标	在任意函数入口/出口/指定行插入探针，采集参数值和调用栈
程序设计	一个简单函数 `int do_work(int n)` 被循环调用，参数 n 随机变化。用 `perf probe` 在 `do_work` 入口插探针 → `perf record -e probe:do_work` 采样 → `perf script` 看每次调用的参数分布
关键看点	`perf probe -x ./prog --add 'do_work n=%di'` 抓函数参数；`perf probe --del '*'` 清理；比 `printf` 调试开销低、无需重编译
已有关联文档	实验入口 · 原理篇

D12: perf-bench-diff — 微基准测试 + 优化前后对比（新增）

项	内容
demo 目录	demos/perf-bench-diff/
perf 子命令	`perf bench`, `perf stat`, `perf diff`
关键 event	`cycles`, `instructions`, `IPC`, `cache-misses`, `branch-misses`
学习目标	用 `perf bench` 测系统基础性能 → 用 `perf stat` 测自己程序的优化前后 → 用 `perf diff` 定量对比
程序设计	一个可优化的函数：① 基线版（朴素实现，差缓存局部性）② 优化版（改数据布局/循环展开/预取）。分别 `perf record` → `perf diff data1 data2` 看各函数的 ±% 变化
关键看点	`perf diff` 的 Delta% 列直观显示优化效果；`perf bench mem memcpy` 测内存带宽基线

四、Event 覆盖矩阵

下表列出 12 个场景覆盖的所有 perf event，打 √ 表示该场景的核心 event：

Event 类别	Event 名	D1	D2	D3	D4	D5	D6	D7	D8	D9	D10	D11	D12
软件事件	`task-clock`	√											√
	`context-switches`	√
	`cpu-migrations`	√									√
	`page-faults`	√
	`minor-faults`	√
	`major-faults`	√
核心计算	`cycles`	√	√	√	√	√	√						√
	`instructions`	√	√	√	√	√	√						√
	`IPC`	√		√	√	√	√						√
	`ref-cycles`												√
流水线停顿	`stalled-cycles-frontend`						√
	`stalled-cycles-backend`						√
分支预测	`branch-instructions`	√				√
	`branch-misses`	√				√	√
	`branch-loads`					√
	`branch-load-misses`					√
缓存层级	`cache-references`				√		√
	`cache-misses`				√		√						√
	`L1-dcache-loads`				√
	`L1-dcache-load-misses`				√
	`L1-icache-load-misses`						√
	`LLC-loads`				√
	`LLC-load-misses`				√
TLB	`dTLB-loads`			√
	`dTLB-load-misses`			√
	`iTLB-loads`			√
	`iTLB-load-misses`						√
Tracepoint	`sched:sched_switch`										√
	`sched:sched_wakeup`										√
	`sched:sched_migrate_task`										√
	`sched:sched_stat_runtime`										√
	`sched:sched_stat_wait`										√
	`syscalls:sys_enter_*`							√
	`syscalls:sys_exit_*`							√
	`lock:contention_begin`								√
	`lock:contention_end`								√
PEBS	`cpu/mem-loads/`									√
	`cpu/mem-stores/`									√
动态探针	`probe:*`											√

覆盖统计：12 个场景覆盖 40+ 个 perf event，涵盖软件事件、硬件 PMU 事件（核心计算/流水线/分支/缓存/TLB）、内核 tracepoint、PEBS 精确采样、动态探针 5 大类。

五、Perf 子命令覆盖矩阵

子命令	D1	D2	D3	D4	D5	D6	D7	D8	D9	D10	D11	D12
`perf stat`	√		√	√	√	√	√					√
`perf record`		√	√	√				√	√	√	√	√
`perf report`		√		√
`perf top`		√
`perf annotate`				√	√
`perf trace`							√
`perf lock`								√
`perf c2c`									√
`perf sched`										√
`perf probe`											√
`perf script`											√
`perf bench`												√
`perf diff`												√
`perf list`	√		√	√	√	√	√	√	√	√	√	√

覆盖 14 个核心子命令，perf list 作为查找 event 的基础操作在每个场景都会用到。

六、文件结构规划

bash

demos/
├── cpu-demo/                    # [已有] D1+D2 的 demo 程序
│   ├── main.cpp
│   ├── Makefile
│   ├── README.md
│   ├── analysis-stat.md         # [新增] D1 perf stat 分析指南
│   └── analysis-record.md       # [新增] D2 perf record + 火焰图分析指南

├── tlb-thrashing/               # [已有] D3 的 demo 程序
│   ├── main.cpp
│   ├── Makefile
│   ├── README.md
│   └── analysis.md              # [新增] D3 perf 分析指南

├── compiler-reordering/         # [已有] 非 perf 导向，不动
├── crash-signals/               # [已有] 非 perf 导向，不动

├── cache-miss/                  # [新增] D4
│   ├── main.cpp                 # 顺序/随机/跨步 3 种遍历
│   ├── Makefile
│   └── README.md                # 含 perf 命令 + 预期输出 + 分析解读

├── branch-predict/              # [新增] D5
│   ├── main.cpp                 # 有序/随机/无分支 3 种写法
│   ├── Makefile
│   └── README.md

├── stall-analysis/              # [新增] D6
│   ├── main.cpp                 # 4 种停顿模式
│   ├── Makefile
│   └── README.md

├── syscall-trace/               # [新增] D7
│   ├── main.cpp                 # 混合 syscall 模式
│   ├── Makefile
│   └── README.md

├── lock-contention/             # [新增] D8
│   ├── main.cpp                 # mutex 短/长 + spinlock
│   ├── Makefile
│   └── README.md

├── false-sharing/               # [新增] D9
│   ├── main.cpp                 # 同/异 cache line 对比
│   ├── Makefile
│   └── README.md

├── sched-latency/               # [新增] D10
│   ├── main.cpp                 # CPU/IO/竞争 3 种调度模式
│   ├── Makefile
│   └── README.md

├── perf-probe/                  # [新增] D11
│   ├── main.cpp                 # 带参数的函数循环调用
│   ├── Makefile
│   └── README.md

└── perf-bench-diff/             # [新增] D12
    ├── main.cpp                 # 基线版 + 优化版对比
    ├── Makefile
    └── README.md
concepts/tools/
├── perf-demos-architecture.md   # [本文档] 架构总览
├── perf-advanced.md             # [已有] 高级用法参考
├── perf-sched.md                # [已有] perf sched 完全指南
├── perf-case-studies/           # [已有] 基于 cpu-demo 的 6 个深度案例
└── perf-multithread-io-analysis.md  # [已有] 多线程+IO 方法论

七、推荐学习路径

路径 A：快速入门（2~3 小时）

bash

D1 (perf stat 基础) → D2 (perf record 火焰图) → D4 (缓存) → D5 (分支预测)

学会用 perf stat 看指标、perf record 看热点，理解 IPC、缓存命中率、分支预测失败率三大核心概念。

路径 B：系统进阶（5~6 小时）

bash

D1 → D2 → D3 (TLB) → D4 → D5 → D6 (停顿分析) → D7 (syscall) → D12 (diff 对比)

覆盖全部硬件 PMU 事件 + syscall tracepoint，能独立完成"宏观指标 → 热点函数 → 微架构瓶颈"的完整分析链路。

路径 C：专家级（8~10 小时）

bash

全部 12 场景按编号顺序

覆盖 perf lock、perf c2c、perf sched、perf probe 等高级子命令，具备多线程性能调优、锁争用诊断、伪共享检测、动态探针插桩等全栈分析能力。

八、与现有文档的协同

bash

                    ┌──────────────────────────────────┐
                    │   tools/code/perf.md              │
                    │   (perf 命令大全，工具主文档)        │
                    └──────────┬───────────────────────┘

              ┌────────────────┼───────────────────────┐
              ▼                ▼                       ▼
┌─────────────────────┐ ┌──────────────┐ ┌────────────────────────────┐
│ concepts/tools/      │ │ concepts/    │ │ concepts/tools/             │
│ perf-advanced.md     │ │ cpu/pmu.md   │ │ perf-demos-architecture.md  │
│ (高级用法详解)        │ │ (PMU硬件原理) │ │ ★ 本文档 — 学习路线导读      │
└──────────┬──────────┘ └──────┬───────┘ └────────────┬───────────────┘
           │                   │                       │
           └───────────────────┼───────────────────────┘

            ┌──────────────────┼──────────────────────┐
            ▼                  ▼                      ▼
    ┌──────────────┐  ┌─────────────────┐  ┌──────────────────────┐
    │ demos/        │  │ concepts/tools/  │  │ concepts/tools/       │
    │ 12个demo程序   │  │ perf-case-studies│  │ perf-sched.md         │
    │ (实操)        │  │ (6个深度案例)     │  │ (sched专题)           │
    └──────────────┘  └─────────────────┘  └──────────────────────┘

文档	角色	与本架构关系
perf	命令大全（字典式查询）	每个 demo 的"参考手册"
perf-advanced	高级用法（原理讲解）	每个 demo 的"理论基础"
pmu	PMU 硬件架构	D4/D5/D6 的硬件原理解释
perf-case-studies/	基于 cpu-demo 的深度案例	D1/D2 的进阶补充
perf-sched	`perf sched` 专题	D10 的完整参考

九、实施优先级

优先级	场景	理由
P0	D4 cache-miss, D5 branch-predict, D6 stall-analysis	覆盖最常用的硬件 PMU 事件，是分析"CPU 为什么忙但不出活"的核心能力
P1	D7 syscall-trace, D8 lock-contention, D10 sched-latency	覆盖内核态 tracepoint 和专用子命令，解决"CPU 在内核里干什么"的问题
P2	D9 false-sharing, D11 perf-probe, D12 perf-bench-diff	高级场景，需要特定硬件支持（PEBS）或 root 权限，但知识价值高
已有	D1, D2, D3	程序已有，只需补充分析指南（analysis-*.md）

十、一句话总结

12 个场景、8 个新 demo + 4 个已有 demo、40+ event、14 个 perf 子命令，从 perf stat 一行命令到 perf probe 动态插桩，每个 demo 独立可跑、输出可预测——把 perf 从"查手册用的工具"变成"像用 ls 一样顺手"。

perf 场景化学习架构：从入门到精通 ​

一、设计原则 ​

1.1 为什么需要新 demo ​

1.2 设计原则 ​

二、12 场景全景 ​

三、逐场景详细设计 ​

D1: cpu-demo — perf stat 基础指标（已有，需补充分析指南） ​

D2: cpu-demo — perf record + 火焰图（已有程序，需补充分析指南） ​

D3: tlb-thrashing — TLB 事件分析（已有，需补充分析指南） ​

D4: cache-miss — 缓存未命中模式（新增） ​

D5: branch-predict — 分支预测（新增） ​

D6: stall-analysis — 流水线停顿分析（新增） ​

D7: syscall-trace — 系统调用追踪（新增） ​

D8: lock-contention — 锁争用分析（新增） ​

D9: false-sharing — 伪共享检测（新增） ​

D10: sched-latency — 调度延迟诊断（已有文档 + 新增 demo） ​

D11: perf-probe — 动态探针（新增） ​

D12: perf-bench-diff — 微基准测试 + 优化前后对比（新增） ​

四、Event 覆盖矩阵 ​

五、Perf 子命令覆盖矩阵 ​

六、文件结构规划 ​

七、推荐学习路径 ​

路径 A：快速入门（2~3 小时） ​

路径 B：系统进阶（5~6 小时） ​

路径 C：专家级（8~10 小时） ​

八、与现有文档的协同 ​

九、实施优先级 ​

十、一句话总结 ​

perf 场景化学习架构：从入门到精通

一、设计原则

1.1 为什么需要新 demo

1.2 设计原则

二、12 场景全景

三、逐场景详细设计

D1: cpu-demo — `perf stat` 基础指标（已有，需补充分析指南）

D2: cpu-demo — `perf record` + 火焰图（已有程序，需补充分析指南）

D3: tlb-thrashing — TLB 事件分析（已有，需补充分析指南）

D4: cache-miss — 缓存未命中模式（新增）

D5: branch-predict — 分支预测（新增）

D6: stall-analysis — 流水线停顿分析（新增）

D7: syscall-trace — 系统调用追踪（新增）

D8: lock-contention — 锁争用分析（新增）

D9: false-sharing — 伪共享检测（新增）

D10: sched-latency — 调度延迟诊断（已有文档 + 新增 demo）

D11: perf-probe — 动态探针（新增）

D12: perf-bench-diff — 微基准测试 + 优化前后对比（新增）

四、Event 覆盖矩阵

五、Perf 子命令覆盖矩阵

六、文件结构规划

七、推荐学习路径

路径 A：快速入门（2~3 小时）

路径 B：系统进阶（5~6 小时）

路径 C：专家级（8~10 小时）

八、与现有文档的协同

九、实施优先级

十、一句话总结