rust-profiling

用途

Rust Profiling 是一个面向 Rust 性能剖析的技能，用于引导代理完成 Rust 程序的性能分析工作，涵盖火焰图生成、二进制体积分析、单态化膨胀测量、Criterion 微基准测试，以及解读包含内联 Rust 帧的剖析结果。

触发场景

该技能在以下问题出现时被触发：

如何为 Rust 程序生成火焰图
Rust 二进制体积过大，如何定位原因
如何编写 Criterion 基准测试
如何测量单态化膨胀
Rust 性能低于预期时如何剖析
如何在 Rust 中使用 perf

主要能力与工作流

1. 为剖析构建

使用带有调试符号的 release 配置，配置示例：

[profile.release-with-debug]
inherits = "release"
debug = true

cargo build --profile release-with-debug

或快速方式：

CARGO_PROFILE_RELEASE_DEBUG=true cargo build --release

2. 使用 cargo-flamegraph 生成火焰图

cargo install flamegraph

Linux 下使用 perf（要求 perf_event_paranoid ≤ 1）：

sudo sh -c 'echo 1 > /proc/sys/kernel/perf_event_paranoid'
cargo flamegraph --bin myapp -- arg1 arg2

macOS 下使用 DTrace（需要 sudo）：

sudo cargo flamegraph --bin myapp -- arg1 arg2

剖析测试与基准：

cargo flamegraph --test mytest -- test_filter
cargo flamegraph --bench mybench -- --bench

输出会在当前目录生成 flamegraph.svg，可在浏览器中打开。

自定义选项：

cargo flamegraph --freq 1000 --bin myapp

直接使用 perf 获得更多控制：

perf record -g -F 999 ./target/release-with-debug/myapp args
perf script | stackcollapse-perf.pl | flamegraph.pl > out.svg

3. 使用 cargo-bloat 进行二进制体积分析

cargo install cargo-bloat
cargo bloat --release -n 20
cargo bloat --release --crates
cargo bloat --release --filter myapp

可用于对比改动前后：

cargo bloat --release --crates > before.txt
# 进行修改
cargo bloat --release --crates > after.txt
diff before.txt after.txt

典型输出会列出文件占比、.text 占比、大小、crate 名称等。

4. 使用 cargo-llvm-lines 测量单态化膨胀

cargo install cargo-llvm-lines
cargo llvm-lines --release | head -40
cargo llvm-lines --release | grep '^myapp'

典型输出包含 Lines、Copies、Function name 三列。Copies 数量高代表单态化展开。可通过“薄泛型包装 + 具体内部函数”的方式优化：

fn process<T: AsRef<[u8]>>(data: T) -> usize {
    fn inner(data: &[u8]) -> usize { do_work(data) }
    inner(data.as_ref())
}

5. Criterion 微基准测试

依赖配置：

[dev-dependencies]
criterion = { version = "0.5", features = ["html_reports"] }

[[bench]]
name = "my_bench"
harness = false

基准代码示例：

use criterion::{black_box, criterion_group, criterion_main, Criterion, BenchmarkId};

fn bench_process(c: &mut Criterion) {
    c.bench_function("process 1000 items", |b| {
        let data: Vec<i32> = (0..1000).collect();
        b.iter(|| process(black_box(&data)))
    });
}

fn bench_sizes(c: &mut Criterion) {
    let mut group = c.benchmark_group("process_sizes");
    for size in [100, 1000, 10000].iter() {
        let data: Vec<i32> = (0..*size).collect();
        group.bench_with_input(
            BenchmarkId::from_parameter(size),
            &data,
            |b, data| b.iter(|| process(black_box(data))),
        );
    }
    group.finish();
}

criterion_group!(benches, bench_process, bench_sizes);
criterion_main!(benches);

运行方式：

cargo bench
cargo bench --bench my_bench
cargo bench -- process_sizes
cargo bench -- --save-baseline before
cargo bench -- --baseline before
open target/criterion/report/index.html

6. 在 Linux 上使用 perf 配合 Rust

perf record -g ./target/release-with-debug/myapp args
perf record -g -F 999 ./target/release-with-debug/myapp args
perf report
perf report --stdio --no-call-graph | head -40
perf annotate myapp::hot_function
perf stat ./target/release/myapp args

Rust 相关建议：

使用 debug = 1（仅行表）加快构建并保留行级归属
使用 RUSTFLAGS="-C force-frame-pointers=yes" 改善调用图
关闭 ASLR 以获得可复现地址：setarch $(uname -m) -R ./myapp

7. 使用 heaptrack / DHAT 分析内存分配

heaptrack（Linux）：

heaptrack ./target/release/myapp args
heaptrack_print heaptrack.myapp.*.zst | head -50

DHAT（通过 Valgrind）：

valgrind --tool=dhat ./target/debug/myapp args

使用 dh_view.html 打开 dhat-out.* 文件查看结果。

限制

部分操作依赖系统权限与平台工具：Linux 下 perf 需要 perf_event_paranoid ≤ 1，macOS 下 DTrace 需要 sudo。其他限制信息暂未提供。

技能介绍

用途