Perfetto v49.0 版本深度解析:性能追踪工具的重大更新
Perfetto 是 Google 开源的一款高性能系统级追踪工具,广泛应用于 Android 系统和 Linux 内核的性能分析。它提供了从内核到用户空间的全面追踪能力,帮助开发者诊断系统性能问题。最新发布的 v49.0 版本带来了多项重要更新和改进,本文将对这些变化进行深入解析。
追踪服务与探针的增强
v49.0 版本在追踪服务方面进行了多项优化。新增的 --clone-by-name
命令行选项允许用户通过 unique_session_name 克隆追踪会话,这为追踪会话的管理提供了更大的灵活性。
一个重要的修复解决了当 Android 生产者进程冻结时导致的追踪启动确认延迟问题。在之前的版本中,这种情况会导致使用 --background-wait
时出现 30 秒的延迟,因为系统会将冻结的进程视为无响应。这个修复显著提升了在异常情况下的追踪体验。
此外,该版本还初步支持了带有 ftrace 的 kprobes,这为内核级别的追踪提供了更多可能性。kprobes 是 Linux 内核的动态追踪机制,允许开发者在几乎任何内核函数中插入断点,而 ftrace 则是 Linux 内核的官方追踪框架。两者的结合将为内核开发者提供更强大的追踪能力。
SQL 标准库的重大重构
v49.0 对 Perfetto SQL 标准库进行了大规模重构,这是本次更新的重点之一。这些变化旨在简化数据模型并提高查询效率。
表结构的简化与统一
版本移除了多个专用表,将其内容整合到统一的 track
表中,并通过 type
字段区分不同类型的数据。例如:
- 移除了
linux_device_track
表,Linux RPM 追踪现在可以在track
表中通过type
为linux_rpm
找到 - 移除了
energy_counter_track
表,Android 能耗估算数据现在位于track
表中,type
为android_energy_estimation_breakdown
- 类似地,
energy_per_uid_counter_track
表也被移除,相关数据现在使用android_energy_estimation_breakdown_per_uid
类型
这种统一化设计简化了数据模型,使查询更加一致和直观。
数据类型与模块调整
该版本对数据类型系统进行了重要更新:
- 弃用了 UINT 和 INT 类型,建议使用 LONG 类型
- 弃用了 FLOAT 类型,建议使用 DOUBLE 类型
- 新增了 TIMESTAMP、DURATION、ID 和 JOINID 类型,为时间相关列和关系建模提供了更明确的语义
common
包被完全移除,其功能已被分散到更专业的模块中。例如,时间转换函数现在位于 time.conversion
模块,而 thread_slice
功能可通过 slices.with_context
获得。
实验性表的移除
多个实验性表被移除,包括:
experimental_sched_upid
表,建议直接连接sched
和thread
表experimental_counter_dur
表,推荐使用counters.intervals
模块中的counter_leading_intervals
宏
这些变化反映了 Perfetto 向更稳定、更标准化的数据模型演进。
用户界面的显著改进
v49.0 为 Perfetto UI 带来了多项用户体验提升:
新增的"Open table:"命令允许用户直接打开任何标准库表,这大大提高了数据分析的效率。时间线渲染性能得到了多方面优化,使得处理大型追踪数据时更加流畅。
工作区管理功能得到了增强,新增了工作区切换器和菜单,用户可以更方便地在不同工作区之间移动轨道。这对于组织复杂的分析任务特别有用。
录制页面进行了全面改造,提供了更直观的界面和更好的用户体验。区域选择功能也得到了改进,使数据分析更加精准。
模糊搜索功能的优化使得在大规模追踪数据中查找特定内容更加高效。此外,"Open with legacy UI"选项现在默认隐藏,反映了新 UI 已经成为主流选择。
SDK 的新功能
在 SDK 层面,v49.0 引入了 NamedTrack
功能,允许创建任意命名的轨道。这为应用程序集成 Perfetto 提供了更大的灵活性,开发者可以根据自己的需求创建自定义的追踪轨道。
总结
Perfetto v49.0 是一个重要的版本更新,在追踪服务、SQL 数据模型和用户界面等方面都带来了显著改进。SQL 标准库的重构使数据模型更加统一和简洁,而 UI 的优化则提升了用户体验。对于系统性能分析工程师和内核开发者来说,这些更新将带来更高效、更强大的追踪和分析能力。
随着 Perfetto 的持续发展,它正成为系统级性能分析领域不可或缺的工具。v49.0 的这些改进进一步巩固了其地位,并为未来的功能扩展奠定了基础。
- DDeepSeek-V3.1-BaseDeepSeek-V3.1 是一款支持思考模式与非思考模式的混合模型Python00
- QQwen-Image-Edit基于200亿参数Qwen-Image构建,Qwen-Image-Edit实现精准文本渲染与图像编辑,融合语义与外观控制能力Jinja00
GitCode-文心大模型-智源研究院AI应用开发大赛
GitCode&文心大模型&智源研究院强强联合,发起的AI应用开发大赛;总奖池8W,单人最高可得价值3W奖励。快来参加吧~050CommonUtilLibrary
快速开发工具类收集,史上最全的开发工具类,欢迎Follow、Fork、StarJava04GitCode百大开源项目
GitCode百大计划旨在表彰GitCode平台上积极推动项目社区化,拥有广泛影响力的G-Star项目,入选项目不仅代表了GitCode开源生态的蓬勃发展,也反映了当下开源行业的发展趋势。06GOT-OCR-2.0-hf
阶跃星辰StepFun推出的GOT-OCR-2.0-hf是一款强大的多语言OCR开源模型,支持从普通文档到复杂场景的文字识别。它能精准处理表格、图表、数学公式、几何图形甚至乐谱等特殊内容,输出结果可通过第三方工具渲染成多种格式。模型支持1024×1024高分辨率输入,具备多页批量处理、动态分块识别和交互式区域选择等创新功能,用户可通过坐标或颜色指定识别区域。基于Apache 2.0协议开源,提供Hugging Face演示和完整代码,适用于学术研究到工业应用的广泛场景,为OCR领域带来突破性解决方案。00openHiTLS
旨在打造算法先进、性能卓越、高效敏捷、安全可靠的密码套件,通过轻量级、可剪裁的软件技术架构满足各行业不同场景的多样化要求,让密码技术应用更简单,同时探索后量子等先进算法创新实践,构建密码前沿技术底座!C0304- WWan2.2-S2V-14B【Wan2.2 全新发布|更强画质,更快生成】新一代视频生成模型 Wan2.2,创新采用MoE架构,实现电影级美学与复杂运动控制,支持720P高清文本/图像生成视频,消费级显卡即可流畅运行,性能达业界领先水平Python00
- GGLM-4.5-AirGLM-4.5 系列模型是专为智能体设计的基础模型。GLM-4.5拥有 3550 亿总参数量,其中 320 亿活跃参数;GLM-4.5-Air采用更紧凑的设计,拥有 1060 亿总参数量,其中 120 亿活跃参数。GLM-4.5模型统一了推理、编码和智能体能力,以满足智能体应用的复杂需求Jinja00
Yi-Coder
Yi Coder 编程模型,小而强大的编程助手HTML013
热门内容推荐
最新内容推荐
项目优选









