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
kernelopenEuler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。C0100
baihu-dataset异构数据集“白虎”正式开源——首批开放10w+条真实机器人动作数据,构建具身智能标准化训练基座。00
mindquantumMindQuantum is a general software library supporting the development of applications for quantum computation.Python059
PaddleOCR-VLPaddleOCR-VL 是一款顶尖且资源高效的文档解析专用模型。其核心组件为 PaddleOCR-VL-0.9B,这是一款精简却功能强大的视觉语言模型(VLM)。该模型融合了 NaViT 风格的动态分辨率视觉编码器与 ERNIE-4.5-0.3B 语言模型,可实现精准的元素识别。Python00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
AgentCPM-Explore没有万亿参数的算力堆砌,没有百万级数据的暴力灌入,清华大学自然语言处理实验室、中国人民大学、面壁智能与 OpenBMB 开源社区联合研发的 AgentCPM-Explore 智能体模型基于仅 4B 参数的模型,在深度探索类任务上取得同尺寸模型 SOTA、越级赶上甚至超越 8B 级 SOTA 模型、比肩部分 30B 级以上和闭源大模型的效果,真正让大模型的长程任务处理能力有望部署于端侧。Jinja00
最新内容推荐
项目优选
收起
deepin linux kernel
C
27
11
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
478
3.57 K
React Native鸿蒙化仓库
JavaScript
287
340
暂无简介
Dart
728
175
Ascend Extension for PyTorch
Python
288
321
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++
850
447
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
239
100
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
10
1
TorchAir 支持用户基于PyTorch框架和torch_npu插件在昇腾NPU上使用图模式进行推理。
Python
451
180
🎉 (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
1.28 K
705