# PGO（配置文件引导优化） ## 目的指导代理完成完整的 PGO 工作流程：仪器构建 → 代表性工作负载 → 收集配置文件 → 优化构建，涵盖 GCC 和 Clang，以及用于链接后优化的 BOLT。 ## 触发器 * “如何使用 PGO 来加速我的二进制文件？” *“什么是配置文件引导优化以及何时应该使用它？” *“如何使用`-fprofile-generate`和`-fprofile-use`？” *“我的‘-O3’构建不够快——接下来怎么办？” *“BOLT 与 PGO 有何不同？” *“如何收集代表性个人资料数据？” ## 工作流程 ### 1\.何时使用 PGO -O3 -march=native 是否已应用？否 → 首先应用标准优化是 → 分支工作负载是否繁重或调用模式不规则？是 → PGO 可能会帮助 5-30% 否 → PGO 可能无济于事；首先使用 linux-perf 进行配置文件 PGO 在以下方面帮助最大： * 具有许多冷/热代码路径（编译器、数据库、服务器）的大型二进制文件 * 静态预测错误的分支密集代码 * 函数调用密集的代码，其中内联决策随着配置文件数据而改进 ### 2\. GCC PGO 工作流程 # 第 1 步：使用仪器构建 gcc -O2 -fprofile-generate -fprofile-dir=./pgo-data \ prog.c -o prog_instr # 第 2 步：使用代表性工作负载运行 ./prog_instr < 工作负载1.输入 ./prog_instr < 工作负载2.input # 在./pgo-data/中生成.gcda文件 # 步骤 3：使用配置文件构建优化的二进制文件 gcc -O2 -fprofile-use -fprofile-dir=./pgo-data \ -f轮廓校正\ prog.c -o prog_pgo `-fprofile- Correction`：处理并行或不确定运行中的配置文件计数不一致。始终包含它。 ### 3\. Clang PGO 工作流程（基于 IR，首选） # 第 1 步：仪器构建 clang -O2 -fprofile-instr-生成 prog.c -o prog_instr # 步骤 2：运行工作负载（生成default.profraw） ./prog_instr < 工作负载.输入 LLVM_PROFILE_FILE="prog-%p.profraw" ./prog_instr # 用于并行运行的每个 PID 文件 # 第 3 步：合并原始配置文件 llvm-profdata 合并-output=prog.profdata *.profraw # 第 4 步：优化构建 clang -O2 -fprofile-instr-use=prog.profdata prog.c -o prog_pgo Clang 的 IR PGO 比 GCC 更准确，并且支持“SamplePGO”（基于采样，无仪器开销）。 ### 4\. Clang SamplePGO（采样，无仪器） # 第 1 步：使用帧指针构建以获得准确的堆栈 clang -O2 -fno-omit-frame-pointer prog.c -o prog # 第 2 步：使用 perf 进行采样 perf record -b -e 周期:u ./prog < 工作负载.input perf script -F ip,brstack > perf.script # 或使用 perf2bolt # 第三步：转换性能数据 llvm-profgen --binary=./prog --perf-script=perf.script \ --output=prog.profdata # 第 4 步：优化构建 clang -O2 -fprofile-sample-use=prog.profdata prog.c -o prog_spgo SamplePGO 是无需仪器开销的生产分析的理想选择。 ### 5\. CMake集成选项（PGO_INSTRUMENT“使用 PGO 工具构建”关闭）选项（PGO_USE“使用 PGO 配置文件数据构建”关闭）如果（PGO_INSTRUMENT） add_compile_options（-fprofile-instr-generate） add_link_options（-fprofile-instr-generate）结束（）如果（PGO_USE） add_compile_options(-fprofile-instr-use=${CMAKE_SOURCE_DIR}/prog.profdata) add_link_options(-fprofile-instr-use=${CMAKE_SOURCE_DIR}/prog.profdata) 结束（）构建脚本： # 第一阶段：仪器 cmake -S 。 -B build-pgo-instr -DPGO_INSTRUMENT=ON -DCMAKE_BUILD_TYPE=发布 cmake --build build-pgo-instr -j$(nproc) # 收集个人资料 ./build-pgo-instr/prog < 工作负载.input llvm-profdata 合并-output=prog.profdata *.profraw # 第二阶段：优化 cmake -S 。 -B build-pgo -DPGO_USE=ON -DCMAKE_BUILD_TYPE=发布 cmake --build build-pgo -j$(nproc) ### 6\. BOLT（链接后二进制优化） BOLT 根据配置文件数据对最终二进制文件中的函数和基本块进行重新排序，从而改善指令缓存局部性。 PGO 之后可额外发挥 5-15% 的作用。 # 第 1 步：使用重定位支持进行构建 clang -O2 -Wl,--emit-relocs prog.c -o prog # 第 2 步：使用 perf 收集配置文件 perf record -e 周期:u -b ./prog < 工作负载.input perf2bolt prog -p perf.data -o prog.fdata # 或者使用仪器化的 BOLT llvm-螺栓编程-仪器-o prog.instr ./prog.instr < 工作负载.输入 # 生成/tmp/prof.fdata # 第 3 步：应用 BOLT 优化 llvm-bolt prog -data prog.fdata -o prog.bolt \ -reorder-blocks=ext-tsp \ -reorder-functions=hfsort \ -分割功能\ - 全部冷 \ -动态统计 ### 7\.验证 PGO 影响 # 比较检测与 PGO 构建的性能 perf stat ./prog_baseline < 工作负载.input perf stat ./prog_pgo < 工作负载.input # 检查每个函数中哪些函数是热门的性能记录./prog_pgo <工作负载.输入性能报告--stdio |头-30 有关完整工作流程详细信息以及 Clang 与 GCC 配置文件格式说明，请参阅 [references/pgo-workflow.md]()。 ## 相关技能 * 使用 `skills/compilers/gcc` 作为 GCC 标志上下文 * 使用 `skills/compilers/clang` 进行 Clang PGO 和 SamplePGO 设置 * 使用 `skills/profilers/linux-perf` 收集 SamplePGO 性能数据 * 在应用 PGO 之前使用“技能/分析器/火焰图”来识别热路径

因为

包含技能