perf 是Linux的一款性能分析工具，能够进行函数级和指令级的热点查找，可以用来分析程序中热点函数的CPU占用率，从而定位性能瓶颈。
容器内的进程实际上可以在host machine上看到，ps -ef | grep <text>可以找得到。
perf 是 Linux 官方的性能分析工具，它具备 profiling、tracing 和脚本编写等多种功能，是内核 perf_events 子系统的前端工具。
Linux perf（性能剖析器）是一个功能强大的性能分析工具，用于帮助开发人员诊断、调优和监控 Linux 系统及应用程序的性能问题。它实现了基于硬件性能计数器（hardware performance counters），追踪点和软件测量等多种数据收集手段，以便分析系统中各种现象。perf 工具集成在 Linux 内核中，主要通过 perf_event 子系统实现。
在深入Linux系统的复杂世界中，性能优化始终是SRE关注的热点。最近在拜读国际著名的 LINUX 性能专家 Brendan Gregg 的个人博客和技术书籍。他的工作不仅涵盖了系统性能的监控和分析，还深入探讨了性能问题的根源及其解决方案。通过他的个人博客和技术书籍，我们可以窥见Linux性能优化的精髓，学习到如何利用各种工具和方法来提升系统效率，确保应用的顺畅运行。将会结合 Brendan Gregg博文与个人理解 出一个拜读系列博文。
Profiling # Sample on-CPU functions for the specified command, at 99 Hertz: perf record -F 99 command # Sample on-CPU functions for the specified PID, at 99 Hertz, until Ctrl-C: perf record -F 99 -p PID # Sample on-CPU functions for the specified PID, at
首先在 amd64 机器构建 lovelonger**/**perf-test:amd 镜像，然后在 arm64 机器构建 lovelonger/perf-test:arm 镜像，构建完成 push 到 dockerhub。
perf工具集并不默认安装在系统中，需要进行安装。（找到你系统匹配的版本，我的是linux-tools-5.15.0-91-generic）
日常的工作中，会收到一堆CPU使用率过高的告警邮件，遇到某台服务的CPU被占满了，这时候我们就要去查看是什么进程将服务器的CPU资源占用满了。通常我们会通过top或者htop来快速的查看占据CPU最高的那个进程，如下图：
内核维护着各种统计信息，被称为Counters，用于对事件进行计数。例如，接收的网络数据包数量，发出的磁盘I/O请求，执行的系统调用次数。常见的这类工具有：
火焰图（Flame Graph）看起来就像一团跳动的火焰，因此得名，它可以将 CPU 的使用情况可视化，使我们直观地了解到程序的性能瓶颈。我们通常要结合操作系统的性能分析工具（Profiling Tracer）使用火焰图，常见的操作系统的性能分析工具如下。
https://www.memsql.com/blog/linux-off-cpu-investigation/
Perf 是一个 Linux 性能分析工具。它可以帮助我们找出程序的性能瓶颈，提高代码运行效率。Perf 的全称是 Performance Counters for Linux (PCL)。它是 Linux 内核中一种用于性能分析的子系统，通过统计硬件和软件事件，帮助我们了解程序的运行情况。
WSL2 has better support for native Linux development, and Vscode can work with it well. But it doesn't provide the `perf' command, which is used intensively. The post in stackoverflow provides several solutions. One solution is to build `perf' from the source code. And it is the most reliable way to keep the `perf' command matching the Linux kernel.
Linux 存在众多 tracing tools，比如 ftrace、perf，他们可用于内核的调试、提高内核的可观测性。众多的工具也意味着繁杂的概念，诸如 tracepoint、trace events、kprobe、eBPF 等，甚至让人搞不清楚他们到底是干什么的。本文尝试理清这些概念。
本文介绍了Linux性能剖析利器Flame Graph，从Flame Graph的原理、使用方式、案例以及更多的细节。
系统级性能优化通常包括两个阶段：性能剖析（performance profiling）和代码优化。性能剖析的目标是寻找性能瓶颈，查找引发性能问题的原因及热点代码。代码优化的目标是针对具体性能问题而优化代码或编译选项，以改善软件性能。本篇主要讲性能分析中常用的工具——perf。
大家好，我是程栩，一个专注于性能的大厂程序员，分享包括但不限于计算机体系结构、性能优化、云原生的知识。
在Linux下开发是幸福的，尤其是在发生问题的时候。永远忘不了在Windows下应用发生问题时那种无助的感觉。
(Perf -- Linux下的系统性能调优工具，第 1 部分)[http://www.ibm.com/developerworks/cn/linux/l-cn-perf1/]
查看CPU使用 在 Linux 系统下，使用 top 命令查看 CPU 使用情况。
eBPF (Extended Berkeley Packet Filter) 是 Linux 内核上的一个强大的网络和性能分析工具，它允许开发者在内核运行时动态加载、更新和运行用户定义的代码。
本文介绍了Linux平台上一个名为“Linux易用剖析器(LEP)”的剖析工具，用于分析Linux应用程序的性能。LEP通过记录和分析系统调用、进程状态、内存使用、I/O操作等方面的信息，帮助开发人员诊断和解决Linux应用程序的性能问题。
这是《结合例子学习eBPF和bcc》系列的第二篇文章。本文将介绍如何获取追踪目标函数的参数信息以及如何更好的进行结果输出。
用于统计程序执行时间，这些事件包含程序从被调用到终止的时间，用户CPU时间，系统CPU时间。
us(user)：表示 CPU 在用户运行的时间百分比，通常用户 CPU 高表示有应用程序比较繁忙。典型的用户程序有：数据库、Web 服务器等。
让我们从 perf 命令(performance 的缩写)讲起, 它是 Linux 系统原生提供的性能分析工具, 会返回 CPU 正在执行的函数名以及调用栈(stack)
本文基于 Joe Mario 的一篇博客 改编而成。 Joe Mario 是 Redhat 公司的 Senior Principal Software Engineer，在系统的性能优化领域颇有建树，他也是本文描述的 perf c2c 工具的贡献者之一。 这篇博客行文比较口语化，且假设读者对 CPU 多核架构，Cache Memory 层次结构，以及 Cache 的一致性协议有所了解。 故此，笔者决定放弃照翻原文，并且基于原博客文章做了一些扩展，增加了相关背景知识简介。 本文中若有任何疏漏错误，责任在于编译者。有任何建议和意见，请回复内核月谈微信公众号，或通过 oliver.yang at linux.alibaba.com 反馈。
kworker是3.x内核引入的，kworker 指工作者线程，用来执行工作队列中的work，一般由kthreadd建立，下面为大家分享一下Linux kworker 占用CPU过高情况。
perf是linux上的性能分析工具，perf可以对event进行统计得到event的发生次数，或者对event进行采样，得到每次event发生时的相关数据(cpu、进程id、运行栈等)，利用这些数据来对程序性能进行分析。
之前一个老板说“xxx组的同学是一定要把eBPF用到得心应手”，因为之前是做性能压测相关工作，个人感觉压测其实并不复杂，复杂的是压测后的问题定位，而eBPF则是定位问题的有效工具，我们可以透过eBPF去洞悉内核的运行状态，帮助我们去做故障诊断、网络优化、性能监控、以及安全控制等生产环境中的各种问题。
出于对Linux操作系统的兴趣，以及对底层知识的强烈欲望，因此整理了这篇文章。本文也可以作为检验基础知识的指标，另外文章涵盖了一个系统的方方面面。如果没有完善的计算机系统知识，网络知识和操作系统知识，文档中的工具，是不可能完全掌握的，另外对系统性能分析和优化是一个长期的系列。
I am doing a cluster test, why did I encounter the ld errorwhen compiling the several packages from /home/builder/master/master50/master_eXtremeDB_4.0.1780_linux/packs_x64.The error info is below:
火焰图是分析应用性能问题很好的工具，只是网上的文章都是讲述分析 C， C++ 等语言的，对Java 语言描述甚少，此处记录一下自己使用火焰图分析Java 栈的过程。
文章涉及的实验环境和代码可以到这个git repo获取： https://github.com/nevermosby/linux-bpf-learning
本文由马哥教育面授班23期学员推荐，转载自恒生研究院，作者为董西孝，内容略经小编改编和加工，观点跟作者无关，最后感谢作者的辛苦贡献与付出。 出于对Linux操作系统的兴趣，以及对底层知识的强烈欲望，因此整理了这篇文章。本文也可以作为检验基础知识的指标，另外文章涵盖了一个系统的方方面面。如果没有完善的计算机系统知识，网络知识和操作系统知识，文档中的工具，是不可能完全掌握的，另外对系统性能分析和优化是一个长期的系列。 本文档主要是结合Linux 大牛，Netflix 高级性能架构师 Brendan Greg
启动docker测试时,记得使用 --privileged=true 允许超级权限模式
vmstat（VirtualMeomoryStatistics，虚拟内存统计）是 Linux 中监控内存的常用工具,可对操作系统的虚拟内存、进程、CPU 等的整体情况进行监视。
测试环境：Ubuntu16.04（在VMWare虚拟机使用perf top存在无法显示问题）
做测试时需要用OpenCV。虽然网络上有大量的关于编译OpenCV的教程，但是还是遇到了问题。因此记录了编译的过程，希望以后能更加顺利。
服务稳定性到一定程度之后，都会开始经历一段精细化运营的过程，从成本意识角度来说也是成立的。作为前端出身的NodeJS开发者们，产生共鸣的那就是如何能够直观且快速发现性能瓶颈，能够像调试前端的JS代码那
我们看到Kworker/0:0+events占用了大量CPU,下面参考下人家的回答
领取专属 10元无门槛券
手把手带您无忧上云
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM
