• 性能分析 ------ CPU运行卡点


    目标

      如何让CPU优化从模糊到清晰,从感觉这里有性能问题,然后无脑看代码找问题,到有理有据,有数据可依,精确到某个模块函数的优化。

      1、精确有效地统计项目中的函数耗时,导出分析报告。

      2、通过分析报告指导定位优化。

      3、完成迭代优化后,继续测试,通过报告验收优化结果。

      (本文主要阐述方法,怎么埋统计点,需要根据实际情况而定)

    简述

      性能狗(PrefDog):如图已经能分析平均帧率、帧耗时、顿卡等情况,甚至还有时间轴对应的截图,能够较清晰地判断出当时的操作情况,一定程度也可以作为验收优化结果的报告。

       

       但是:最最重要的每帧在处理哪些函数,每个函数耗时又是什么情况,同一个函数多次调用时,峰值、平均值又是什么情况是无法获知的,而这些往往又可能跟代码设计、结构有关系,所以需要自己去插统计点。

    设计

    思路

    1.开启一个http监听,用于接收采样数据;

    2.测试过程中采样数据并通过http上报【PS:可以依靠定时器,每隔固定时间进行一次采样数据上报】;

    3.测试结束后关闭http监听,对所有采样数据分析整理,导出xlsx报告,示例如下:

    采样代码

    export class CUpdateData
    {
        // 描述;
        public info: string;
        // 耗时(ms);
        public costTime: number;
        // 当前帧值;
        public frame: number;
       // 距离开始采样已经过的时间(ms);
       public passTime: number;    
    }
    
    public static uploadCpuBegin( info : string ) : void
    {
        if(!ClientProfile.IsEnable || info == null || info.length == 0)
            return;
    
        let data = new CUpdateData();
        data.passTime = UploadBaseData.getCurTime();    // 当前时间戳;
        data.frame = UploadBaseData._curFrame;          // 当前帧;
        data.info = info;
        data.costTime = 0;
    
        ClientProfile.statistics_data[ info ] = data;
    }
    
    public static uploadCpuEnd( info : string ) : void
    {
        if(!ClientProfile.IsEnable || info == null || info.length == 0)
            return;
    
        let data = ClientProfile.statistics_data[ info ];
        if ( data == null )
            return;
    
        data.costTime = UploadBaseData.getCurTime() - data.passTime;
        if(data.costTime >= ClientProfile.CostMaxTime)
        {
            // 压入数据,定时集中发送,TODO...;
        }
    }

    (采样数据会转成json字符串上报。)

    监听代码【nodeJS】

    var http=require("http");
    
    http.createServer(function (req, res) {  
        var data = "";
        req.on("data",function(chunk){
        data += chunk;
        })
    
        req.on("end",function(){
         
        if(!data) return;
        // 采样数据是合并上报的,分隔符为“
    ”
        var strs = data.split( "
    " );
        for (let i = 0; i < strs.length; i++)
        {
            // JSON.parse(strs[i]) ...;
        }
        res.end();
        }
    ).listen(8888);
    
    // 终端打印IP信息,手机上报就填这个地址;  
    console.log('Server running at '+ getIPAdress() +"port:"+port);  
    function getIPAdress() {
        let localIPAddress = "";
        let interfaces = os.networkInterfaces();
        for (let devName in interfaces) {
            let iface = interfaces[devName];
            for (let i = 0; i < iface.length; i++) {
                let alias = iface[i];
                if (alias.family === 'IPv4' && alias.address !== '127.0.0.1' && !alias.internal) {
                    localIPAddress = alias.address;
                }
            }
        }
         
        return localIPAddress;
    }

    分析导出

    PS:通过nodeJS的库:fs、node-xlsx生成最后xlsx报告。进行了两个维度的分析,

    维度一:耗时平均值排序

    维度二:时间戳排序,同帧的放在一起

    cocosCreator上报示例代码https://files.cnblogs.com/files/hewei2012/cocosCreator-profile.rar

    nodeJS参考代码https://files.cnblogs.com/files/hewei2012/profile.rar

    接口有出入,用于参考。

  • 相关阅读:
    互联网广告综述之点击率特征工程
    强大的矩阵奇异值分解(SVD)
    xgboost原理
    《转》八大算法详细讲解
    sklearn中的回归器性能评估方法
    sklearn中的损失函数
    sklearn参数优化方法
    sklearn中的数据集的划分
    sklearn数据预处理
    九宫格布局
  • 原文地址:https://www.cnblogs.com/hewei2012/p/13227318.html
Copyright © 2020-2023  润新知