not-perf 的安装和配置教程
2025-05-30 19:32:13作者:卓炯娓
项目基础介绍
not-perf 是一个针对 Linux 系统的开源 CPU 性能分析工具,它类似于 perf 工具,但提供了一些特定的改进和优化,特别是在嵌入式或类嵌入式环境中。not-perf 支持多种架构,包括 AMD64、ARM、AArch64 和 MIPS64。它能够进行在线和离线栈跟踪展开,并且能够分析没有调试信息的二进制文件。
该项目主要使用的编程语言是 Rust,这是一种系统级编程语言,以其安全性和性能著称。
项目使用的关键技术和框架
- Rust 编程语言:提供内存安全的保证,同时保持高性能。
- CPU 性能分析:使用采样技术来分析程序的性能。
- 栈跟踪展开:支持多种架构的栈跟踪展开,包括基于
.eh_frame、.ARM.exidx和.ARM.extab的展开。 - 内置火焰图生成:无需外部工具即可生成火焰图,直观展示程序性能瓶颈。
项目安装和配置的准备工作
在开始安装 not-perf 之前,请确保您的系统满足以下要求:
- 操作系统:Linux
- Rust 工具链:至少安装 Rust 1.31 版本
- Cargo:Rust 的包管理器和构建工具
如果您的系统尚未安装 Rust,可以访问 Rust 官方网站 获取安装指南。
详细安装步骤
以下是安装 not-perf 的详细步骤:
-
克隆项目仓库到本地:
git clone https://github.com/koute/not-perf.git cd not-perf -
构建项目:
cd cli cargo build --release构建完成后,二进制文件将位于
target/release/目录中。 -
(可选)如果您需要交叉编译到其他架构,需要在
~/.cargo/config文件中配置目标架构的链接器路径和参数。例如,对于 MIPS64 架构,配置可能如下所示:[target.mips64-unknown-linux-gnuabi64] linker = "/path/to/your/sdk/mips64-octeon2-linux-gnu-gcc" rustflags = [ "-C", "link-arg=--sysroot=/path/to/your/sdk/sys-root/mips64-octeon2-linux-gnu" ] -
(可选)交叉编译项目到目标架构:
cargo build --release --target=mips64-unknown-linux-gnuabi64交叉编译的二进制文件将位于
target/mips64-unknown-linux-gnuabi64/目录中。 -
使用 not-perf 工具进行性能分析。例如,以下命令将对 PID 为
1234的进程进行性能记录:cargo run record -p 1234 -o datafile生成火焰图的命令如下:
cargo run flamegraph datafile > flame.svg请根据需要替换
cargo run为实际的可执行文件路径。
完成以上步骤后,您就可以开始使用 not-perf 进行 CPU 性能分析了。
登录后查看全文
热门项目推荐
相关项目推荐
atomcodeClaude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed. Get StartedRust0187
cann-learning-hubCANN 学习中心仓,支持在线互动运行、边学边练,提供教程、示例与优化方案,一站式助力昇腾开发者快速上手。Jupyter Notebook0112
Step-3.7-FlashStep-3.7-Flash是一个拥有 1980 亿参数的稀疏混合专家(MoE)视觉语言模型,由 1960 亿参数的语言主干网络和 18 亿参数的视觉编码器组合而成,具备原生图像理解能力。Python00
JoyAI-EchoJoyAI-Echo,这是一个独立的、仅用于推理的版本,旨在实现分钟级多镜头音视频生成。它采用了经过蒸馏的DMD生成器、配对的跨模态记忆以及故事级别的一致性。其性能的核心在于,一个跨模态视听记忆库能够在长达五分钟的视频中保持角色外观和语音音色的一致性。同时,一个训练后处理流程将基于记忆的强化学习与分布匹配蒸馏相结合,实现了7.5倍的速度提升,显著增强了视觉质量和对齐效果。00
omega-aiOmega-AI:基于java打造的深度学习框架,帮助你快速搭建神经网络,实现模型推理与训练,引擎支持自动求导,多线程与GPU运算,GPU支持CUDA,CUDNN。Java03
llm-universe本项目是一个面向小白开发者的大模型应用开发教程,在线阅读地址:https://datawhalechina.github.io/llm-universe/Jupyter Notebook08
项目优选
收起
deepin linux kernel
C
32
16
暂无描述
Dockerfile
759
4.94 K
Claude Code 的开源替代方案。连接任意大模型,编辑代码,运行命令,自动验证 — 全自动执行。用 Rust 构建,极致性能。 | An open-source alternative to Claude Code. Connect any LLM, edit code, run commands, and verify changes — autonomously. Built in Rust for speed.
Get Started
Rust
1.78 K
187
暂无简介
Dart
1 K
259
Ascend Extension for PyTorch
Python
716
866
本项目是CANN提供的transformer类大模型算子库,实现网络在NPU上加速计算。
C++
854
1.91 K
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++
1.07 K
1.09 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
1.72 K
1.02 K
本项目是CANN提供的神经网络类计算算子库,实现网络在NPU上加速计算。
C++
674
1.32 K
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
454
436