如何实现跨不同perf事件的差值分析？获取L2非L3停顿数据

因为perf原生工具没有直接计算不同事件差值的功能，你可以通过导出事件数据到文本，再用脚本统计计算差值的方式实现需求，以下是三种可行的方案：

方案一：将两个事件录到同一份文件后导出计算 #

这种方式能避免两次录制带来的程序行为差异，结果更准确：

1. 重新录制同时包含两个事件的性能数据：

   perf record -e cycle_activity.stalls_l2_miss,cycle_activity.stalls_l3_miss -g ./你的程序
   

   （-g用于记录调用栈，若不需要可以省略）

2. 将事件数据导出为结构化文本：

   perf report -n --stdio -F comm,symbol,period,overhead | grep -E "(stalls_l2_miss|stalls_l3_miss|^ Symbol)" > perf_events.txt
   

   • -n显示原始事件计数（period），--stdio强制文本输出，-F指定要导出的字段
   • 过滤命令只保留目标事件和符号表头，方便后续处理

3. 用awk脚本计算差值（示例）：

   BEGIN {
       print "符号\tL2停顿计数\tL3停顿计数\t仅L2停顿计数\t仅L2占比(%)"
       print "--------------------------------------------------------"
       total_l2 = 0
   }
   # 统计总L2停顿数（用于计算精确占比）
   /stalls_l2_miss/ {
       total_l2 += $NF
   }
   # 遍历符号和对应事件
   /^ Symbol/ {
       sym = $2
   }
   /stalls_l2_miss/ {
       l2_cnt = $NF
       l2_oh = $(NF-1)
   }
   /stalls_l3_miss/ {
       l3_cnt = $NF
       l3_oh = $(NF-1)
       diff_cnt = l2_cnt - l3_cnt
       diff_oh = (diff_cnt / total_l2) * 100
       printf "%s\t%d\t%d\t%d\t%.2f\n", sym, l2_cnt, l3_cnt, diff_cnt, diff_oh
   }
   

   保存为calc_diff.awk后运行：awk -f calc_diff.awk perf_events.txt

方案二：分别导出两份独立perf文件的数据再关联 #

如果已经有两份独立的perf文件，可以用这种方式：

1. 分别导出两份文件的符号、计数和占比：

   perf report -n --stdio -F symbol,period,overhead --input perf_l2.data > perf_l2.txt
   perf report -n --stdio -F symbol,period,overhead --input perf_l3.data > perf_l3.txt
   

2. 用join和awk关联符号并计算差值：

   join -1 1 -2 1 <(sort perf_l2.txt) <(sort perf_l3.txt) | awk '{
       diff_cnt = $2 - $4
       diff_oh = $3 - $5
       printf "%s\t%d\t%d\t%d\t%.2f%%\n", $1, $2, $4, diff_cnt, diff_oh
   }' > l2_only_stalls.txt
   

   • sort确保符号能被join正确匹配，注意提前确保两份文件的符号解析环境一致（比如同一版本的调试符号）

方案三：用perf script导出原始采样数据统计 #

如果需要更细粒度的调用栈级分析，可以用这种方式：

1. 录制包含两个事件和调用栈的数据：

   perf record -e cycle_activity.stalls_l2_miss,cycle_activity.stalls_l3_miss -g ./你的程序
   

2. 导出原始采样数据：

   perf script > perf_script_raw.txt
   

3. 用Python脚本统计调用栈级别的差值（示例思路）：

   from collections import defaultdict
   
   stack_counts = defaultdict(lambda: {'l2': 0, 'l3': 0})
   current_stack = []
   
   with open('perf_script_raw.txt', 'r') as f:
       for line in f:
           line = line.strip()
           if not line:
               # 空行表示采样结束，将当前栈转为字符串作为key
               if current_stack:
                   stack_key = ';'.join(reversed(current_stack))
                   current_stack = []
               continue
           # 判断事件类型
           if 'cycle_activity.stalls_l2_miss' in line:
               event_type = 'l2'
           elif 'cycle_activity.stalls_l3_miss' in line:
               event_type = 'l3'
           else:
               # 提取栈帧符号（适配perf script的输出格式）
               parts = line.split()
               if len(parts) >= 2:
                   current_stack.append(parts[-2])
               continue
           # 统计对应栈的事件数
           if stack_key:
               stack_counts[stack_key][event_type] += 1
   
   # 输出结果
   print("调用栈\tL2停顿\tL3停顿\t仅L2停顿")
   print("----------------------------------------")
   for stack, cnt in stack_counts.items():
       diff = cnt['l2'] - cnt['l3']
       if diff > 0:
           print(f"{stack}\t{cnt['l2']}\t{cnt['l3']}\t{diff}")
   

注意事项 #

• 若分开录制两份perf文件，必须保证程序运行的输入、环境完全一致，否则计数差异可能来自程序行为变化，而非事件本身。
• 调用栈分析时，需要确保程序有完整的调试符号（编译时加-g参数），否则符号会显示为地址。

内容的提问来源于stack exchange，提问作者ajp