Профилирование

@profile

@profile <expression> выполняет ваше выражение, периодически делая снимки стека вызовов. Эти снимки добавляются во внутренний буфер снимков стека.

clear()

Очистить любые существующие снимки стека из внутреннего буфера.

print([io::IO = stdout,] [data::Vector = fetch()], [lidict::Union{LineInfoDict, LineInfoFlatDict} = getdict(data)]; kwargs...)

Выводит результаты профилирования в io (по умолчанию, stdout). Если вы не предоставите вектор data, будет использован внутренний буфер накопленных снимков стека.

Ключевые аргументы могут быть любой комбинацией:

• format – Определяет, выводятся ли снимки стека с (по умолчанию, :tree) или без (:flat) отступом, указывающим структуру дерева.

• C – Если true, снимки стека из кода C и Fortran отображаются (обычно они исключаются).

• combine – Если true (по умолчанию), указатели инструкций объединяются, соответствующие одной строке кода.

• maxdepth – Ограничивает глубину, большую maxdepth в формате :tree

• sortedby – Управляет порядком в формате :flat. :filefuncline (по умолчанию) сортирует по строке исходного кода, :count сортирует в порядке количества собранных образцов, а :overhead сортирует по количеству образцов, собранных каждой функцией самостоятельно.

• groupby – Управляет группировкой по задачам и потокам или без группировки. Доступные варианты: :none (по умолчанию), :thread, :task, [:thread, :task], или [:task, :thread], где последние два обеспечивают вложенную группировку.

• noisefloor – Ограничивает кадры, которые превышают эвристическое пороговое значение шума выборки (применимо только к формату :tree). Рекомендуемое значение для этого — 2.0 (по умолчанию 0). Этот параметр скрывает образцы, для которых n <= noisefloor * √N, где n — количество образцов в этой строке, а N — количество образцов для вызываемой функции.

• mincount – Ограничивает вывод только теми строками, которые содержат не менее mincount вхождений.

• recur – Управляет обработкой рекурсии в формате :tree. :off (по умолчанию) печатает дерево как обычно. :flat вместо этого сжимает любую рекурсию (по ip), показывая приблизительный эффект преобразования любой саморекурсии в итератор. :flatc делает то же самое, но также включает сжатие кадров C (может производить странные действия около jl_apply).

• threads::Union{Int,AbstractVector{Int}} – Укажите, от каких потоков включать моментальные снимки в отчете. Обратите внимание, что это не контролирует, в каких потоках собираются образцы (которые также могли быть собраны на другом компьютере).

• tasks::Union{Int,AbstractVector{Int}} – Укажите, от каких задач включать моментальные снимки в отчете. Обратите внимание, что это не контролирует, внутри каких задач собираются образцы.

print([io::IO = stdout,] data::Vector, lidict::LineInfoDict; kwargs...)

Выводит результаты профилирования в io. Этот вариант используется для проверки результатов, экспортированных предыдущим вызовом retrieve. Укажите вектор data снимков стека и словарь lidict информации о строках.

См. Profile.print([io], data) для объяснения допустимых ключевых аргументов.

init(; n::Integer, delay::Real)

Настроить интервал delay между снимками стека (в секундах) и количество n указателей инструкций, которые могут быть сохранены на поток. Каждый указатель инструкции соответствует одной строке кода; снимки стека обычно представляют собой длинный список указателей инструкций. Обратите внимание, что для хранения метаданных используется 6 пробелов для указателей инструкций на каждый снимок стека, а также два NULL-маркера конца.

Текущие настройки можно получить, вызвав эту функцию без аргументов, и каждое значение можно настроить независимо, используя ключевые слова или в порядке (n, delay)

fetch(;include_meta = true) -> data

Возвращает копию буфера снимков стека профилирования. Обратите внимание, что значения в data имеют смысл только на этом компьютере в текущем сеансе, так как зависят от точных адресов памяти, используемых в JIT-компиляции. Эта функция предназначена в первую очередь для внутреннего использования; retrieve может быть более подходящим вариантом для большинства пользователей. По умолчанию включена метаинформация, такая как threadid и taskid. Установите include_meta в значение false для удаления метаданных.

retrieve(; kwargs...) -> data, lidict

«Экспортирует» результаты профилирования в переносимый формат, возвращая набор всех снимков стека (data) и словарь, который сопоставляет (специфичные для сеанса) указатели инструкций в data с LineInfo значениями, которые хранят имя файла, имя функции и номер строки. Эта функция позволяет сохранять результаты профилирования для дальнейшего анализа.

callers(funcname, [data, lidict], [filename=<filename>], [linerange=<start:stop>]) -> Vector{Tuple{count, lineinfo}}

Исходя из предыдущего запуска профилирования, определить, кто вызвал конкретную функцию. Предоставление имени файла (и, необязательно, диапазона номеров строк, в которых определена функция) позволяет различать перегруженные методы. Возвращаемое значение — вектор, содержащий количество вызовов и информацию о строке вызывающей функции. Необязательно можно предоставить снимок стека вызовов data, полученный из retrieve; в противном случае используется текущий внутренний буфер профиля.

clear_malloc_data()

Очищает любые сохранённые данные об выделении памяти при запуске Julia с --track-allocation. Выполните необходимые команды для тестирования (чтобы принудительно выполнить JIT-компиляцию), затем вызовите clear_malloc_data. Затем выполните ваши команды снова, закройте Julia и просмотрите полученные файлы *.mem

get_peek_duration()

Получите продолжительность в секундах профилирования "peek", которое запускается через SIGINFO или SIGUSR1, в зависимости от платформы.

set_peek_duration(t::Float64)

Установите продолжительность в секундах профилирования "peek", которое запускается через SIGINFO или SIGUSR1, в зависимости от платформы.

Profile.Allocs.@profile [sample_rate=0.1] expr

Профилируйте выделение памяти, происходящее во время expr, возвращая как результат, так и структуру AllocResults.

Частота 1.0 запишет всё; 0.0 — ничего не запишет.

julia> Profile.Allocs.@profile sample_rate=0.01 peakflops()
1.03733270279065e11

julia> results = Profile.Allocs.fetch()

julia> last(sort(results.allocs, by=x->x.size))
Profile.Allocs.Alloc(Vector{Any}, Base.StackTraces.StackFrame[_new_array_ at array.c:127, ...], 5576)

Лучший способ визуализировать это — с помощью пакета PProf.jl, вызвав PProf.Allocs.pprof.

Profile.Allocs.clear()

Очистить все ранее профилированные данные о выделении памяти из памяти.

Profile.Allocs.fetch()

Получить записанные выделения и декодировать их в объекты Julia, которые можно проанализировать.

Profile.Allocs.start(sample_rate::Real)

Начать запись выделений с заданной частотой. Частота 1.0 запишет всё; 0.0 — ничего не запишет.

Profile.Allocs.stop()

Остановить запись выделений.

Profile.take_heap_snapshot(io::IOStream, all_one::Bool=false)
Profile.take_heap_snapshot(filepath::String, all_one::Bool=false)
Profile.take_heap_snapshot(all_one::Bool=false; dir::String)

Сохранить снимок кучи в формате JSON, ожидаемом просмотрщиком снимков кучи Chrome Devtools (.heapsnapshot), в файл ($pid_$timestamp.heapsnapshot) по умолчанию в текущем каталоге (или в tempdir, если текущий каталог недоступен для записи), или в dir, если задано, или в указанный полный путь к файлу, или в поток ввода/вывода.

Если all_one равно true, то размер каждого объекта будет представлен как единица для удобства подсчёта. В противном случае, будет показан фактический размер.