Профилирование

@profile

@profile <expression> выполняет ваше выражение, периодически делая обратные трассировки. Они добавляются в внутренний буфер обратных трассировок.

clear()

Очистка всех существующих обратных трассировок 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 обратных трассировок.

Ключевые аргументы могут быть любой комбинацией:

• format – Определяет, печатаются ли обратные трассировки с (по умолчанию, :tree) или без (:flat) отступов, указывающих структуру дерева.

• C – Если true, показываются обратные трассировки из кода C и Fortran (обычно они исключаются).

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

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

• sortedby – Управление 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, полученных каждой функцией отдельно.

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

• noisefloor – Ограничивает кадры, превышающие эвристическую порог шума образца (применяется только к формату :tree). Рекомендованное 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 строками с по крайней мере mincount вхождениями.

• recur – Управление обработкой рекурсии в формате :tree. :off (по умолчанию) выводит 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 делать странные вещи вокруг jl_apply).

• threads::Union{Int,AbstractVector{Int}} – Укажите потоки, чьи снимки включать в отчете. Обратите внимание, что это не контролирует потоки, в которых собираются образцы (которые также могли быть собраны на другой машине).

• tasks::Union{Int,AbstractVector{Int}} – Укажите задачи, чьи снимки включать в отчете. Обратите внимание, что это не контролирует задачи, внутри которых собираются образцы.

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

Выводит результаты профилирования в io. Этот вариант используется для анализа результатов, экспортированных предыдущим вызовом retrieve. Передайте вектор data обратных трассировок и словарь lidict информации о строках.

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

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

Настройте delay между обратными трассировками (в секундах) и количество n указателей инструкций, которые могут храниться на поток. Каждый указатель инструкции соответствует одной строке кода; обратные трассировки, как правило, представляют собой длинный список указателей инструкций. Обратите внимание, что 6 указателей инструкций на обратную трассировку используются для хранения метаданных и двух маркеров NULL.

Текущие настройки могут быть получены, вызвав эту функцию без аргументов, и каждый может быть установлен независимо, используя ключевые слова или в порядке (n, delay).

fetch(;include_meta = true) -> data

Возвращает копию буфера обратных трассировок профиля. Обратите внимание, что значения в data имеют смысл только на этой машине в текущей сессии, потому что зависят от точных используемых физических адресов памяти при JIT-компиляции. Эта функция предназначена в основном для внутреннего использования; retrieve может быть лучшим выбором для большинства пользователей. По умолчанию включаются метаданные, такие как threadid и taskid. Установите include_meta в false для удаления метаданных.

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

«Экспортирует» результаты профилирования в переносимом формате, возвращая набор всех обратных трассировок (data) и словарь, который сопоставляет (специфичные для сессии) указатели инструкций в data со значениями LineInfo, хранящими имя файла, имя функции и номер строки. Эта функция позволяет сохранять результаты профилирования для последующего анализа.

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

Учитывая предыдущую сессию профилирования, определите, кто вызвал определенную функцию. Указание имени файла (и необязательно диапазона номеров строк, в которых определена функция) позволяет уточнить перегруженный метод. Возвращаемое значение – вектор, содержащий количество вызовов и информацию о строке вызывающей функции. Необязательно можно предоставить обратную трассировку data полученную из retrieve; в противном случае используется текущий внутренний буфер профиля.

clear_malloc_data()

Очищает любые сохраненные данные об аллокации памяти при запуске julia с --track-allocation. Выполните команды, которые вы хотите протестировать (чтобы принудительно выполнить JIT-компиляцию), затем вызовите clear_malloc_data. Затем снова выполните свои команды, выйдите из Julia и просмотрите полученные *.mem файлы.

get_peek_duration()

Получить продолжительность в секундах «просмотра» профиля, вызванного SIGINFO или SIGUSR1, в зависимости от платформы.

set_peek_duration(t::Float64)

Установить продолжительность в секундах «просмотра» профиля, вызываемого SIGINFO или SIGUSR1, в зависимости от платформы.

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

Профилировать выделения, которые происходят во время expr, возвращая как результат, так и структуру AllocResults.

Частота 1.0 запишет все; 0.0 — ничего.

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)

Дополнительную информацию можно найти в учебнике по профилированию в документации Julia.

Profile.Allocs.clear()

Очистить все ранее профилированные данные об аллокации из памяти.

Profile.Allocs.print([io::IO = stdout,] [data::AllocResults = fetch()]; kwargs...)

Выводит результаты профилирования в io (по умолчанию, stdout). Если вы не предоставите вектор data, будет использоваться внутренний буфер накопленных стековых следов.

См. Profile.print для объяснения допустимых ключевых аргументов.

Profile.Allocs.fetch()

Извлечь записанные аллокации и декодировать их в объекты Julia, которые можно проанализировать.

Profile.Allocs.start(sample_rate::Real)

Начать запись аллокаций с заданной частотой выборки. Частота выборки 1.0 запишет все; 0.0 — ничего не запишет.

Profile.Allocs.stop()

Остановить запись аллокаций.

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

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

Если all_one истинно, то размер каждого объекта указывается как единица, чтобы их можно было легко подсчитать. В противном случае, указывается фактический размер.

Если all_one истинно, мы выведем данные снимка в четыре файла, используя filepath в качестве префикса, чтобы избежать необходимости удерживать весь снимок в памяти. Этот параметр следует использовать в любой ситуации, когда у вас ограничена память. Эти файлы затем можно собрать, вызвав Profile.HeapSnapshot.assemble_snapshot(), что можно сделать автономно.

ПРИМЕЧАНИЕ. Мы настоятельно рекомендуем установить streaming=true по соображениям производительности. Восстановление снимка из частей требует удержания всего снимка в памяти, поэтому, если снимок большой, у вас может не хватить памяти при его обработке. С потоковой передачей вы можете восстановить снимок автономно после завершения вашей рабочей нагрузки. Если вы попытаетесь собрать снимок со значением streaming=false (по умолчанию, для обратной совместимости), и ваш процесс будет завершен, обратите внимание, что это всегда сохранит части в том же каталоге, что и ваш предоставленный filepath, так что вы все еще можете восстановить снимок позже, используя assemble_snapshot().