Emscripten项目中如何保留Wasm函数名进行性能分析
在Emscripten项目中,当我们需要对Wasm模块进行性能分析时,经常会遇到函数名显示为"funcXXX"而不是实际函数名的情况。这种情况会严重影响性能分析的效果,因为开发者无法直观地识别出哪些函数消耗了最多的资源。
问题背景
在Emscripten编译的Wasm模块中,默认情况下函数名会被优化掉以减小代码体积。这在生产环境中是有益的,但在开发调试阶段,特别是进行性能分析时,保留函数名对于定位性能瓶颈至关重要。
解决方案
Emscripten提供了--profiling-funcs编译选项来保留函数名信息。这个选项会确保在生成的Wasm模块中包含函数名称段(Name Section),使得在性能分析工具中能够显示实际的函数名而非自动生成的标识符。
实现细节
-
基本用法:在链接阶段添加
--profiling-funcs标志即可保留函数名。这个选项只需要在链接阶段使用,不需要重新编译所有源文件。 -
多模块场景:如果项目包含多个Wasm模块(主模块和多个侧模块),需要确保所有模块都使用
--profiling-funcs选项进行链接。只有这样,性能分析工具才能显示所有模块中的实际函数名。 -
调试信息:值得注意的是,
--profiling-funcs与调试信息(-g)是独立的。前者专门用于保留函数名,后者则包含更全面的DWARF调试信息。在只需要函数名的场景下,单独使用--profiling-funcs就足够了。
验证方法
为了确认Wasm模块中是否包含函数名信息,可以使用wasm-objdump工具进行检查:
wasm-objdump -h <module.wasm>
输出中应该包含"name"段,这表明模块中保留了函数名信息。
高级场景
在动态加载Wasm模块的场景中(如通过dlopen加载运行时生成的模块),需要特别注意链接参数的配置。wasm-ld默认会生成包含函数名的模块,除非显式指定了--strip-debug选项。
性能考量
保留函数名会略微增加Wasm模块的体积,因此在生产环境中通常不建议使用--profiling-funcs。但在开发调试阶段,这个开销是可以接受的,因为它为性能分析提供了关键信息。
通过正确使用--profiling-funcs选项,开发者可以获得更准确的性能分析数据,从而更有效地优化Emscripten项目的性能。
AutoGLM-Phone-9BAutoGLM-Phone-9B是基于AutoGLM构建的移动智能助手框架,依托多模态感知理解手机屏幕并执行自动化操作。Jinja00
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
GLM-4.6V-FP8GLM-4.6V-FP8是GLM-V系列开源模型,支持128K上下文窗口,融合原生多模态函数调用能力,实现从视觉感知到执行的闭环。具备文档理解、图文生成、前端重构等功能,适用于云集群与本地部署,在同类参数规模中视觉理解性能领先。Jinja00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-ASR-Nano-2512GLM-ASR-Nano-2512 是一款稳健的开源语音识别模型,参数规模为 15 亿。该模型专为应对真实场景的复杂性而设计,在保持紧凑体量的同时,多项基准测试表现优于 OpenAI Whisper V3。Python00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00