hasil gprof salah dengan gcc -Ofast -pg

Saya melihat hasil pembuatan profil yang aneh dengan gcc -pg dan gprof.

Saya tidak dapat menemukan cara yang lebih baik/lebih kecil untuk mereproduksi, jadi saya menautkan kode sebenarnya di mana saya melihat masalahnya.

Saya menggunakan kode di sini, membuat hasil pembuatan profil gprof dengan make prof

Saya melihat beberapa kesalahan, terutama:

  1. Fungsi shape_stream_test yang bahkan tidak boleh dipanggil ditampilkan sebagai sering dipanggil oleh ai_best_move_rec dan menghabiskan 15% dari total waktu proses dalam waktu mandiri
  2. Fungsi lain yang dipanggil secara sah oleh ai_best_move_rec seperti grid_block_remove, grid_cpy, grid_new bahkan tidak muncul sebagai anak-anak

Statistik prof sebenarnya:

Flat profile:

Each sample counts as 0.01 seconds.
  %   cumulative   self              self     total           
 time   seconds   seconds    calls  ms/call  ms/call  name    
 53.92      4.00     4.00  4231936     0.00     0.00  grid_eval
 13.62      5.01     1.01  4467368     0.00     0.00  shape_stream_test
  6.88      5.52     0.51  4690742     0.00     0.00  grid_block_center_top
  6.07      5.97     0.45  4521016     0.00     0.00  grid_block_valid
  5.80      6.40     0.43  4467368     0.00     0.00  grid_block_add
  3.37      6.65     0.25  4467368     0.00     0.00  grid_block_drop
  2.02      6.80     0.15       35     4.29   209.20  ai_best_move_rec
  1.95      6.95     0.15   235469     0.00     0.00  grid_init
  1.75      7.08     0.13  9212461     0.00     0.00  block_extreme
  1.48      7.19     0.11  4467402     0.00     0.00  block_move
  0.94      7.26     0.07  1654899     0.00     0.00  block_get
  0.54      7.30     0.04                             block_crust_get
  0.40      7.33     0.03                             grid_block_set_color
  0.27      7.35     0.02  4467368     0.00     0.00  grid_block_remove
  0.27      7.37     0.02   235501     0.00     0.00  block_new
  0.27      7.39     0.02                             grid_block_intersects
  0.20      7.40     0.02   235469     0.00     0.00  grid_new
  0.13      7.41     0.01   235467     0.00     0.00  shape_stream_peek
  0.13      7.42     0.01                             drop_amount
  0.00      7.42     0.00      621     0.00     0.00  grid_clear_lines
  0.00      7.42     0.00      587     0.00     0.00  grid_cpy
  0.00      7.42     0.00       35     0.00     0.00  grid_print
  0.00      7.42     0.00       34     0.00     0.00  block_init
  0.00      7.42     0.00       34     0.00     0.00  block_print
  0.00      7.42     0.00       34     0.00     0.00  game_move_print
  0.00      7.42     0.00       34     0.00     0.00  grid_apply_moves
  0.00      7.42     0.00       34     0.00     0.00  shape_stream_pop
  0.00      7.42     0.00        7     0.00     0.00  shape_new
  0.00      7.42     0.00        1     0.00     0.00  shape_stream_new

 %         the percentage of the total running time of the
time       program used by this function.

cumulative a running sum of the number of seconds accounted
 seconds   for by this function and those listed above it.

 self      the number of seconds accounted for by this
seconds    function alone.  This is the major sort for this
           listing.

calls      the number of times this function was invoked, if
           this function is profiled, else blank.

 self      the average number of milliseconds spent in this
ms/call    function per call, if this function is profiled,
       else blank.

 total     the average number of milliseconds spent in this
ms/call    function and its descendents per call, if this 
       function is profiled, else blank.

name       the name of the function.  This is the minor sort
           for this listing. The index shows the location of
       the function in the gprof listing. If the index is
       in parenthesis it shows where it would appear in
       the gprof listing if it were to be printed.

Copyright (C) 2012-2014 Free Software Foundation, Inc.

Copying and distribution of this file, with or without modification,
are permitted in any medium without royalty provided the copyright
notice and this notice are preserved.

             Call graph (explanation follows)


granularity: each sample hit covers 2 byte(s) for 0.13% of 7.42 seconds

index % time    self  children    called     name
                                                 <spontaneous>
[1]     98.7    0.00    7.32                 ai_test [1]
                0.15    7.17      35/35          ai_best_move_rec [2]
                0.00    0.00      34/34          grid_apply_moves [21]
                0.00    0.00       2/235469      grid_new [9]
                0.00    0.00      35/35          grid_print [24]
                0.00    0.00      34/34          game_move_print [27]
                0.00    0.00      34/34          shape_stream_pop [28]
                0.00    0.00       1/1           shape_stream_new [30]
-----------------------------------------------
                              235432             ai_best_move_rec [2]
                0.15    7.17      35/35          ai_test [1]
[2]     98.7    0.15    7.17      35+235432  ai_best_move_rec [2]
                4.00    0.00 4231936/4231936     grid_eval [3]
                1.01    0.00 4467368/4467368     shape_stream_test [4]
                0.51    0.11 4690742/4690742     grid_block_center_top [5]
                0.45    0.09 4521016/4521016     grid_block_valid [6]
                0.43    0.00 4467368/4467368     grid_block_add [7]
                0.25    0.00 4467368/4467368     grid_block_drop [8]
                0.02    0.15  235467/235469      grid_new [9]
                0.11    0.00 4467368/4467402     block_move [12]
                0.02    0.00 4467368/4467368     grid_block_remove [16]
                0.02    0.00  235467/235501      block_new [17]
                0.01    0.00  235467/235467      shape_stream_peek [19]
                0.00    0.00     587/587         grid_cpy [23]
                0.00    0.00     587/621         grid_clear_lines [22]
                              235432             ai_best_move_rec [2]
-----------------------------------------------
                4.00    0.00 4231936/4231936     ai_best_move_rec [2]
[3]     53.9    4.00    0.00 4231936         grid_eval [3]
-----------------------------------------------
                1.01    0.00 4467368/4467368     ai_best_move_rec [2]
[4]     13.6    1.01    0.00 4467368         shape_stream_test [4]
-----------------------------------------------
                0.51    0.11 4690742/4690742     ai_best_move_rec [2]
[5]      8.4    0.51    0.11 4690742         grid_block_center_top [5]
                0.07    0.00 4690742/9212461     block_extreme [11]
                0.04    0.00 1056160/1654899     block_get [13]
-----------------------------------------------
                0.45    0.09 4521016/4521016     ai_best_move_rec [2]
[6]      7.3    0.45    0.09 4521016         grid_block_valid [6]
                0.06    0.00 4521016/9212461     block_extreme [11]
                0.03    0.00  598739/1654899     block_get [13]
-----------------------------------------------
                0.43    0.00 4467368/4467368     ai_best_move_rec [2]
[7]      5.8    0.43    0.00 4467368         grid_block_add [7]
-----------------------------------------------
                0.25    0.00 4467368/4467368     ai_best_move_rec [2]
[8]      3.4    0.25    0.00 4467368         grid_block_drop [8]
                0.00    0.00     635/9212461     block_extreme [11]
-----------------------------------------------
                0.00    0.00       2/235469      ai_test [1]
                0.02    0.15  235467/235469      ai_best_move_rec [2]
[9]      2.2    0.02    0.15  235469         grid_new [9]
                0.15    0.00  235469/235469      grid_init [10]
-----------------------------------------------
                0.15    0.00  235469/235469      grid_new [9]
[10]     2.0    0.15    0.00  235469         grid_init [10]
-----------------------------------------------
                0.00    0.00      68/9212461     grid_apply_moves [21]
                0.00    0.00     635/9212461     grid_block_drop [8]
                0.06    0.00 4521016/9212461     grid_block_valid [6]
                0.07    0.00 4690742/9212461     grid_block_center_top [5]
[11]     1.8    0.13    0.00 9212461         block_extreme [11]
-----------------------------------------------
                0.00    0.00      34/4467402     grid_apply_moves [21]
                0.11    0.00 4467368/4467402     ai_best_move_rec [2]
[12]     1.5    0.11    0.00 4467402         block_move [12]
-----------------------------------------------
                0.03    0.00  598739/1654899     grid_block_valid [6]
                0.04    0.00 1056160/1654899     grid_block_center_top [5]
[13]     0.9    0.07    0.00 1654899         block_get [13]
-----------------------------------------------
                                                 <spontaneous>
[14]     0.5    0.04    0.00                 block_crust_get [14]
-----------------------------------------------
                                                 <spontaneous>
[15]     0.4    0.03    0.00                 grid_block_set_color [15]
-----------------------------------------------
                0.02    0.00 4467368/4467368     ai_best_move_rec [2]
[16]     0.3    0.02    0.00 4467368         grid_block_remove [16]
-----------------------------------------------
                0.00    0.00      34/235501      grid_apply_moves [21]
                0.02    0.00  235467/235501      ai_best_move_rec [2]
[17]     0.3    0.02    0.00  235501         block_new [17]
-----------------------------------------------
                                                 <spontaneous>
[18]     0.3    0.02    0.00                 grid_block_intersects [18]
-----------------------------------------------
                0.01    0.00  235467/235467      ai_best_move_rec [2]
[19]     0.1    0.01    0.00  235467         shape_stream_peek [19]
-----------------------------------------------
                                                 <spontaneous>
[20]     0.1    0.01    0.00                 drop_amount [20]
-----------------------------------------------
                0.00    0.00      34/34          ai_test [1]
[21]     0.0    0.00    0.00      34         grid_apply_moves [21]
                0.00    0.00      34/235501      block_new [17]
                0.00    0.00      68/9212461     block_extreme [11]
                0.00    0.00      34/4467402     block_move [12]
                0.00    0.00      34/34          block_init [25]
                0.00    0.00      34/621         grid_clear_lines [22]
-----------------------------------------------
                0.00    0.00      34/621         grid_apply_moves [21]
                0.00    0.00     587/621         ai_best_move_rec [2]
[22]     0.0    0.00    0.00     621         grid_clear_lines [22]
-----------------------------------------------
                0.00    0.00     587/587         ai_best_move_rec [2]
[23]     0.0    0.00    0.00     587         grid_cpy [23]
-----------------------------------------------
                0.00    0.00      35/35          ai_test [1]
[24]     0.0    0.00    0.00      35         grid_print [24]
-----------------------------------------------
                0.00    0.00      34/34          grid_apply_moves [21]
[25]     0.0    0.00    0.00      34         block_init [25]
-----------------------------------------------
                0.00    0.00      34/34          game_move_print [27]
[26]     0.0    0.00    0.00      34         block_print [26]
-----------------------------------------------
                0.00    0.00      34/34          ai_test [1]
[27]     0.0    0.00    0.00      34         game_move_print [27]
                0.00    0.00      34/34          block_print [26]
-----------------------------------------------
                0.00    0.00      34/34          ai_test [1]
[28]     0.0    0.00    0.00      34         shape_stream_pop [28]
-----------------------------------------------
                0.00    0.00       7/7           shapes_read [68]
[29]     0.0    0.00    0.00       7         shape_new [29]
-----------------------------------------------
                0.00    0.00       1/1           ai_test [1]
[30]     0.0    0.00    0.00       1         shape_stream_new [30]
-----------------------------------------------

 This table describes the call tree of the program, and was sorted by
 the total amount of time spent in each function and its children.

 Each entry in this table consists of several lines.  The line with the
 index number at the left hand margin lists the current function.
 The lines above it list the functions that called this function,
 and the lines below it list the functions this one called.
 This line lists:
     index  A unique number given to each element of the table.
        Index numbers are sorted numerically.
        The index number is printed next to every function name so
        it is easier to look up where the function is in the table.

     % time This is the percentage of the `total' time that was spent
        in this function and its children.  Note that due to
        different viewpoints, functions excluded by options, etc,
        these numbers will NOT add up to 100%.

     self   This is the total amount of time spent in this function.

     children   This is the total amount of time propagated into this
        function by its children.

     called This is the number of times the function was called.
        If the function called itself recursively, the number
        only includes non-recursive calls, and is followed by
        a `+' and the number of recursive calls.

     name   The name of the current function.  The index number is
        printed after it.  If the function is a member of a
        cycle, the cycle number is printed between the
        function's name and the index number.


 For the function's parents, the fields have the following meanings:

     self   This is the amount of time that was propagated directly
        from the function into this parent.

     children   This is the amount of time that was propagated from
        the function's children into this parent.

     called This is the number of times this parent called the
        function `/' the total number of times the function
        was called.  Recursive calls to the function are not
        included in the number after the `/'.

     name   This is the name of the parent.  The parent's index
        number is printed after it.  If the parent is a
        member of a cycle, the cycle number is printed between
        the name and the index number.

 If the parents of the function cannot be determined, the word
 `<spontaneous>' is printed in the `name' field, and all the other
 fields are blank.

 For the function's children, the fields have the following meanings:

     self   This is the amount of time that was propagated directly
        from the child into the function.

     children   This is the amount of time that was propagated from the
        child's children to the function.

     called This is the number of times the function called
        this child `/' the total number of times the child
        was called.  Recursive calls by the child are not
        listed in the number after the `/'.

     name   This is the name of the child.  The child's index
        number is printed after it.  If the child is a
        member of a cycle, the cycle number is printed
        between the name and the index number.

 If there are any cycles (circles) in the call graph, there is an
 entry for the cycle-as-a-whole.  This entry shows who called the
 cycle (as parents) and the members of the cycle (as children.)
 The `+' recursive calls entry shows the number of function calls that
 were internal to the cycle, and the calls entry for each member shows,
 for that member, how many times it was called from other members of
 the cycle.

Copyright (C) 2012-2014 Free Software Foundation, Inc.

Copying and distribution of this file, with or without modification,
are permitted in any medium without royalty provided the copyright
notice and this notice are preserved.

Index by function name

   [2] ai_best_move_rec       [21] grid_apply_moves        [3] grid_eval
  [14] block_crust_get         [7] grid_block_add         [10] grid_init
  [11] block_extreme           [5] grid_block_center_top   [9] grid_new
  [13] block_get               [8] grid_block_drop        [24] grid_print
  [25] block_init             [18] grid_block_intersects  [29] shape_new
  [12] block_move             [16] grid_block_remove      [30] shape_stream_new
  [17] block_new              [15] grid_block_set_color   [19] shape_stream_peek
  [26] block_print             [6] grid_block_valid       [28] shape_stream_pop
  [20] drop_amount            [22] grid_clear_lines        [4] shape_stream_test
  [27] game_move_print        [23] grid_cpy

grafik panggilan salah dengan -Ofast Kemudian saya mengetahui bahwa saya menggabungkan flag -Ofast dan -pg, dan menghapus -Ofast akan memperbaiki masalah di atas.

masukkan deskripsi gambar di sini

Pertanyaan saya adalah:

  1. Apakah kedua bendera ini tidak kompatibel? Saya tidak dapat menemukan peringatan seperti itu di dokumen

  2. Jika tidak kompatibel, apakah ini bug gcc?

  3. Bagaimana cara menyiasatinya untuk melihat hasil pembuatan profil yang cocok dengan pengoptimalan paling agresif sehingga saya tidak membuang waktu untuk mengoptimalkan kode yang salah?


person ealfonso    schedule 16.08.2016    source sumber


Jawaban (1)


Anda ingin kecepatan, bukan? -Ofast hanya penting di bagian bawah tumpukan panggilan. Itu tidak dapat memperbaiki hal-hal yang hanya dapat diperbaiki oleh Anda sendiri. Hal ini hanya akan membuat mereka semakin sulit ditemukan. Pertama matikan pengoptimal dan perbaiki hal-hal yang dapat Anda perbaiki. Berikut contoh bagaimana beberapa orang melakukannya. Ketika Anda sudah melangkah sejauh mungkin dengan itu, aktifkan pengoptimal dan biarkan ia melakukan keajaibannya.

Small Flame :) Banyak orang mengatakan bahwa membuat profil kode yang tidak dioptimalkan hanya membuang-buang waktu, namun mereka tidak pernah mengatakan alasannya. Mereka mendengarnya di ruang kuliah, membacanya di blog, atau dari stackoverflow, dari seseorang yang memiliki otoritas yang jelas mengenai subjek tersebut sehingga tidak perlu memberikan alasan.

Saya pikir ini hanya angan-angan: Kode saya pada dasarnya sempurna, jadi satu-satunya cara untuk mempercepatnya adalah dengan menjalankan pengoptimal kompiler. Lalu ketika profiler tidak menunjukkan cara untuk mempercepatnya - itu jelas benar dan hore bagi saya!

Ditambahkan sebagai tanggapan terhadap komentar: Izinkan saya ngelantur sedikit (maaf). Saya memahami bahwa seseorang dapat mempelajari kode dengan hati-hati, menginvestasikan upaya dalam representasi data, menyejajarkan beberapa fungsi, melakukan pengoptimalan tingkat tinggi lainnya, dan mengukur percepatan dalam melakukan hal tersebut. Besar. Tetapi jika alasan Anda untuk setiap perubahan kode adalah melihat dan hanya memikirkan kode tersebut, maka meskipun pemikiran Anda terpelajar, itu masih berupa tebakan. Sebuah tebakan mungkin benar, namun pertanyaan yang seharusnya Anda tanyakan adalah "Apa yang saya lewatkan?" dan "Bagaimana cara menemukannya?"

Metode yang saya dan banyak orang gunakan adalah penjedaan acak. Satu-satunya alat yang diperlukan adalah debugger, seperti GDB atau IDE apa pun. Ini berbeda dengan pembuatan profil karena ia menempatkan komputasi yang tidak perlu secara langsung, daripada melakukan pengukuran dan mengandalkan Anda untuk menguraikannya, menyaring kebisingan, melihat rutinitas tertentu, dan mencari di dalamnya. Ini memberitahu Anda sampai ke baris kode tertentu, dan data tertentu, apa yang dilakukan program dan mengapa program melakukannya. Kemudian Anda dapat bertanya apakah ada cara yang tidak terlalu boros untuk melakukan hal tersebut, dan kemungkinan besar memang ada. Apa yang tidak lakukan adalah memberi tahu Anda pecahan waktu yang tepat - Anda hanya mendapatkan pengukuran yang sangat kasar. Apa yang lakukan lakukan adalah mengidentifikasi masalahnya. Anda mungkin berpikir Anda tidak bisa bergantung pada metode yang tidak akurat seperti itu, dan hal ini benar jika Anda hanya melihat masalah pada satu sampel. Namun jika Anda melihatnya pada lebih dari satu sampel, Anda tahu bahwa sampel tersebut besar, dan semakin sedikit keseluruhan sampel yang Anda ambil untuk melihatnya lebih dari satu kali, maka semakin besar pula sampel tersebut. Berikut adalah statistik di baliknya. Dan inilah yang menarik: ini akan menemukan masalah apa pun profiler mana pun akan menemukannya, dan banyak lagi.

Kemudian ketika Anda menemukan dan memperbaiki satu masalah, Anda dapat mengulanginya lagi, karena penghapusan satu masalah akan memperbesar masalah yang tersisa. Dengan cara ini Anda dapat "menaikkan" percepatan hingga Anda tidak dapat melakukannya lagi. Begitulah cara Anda mendapatkan kecepatan maksimal seperti dalam contoh ini. Lalu, tentu saja, gunakan -Ofast.

person Mike Dunlavey    schedule 16.08.2016
comment
Saya pikir hanya hal-hal yang dapat Anda perbaiki yang Anda maksud adalah pengoptimalan tingkat yang lebih tinggi. Namun dalam kasus ini, saya tertarik untuk melakukan optimasi tingkat rendah secara manual. Inilah sebabnya tanpa -Ofast saya rasa saya tidak mendapatkan gambaran akurat tentang bagian kode mana yang perlu saya perhatikan. Saya juga sangat tertarik untuk memahami mengapa fungsi yang tidak terkait dan tidak disebut ini muncul di statistik, apakah tandanya tidak kompatibel atau apakah ini bug. - person ealfonso; 17.08.2016
comment
@erjoalgo: Astaga, banyak poin. Pertama, meskipun gprof tidak memiliki bug, memiliki banyak masalah, sehingga orang mungkin bertanya-tanya mengapa kamu repot-repot bergulat dengannya. Kedua, jika kecepatan adalah tujuan Anda, mengapa pengoptimalan tingkat tinggi tidak menarik perhatian Anda? Ketiga, apa pun yang dapat Anda lakukan untuk mempercepat kode tingkat rendah terlihat jelas pada kode yang tidak dioptimalkan. Jika kompiler mengoptimalkan beberapa kode tingkat rendah, hal itu tidak membuat hal-hal yang Anda dapat lakukan menjadi lebih jelas (bahkan jika kompiler tersebut memang menampilkan semua fungsi). Jika Anda mau, saya akan mencoba menjelaskannya lebih detail. - person Mike Dunlavey; 17.08.2016
comment
Pada proyek khusus ini, saya melakukan upaya yang cukup pada representasi data dan algoritme untuk meminimalkan kompleksitas. Jadi saya telah menghabiskan banyak upaya pada pengoptimalan tingkat tinggi, dan saya ingin mendapatkan hasil yang mudah. Misalnya, saya telah memperoleh percepatan yang signifikan dengan memasukkan beberapa perhitungan secara manual, dengan menjauh dari perpustakaan pengurutan, dll. - person ealfonso; 18.08.2016
comment
Saya setuju bahwa apa pun yang dapat Anda lakukan untuk mempercepat kode tingkat rendah terlihat jelas dalam kode yang tidak dioptimalkan, tetapi menurut saya kebalikannya tidak benar, profiler pada kode yang dioptimalkan mungkin mengklaim fungsi X layak mendapat banyak perhatian ketika itu benar-benar terjadi. dioptimalkan dengan baik dan tidak perlu diperhatikan. Misalnya, grid_block_add pada grafik program yang tidak dioptimalkan memerlukan total waktu program hampir dua kali lebih banyak dibandingkan pada versi yang dioptimalkan (7% vs 13%). - person ealfonso; 18.08.2016
comment
Saya ingin menerima jawaban Anda demi melanjutkan ini. Maukah Anda menambahkan apa yang akan Anda gunakan alih-alih gprof ke profil kode yang dioptimalkan secara agresif? - person ealfonso; 18.08.2016
comment
Saya menyukai gagasan tentang pengambilan sampel acak, saya belum mencobanya tetapi saya akan mencobanya. Tapi saya kira saya akan melihat banyak contoh misalnya, grid_eval (dari contoh di atas), yang memakan %50 program saya, tetapi saya tidak tertarik untuk mengoptimalkannya saat ini. - person ealfonso; 29.08.2016
comment
@erjoalgo: Jika Anda menjedanya 10 kali, Anda dapat memverifikasi kecurigaan Anda jika grid_eval muncul di sekitar 5-6 sampel. Kemudian lihat sampel lainnya. Segala sesuatu yang Anda lihat, tidak peduli bagaimana Anda mendeskripsikannya, jika Anda melihatnya di lebih dari satu sampel, akan merugikan Anda. Jika Anda melihat sesuatu yang dapat diperbaiki pada satu sampel, hal itu akan meningkatkan harapan Anda, namun jika Anda melihatnya dua kali, itu adalah hal yang signifikan, dijamin. Berapa biayanya mengikuti distribusi beta. - person Mike Dunlavey; 29.08.2016