第二章：CPU性能分析与调优

各位同学，今天我们来聊聊CPU性能分析与调优。说实话，很多做具身智能的朋友，一开始都盯着算法和模型，觉得CPU调优是运维的事。但我在实际项目中踩过不少坑，发现CPU瓶颈往往是整个系统性能的“隐形杀手”。

2.1 性能分析工具：perf 和 top 的正确用法

先说说工具。很多人用top就是看一眼CPU占用率，其实这远远不够。我个人习惯用perf top来实时查看热点函数，而不是只看进程级别的占用。

# 实时查看CPU热点函数
sudo perf top

# 采样并生成报告
sudo perf record -a -g -- sleep 10
sudo perf report -g

为什么推荐perf？因为它能告诉你到底是哪一行代码在吃CPU。我在项目中遇到过一个问题：一个机器人控制程序CPU飙到90%，用top看只知道是主进程，但用perf一查，发现是某个矩阵运算函数占用了70%的CPU时间。这就是工具的价值。

# 查看程序整体性能指标
perf stat ./your_program

2.2 定位CPU瓶颈：从现象到根因

定位瓶颈，说白了就是回答三个问题：

• CPU占用高吗？——用top看%CPU列
• 是用户态还是内核态？——看us和sy占比
• 具体是哪个函数？——用perf看调用链

你想想看，如果us高，说明是应用层代码的问题；如果sy高，那可能是系统调用太频繁或者驱动有问题。我记得有一次，一个传感器数据采集程序sy占比超过40%，用perf trace一看，发现是每次读取都调用了read()系统调用，改成批量读取后，sy直接降到5%以下。

2.3 优化计算密集型任务：代码层面的调优

定位到瓶颈后，怎么优化？我总结了几条实战经验：

1. 减少不必要的计算——比如缓存重复计算结果，避免在循环里重复计算常量
2. 使用更高效的数据结构——比如用数组代替链表，用哈希表代替线性查找
3. 利用SIMD指令——对于向量运算，可以用SSE/AVX指令集加速
4. 多线程并行——把任务拆分成独立子任务，用OpenMP或pthreads并行执行

// 优化前：循环内重复计算
for (int i = 0; i < n; i++) {
    data[i] = data[i] * M_PI / 180.0;  // 每次都要计算M_PI/180.0
}

// 优化后：常量提前计算
double factor = M_PI / 180.0;
for (int i = 0; i < n; i++) {
    data[i] = data[i] * factor;
}

这个例子看起来简单，但我在实际代码里见过很多次。有时候优化就是这些细节的累积。

2.4 调整进程优先级与CPU亲和性

嗯，这里要注意。优先级和亲和性是两个不同的概念，但经常被混为一谈。

概念	作用	常用命令
进程优先级	决定CPU时间片分配比例	nice / renice
CPU亲和性	绑定进程到特定CPU核心	taskset

优先级调整：对于实时性要求高的任务（比如机器人运动控制），可以调高优先级。但别调太高，否则可能影响系统响应。

# 启动时设置优先级（-20最高，19最低）
nice -n -10 ./robot_control

# 运行时调整优先级
renice -n -5 -p 1234

CPU亲和性：为什么要绑定核心？因为频繁切换核心会导致缓存失效，影响性能。对于计算密集型任务，绑定到固定核心可以充分利用L1/L2缓存。

# 绑定进程到CPU 0和1
taskset -c 0,1 ./compute_task

# 查看进程当前亲和性
taskset -p 1234

2.5 避坑指南：我曾经踩过的雷

最后分享几个我亲身经历的教训：

• 别盲目调优先级。我曾经把一个关键进程的优先级调到最高，结果导致SSH连接超时，远程调试直接断连。后来才知道，系统管理任务也需要CPU时间。
• 亲和性绑定要留有余地。如果系统有8个核心，你绑定了7个，剩下1个要处理所有中断和系统任务，反而会成为瓶颈。
• perf采样时间别太短。我刚开始用perf时，采样1秒就分析，结果热点函数每次都不一样。后来改成采样10秒以上，数据才稳定。

好了，这一章的内容就到这里。工具和方法都给了，关键还是多动手、多分析。下一章我们会聊内存性能调优，到时候见。

---

公众号:蓝海资料掘金营，微信deep3321