在speedscope中导入macOS sample工具的性能分析数据
2025-06-05 21:36:46作者:鲍丁臣Ursa
背景介绍
speedscope是一款优秀的性能分析可视化工具,能够帮助开发者直观地理解应用程序的性能瓶颈。在macOS系统上,开发者可以使用内置的sample工具采集进程的性能数据,但如何将这些数据导入speedscope进行分析呢?
macOS sample工具简介
macOS系统自带了一个名为sample的命令行工具,它能够对指定进程进行采样,收集调用栈信息。与Xcode中的Instruments工具相比,sample更加轻量级,不需要安装额外的开发工具。
数据转换流程
要将sample的输出导入speedscope,需要经过以下步骤:
-
获取转换脚本:使用Brendan Gregg开发的FlameGraph项目中的
stackcollapse-sample.awk脚本,这个脚本能够将sample的输出转换为折叠格式。 -
执行采样:使用
sample命令对目标进程进行采样,输出结果通过管道传递给转换脚本。 -
生成分析文件:转换后的数据保存为speedscope可识别的格式。
详细操作步骤
1. 获取转换工具
首先需要下载并准备转换脚本:
curl -LO https://raw.githubusercontent.com/brendangregg/FlameGraph/master/stackcollapse-sample.awk
chmod +x stackcollapse-sample.awk
2. 执行性能采样
对目标进程进行采样并转换数据格式:
sample <pid或进程名> -file /dev/stdout | ./stackcollapse-sample.awk > flame.prof
3. 导入speedscope
将生成的flame.prof文件直接拖入speedscope界面即可开始分析。
技术原理
stackcollapse-sample.awk脚本完成了以下关键转换:
- 解析
sample工具输出的原始调用栈信息 - 将多行调用栈折叠为单行表示
- 统计相同调用路径的出现次数
- 生成speedscope兼容的折叠格式
应用场景
这种方法特别适合以下情况:
- 没有安装Xcode开发环境
- 需要快速进行性能采样分析
- 在服务器环境或CI/CD流程中进行性能分析
- 对长时间运行的后台进程进行性能监控
注意事项
- 采样时间不宜过短,建议至少采样5-10秒以获得有统计意义的数据
- 对于高频采样,可能会对目标进程性能产生影响
- 可以调整
sample命令的参数控制采样频率和持续时间
通过这种方法,开发者可以方便地在不依赖Xcode的情况下,利用macOS系统自带工具进行性能分析,并通过speedscope获得直观的可视化结果。
登录后查看全文
热门项目推荐
相关项目推荐
GLM-5智谱 AI 正式发布 GLM-5,旨在应对复杂系统工程和长时域智能体任务。Jinja00
GLM-5-w4a8GLM-5-w4a8基于混合专家架构,专为复杂系统工程与长周期智能体任务设计。支持单/多节点部署,适配Atlas 800T A3,采用w4a8量化技术,结合vLLM推理优化,高效平衡性能与精度,助力智能应用开发Jinja00
jiuwenclawJiuwenClaw 是一款基于openJiuwen开发的智能AI Agent,它能够将大语言模型的强大能力,通过你日常使用的各类通讯应用,直接延伸至你的指尖。Python0220- QQwen3.5-397B-A17BQwen3.5 实现了重大飞跃,整合了多模态学习、架构效率、强化学习规模以及全球可访问性等方面的突破性进展,旨在为开发者和企业赋予前所未有的能力与效率。Jinja00
AtomGit城市坐标计划AtomGit 城市坐标计划开启!让开源有坐标,让城市有星火。致力于与城市合伙人共同构建并长期运营一个健康、活跃的本地开发者生态。01
AntSK基于.Net9 + AntBlazor + SemanticKernel 和KernelMemory 打造的AI知识库/智能体,支持本地离线AI大模型。可以不联网离线运行。支持aspire观测应用数据CSS01
热门内容推荐
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
13
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
626
4.12 K
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.49 K
845
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
930
802
暂无简介
Dart
872
207
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!
C
1.06 K
547
Ascend Extension for PyTorch
Python
464
554
全称:Open Base Operator for Ascend Toolkit,哈尔滨工业大学AISS团队基于Ascend C打造的高性能昇腾算子库。
C++
45
47
🍒 Cherry Studio 是一款支持多个 LLM 提供商的桌面客户端
TypeScript
1.25 K
100
昇腾LLM分布式训练框架
Python
137
160