SuperAPI AI 工具集

binary-size-analysis

通用与其它

查看项目

更新于 10-16 06:52

技能介绍

用途:对 agent-data-plane 二进制做独立的体积分析,找出体积占比最高的前 3-5 个贡献者,并评估各自是否可减小。技能只做诊断与可行性评估,未经用户指示不进入实现或自动重构。

主要流程与命令:先用生产发布配置构建,cargo build --profile optimized-release -p agent-data-plane,该 profile 继承 release,lto = "fat"、codegen-units = 1,构建可能需数分钟。随后复制产物,用 objcopy --only-keep-debug 分离调试文件,再用 strip --strip-debug 剥离副本,以剥离后大小为对外报告的头条数字。分析阶段:cargo bloat --profile optimized-release -p agent-data-plane --crates -n 20 作为 crate 级主要依据;用 nm --size-sort --reverse-sort <未剥离二进制> | rustfilt 获取权威符号大小;Bloaty 的 -d sections 读 ELF 段头,结果可靠;-d compileunits 与 -d symbols 仅作方向性参考,需与 nm 交叉核对,bloaty 显著大于 nm(>1.5x)的符号视为 DWARF 归因失真,不作为结论上报。还可用 cargo tree 查依赖与特性。

关键限制:fat LTO 加单 codegen unit 下,Bloaty 的 DWARF 符号归因极不可靠,实测小函数被放大 5-176 倍,应以 ELF 符号表为准;大型异步状态机函数(>25 KiB)通常误差约 20% 内。调查工作区 crate 与第三方依赖时,可参考 ci/tooling/analyze-binary-size.py 的判定逻辑,并检查是否存在泛型单态化膨胀、内联代码或嵌入数据。最后输出排名表格,列出 crate/模块、大小、类别(第三方依赖、工作区代码、单态化、嵌入数据、protobuf、序列化/反序列化等)与可行性(easy/medium/hard),再询问用户是否要为某区域制定计划。部分细节(如具体项目结构、实际测量数值)暂未提供。