這么多性能調優工具，看看你知道幾個？
本文轉載自微信公眾號「程序喵大人」，作者程序喵大人。轉載本文請聯系程序喵大人公眾號。
大家好，我是程序喵，雖然假期都快過去了，有很多朋友問程序喵怎么沒更文呢?是不是偷懶了!其實我這幾天沒閑著，一直在整理學習資料，昨晚終于完成了，估計這兩天會跟大家見面。
好了，我們CPP優化系列正式開始!今天的文章里，我會介紹一些常用的工具，幫助大家找到代碼的“壞味道”(潛在的坑)，進而提升代碼質量。
那到底什么樣的代碼才算是高質量代碼呢?
對此我整理了一份腦圖：
如何能夠提升代碼質量呢，除了我們自身過硬的編碼能力，還需要制定代碼檢查流程，一般代碼檢查有以下幾種方式：
代碼檢查要檢查的問題有：
腦圖中有一些代碼度量指標，它用于量化代碼質量：
- 如果代碼的圈復雜度或認知復雜度過大，可能函數本身實現的過于復雜，或可能因為架構設計過于復雜，導致函數過于復雜。
- 如果函數嵌套過深，說明函數很可能出錯，需要仔細進⾏⼈⼯評審，并且函數可能需要重構。
- 如果模塊的扇入過大，說明模塊可能是公共模塊，需要⼈⼯評審接⼝是否是穩定的，或模塊承擔過多職責，可以考慮遵循單⼀職責，分解模塊的職責。
- 如果模塊的扇出過大，說明該模塊依賴多個模塊，可以考慮把被依賴的多個模塊合并為⼀個模塊，重構依賴的接⼝。
- 如果類的繼承樹過深，考慮在繼承樹的深度上是否有新的變化⽅向，考慮提出新的策略類，或其他設計模式來優化繼承樹。
- 如果子類過多，檢查⼦類的實現中共同的地⽅，先考慮提出公共的中間⼦類，檢查是否可以通過橋接模式、裝飾模式、組合模式等結構型模式重構代碼。
上面腦圖所說的需要檢查的各種問題中，代碼和需求背離問題與代碼是否符合設計問題需要人工評審，成本較高，其它問題可以通過工具來檢測。
檢測工具主要分為靜態代碼分析工具和動態代碼檢測工具。
靜態代碼分析工具主要用于靜態代碼分析，關于靜態代碼分析，它能夠根據規則幫助檢查代碼缺陷，然而，對于檢查規則能夠覆蓋的代碼，工具能夠工作的挺好，但對于規則沒有覆蓋的代碼，它卻無能為力，而且可能存在誤報問題。
靜態代碼分析是保證代碼質量的重要手段，據說軟件開發中大概30%-70%的代碼邏輯設計和編碼缺陷都可以通過靜態代碼分析來發現和修復。它會掃描程序代碼，找出代碼中隱藏的錯誤，如參數不匹配、有歧義的嵌套語句、錯誤的遞歸、非法計算、空指針問題、越界問題、未初始化問題、內存泄漏問題等。
靜態代碼分析工具的優勢有：
- 自動執行靜態代碼分析，快速定位代碼隱藏錯誤和缺陷
- 幫助代碼設計人員更專注于分析和解決代碼設計缺陷
- 減少在代碼人工檢查上花費的時間，提高軟件可靠性并節省開發成本
舉例如下：
代碼規范檢查：由于拷貝粘貼造成兩個分支的代碼完全相同
- void func(int in, int &out) {
- if (in > 1) out++;
- else out++;
- out++;
- }
代碼缺陷檢查：沒有用的RAII
- void func() {
- std::lock_guard<std::mutex>(lk); // 臨時對象，語句結束后執行析構，誤用的加鎖
- ...
- }
下面是一些常見的靜態代碼分析工具：
這里推薦一個常用的代碼質量管理平臺SonarCube，SonarQube是一個管理代碼質量的平臺(社區版免費)，用于管理代碼的質量，它會從多個角度維護檢測代碼質量，通過插件形式支持多種語言的代碼質量管理和檢測。它可以安裝sonar-cxx插件，內置了一系列C/C++代碼檢查工具，還可以應用在CI/CD流程中，和Jenkins打通，可以在提交代碼后檢查代碼是否有壞味道，不符合規范的代碼就拒絕被合入master。
還有一個很好用的靜態代碼檢測工具是Facebook的infer，它最大的優勢是可以靜態檢測代碼內隱藏的內存泄漏問題，而且免費支持Android、C、OC語言。
靜態代碼分析工具可以在運行前幫助我們檢測缺陷，只有30%-70%，但不是所有缺陷，很多缺陷需要在運行時才會被發現。
其實我們還可以使用一些動態分析工具，通過動態分析工具可以準確定位問題，而且誤報率低，但這與測試用例強綁定，查找缺陷的比例與測試用例的覆蓋率有關，覆蓋率對于衡量代碼質量有很大意義。
代碼覆蓋率的意義：
- 幫助我們找到未覆蓋部分的代碼，分析測試用例設計的是否充分，之后視情況決定是否可以補充測試用例。
- 檢測出代碼的壞味道，提示我們修改代碼，理清代碼邏輯關系，提升代碼質量。
- 代碼覆蓋率高不能代表代碼質量一定好，但代碼覆蓋率低，代碼質量估計不會高到哪去，可以作為我們衡量代碼質量的重要手段之一。
- 對于沒有覆蓋到的錯誤，動態分析工具也無能為力。在實際工作中，我們可以動靜結合，多種檢查手段全都用上，可以更有效的提升代碼質量。
動態分析工具可以在程序運行時發現代碼的缺陷，例如內存問題、數據競爭、未定義行為等。
常用工具有GCC&Clang的Santizer系列：
- Asan-Address Sanitizer：緩存區溢出，內存泄漏
- Tsan-Thread Sanitizer：并發問題
- Msan-Memory Sanitizer：未初始化內存
- Ubsan-Undefined Behavior Sanitizer：未定義行為
- 編譯選項添加fsanitize=address/memory/thread/undefined
還有Valgrind工具：
- memchek：內存問題，包括Asan和Msan
- helgrind：線程和并發問題
- cachegrind、callgrind、massif：幫助進行性能優化
使用各種工具與單元測試、功能測試、系統測試結合，提高覆蓋率，可以幫助我們發現更多缺陷。
前面的多數都是代碼分析工具，下面介紹一些性能分析工具，關于性能分析工具Brendan Gregg大佬的網站介紹的很詳細，這里貼出來一張他總結的工具圖：
這張圖從Linux內核的各個子系統出發，匯總了對各個子系統進行性能分析時可以選擇的工具。其實還有一些好用的工具，圖里沒有提到，這里重點介紹一下：
gprof：gprof是GNU工具之一，編譯的時候，它在每個函數的出入口加入了profiling的代碼，運行時統計程序在用戶態的執行信息，可以得到每個函數的調用次數，執行時間，調用關系等信息，簡單易懂。適合于查找用戶級程序的性能瓶頸，然而對于很多耗時在內核態執行的程序，gprof不適合。
Oprofile：Oprofile也是一個開源的profiling工具，它使用硬件調試寄存器來統計信息，進行profiling的開銷比較小，而且可以對內核進行profiling。它統計的信息非常多，可以得到cache的缺失率，memory的訪存信息，分支預測錯誤率等等，這些信息gprof得不到，但是對于函數調用次數，它無能為力。
簡單來說，gprof簡單，適合于查找用戶級程序的瓶頸，而Oprofile稍微有點復雜，但是得到的信息更多，更適合調試系統軟件。
gperftools：Google出品，值得信賴，提供整個程序的熱點分布圖，找到性能瓶頸，然后可以針對性的進行性能優化，如圖：
我們平時編程過程中可能很多時候都會使用某些時間API來計算函數耗時，使用方式可以看我的這篇文章：《詳細介紹下C/C++時間相關的那些函數》
那使用什么API效率更高呢，可以看下圖：
圖中的rdtsc使用較繁瑣而且不適用于所有平臺和編譯器，剩下的大家可以按需使用哈。
關于性能分析工具，程序喵整理了一份非常詳細的腦圖(精華全在腦圖里)，以性能指標分類，不同指標使用什么工具進行分析，都在圖里，目錄如下：
最后，公眾號后臺回復「性能分析工具」可以獲取完整高清PDF文件~
如果喜歡這篇文章，請點贊、在看，支持一下哦~謝謝!
參考資料
- https://stackoverflow.com/questions/375913/how-can-i-profile-c-code-running-on-linux
- https://zh.wikipedia.org/wiki/%E6%80%A7%E8%83%BD%E5%88%86%E6%9E%90
- https://www.cnblogs.com/bangerlee/archive/2012/08/30/2659435.html
- http://www.brendangregg.com/linuxperf.html
- https://www.cnblogs.com/youxin/p/7988479.html
- https://www.agner.org/optimize/
- https://zhuanlan.zhihu.com/p/141694060
- https://www.wyyuan.com/2018/11/06/%E8%AE%A4%E7%9F%A5%E5%A4%8D%E6%9D%82%E5%BA%A6/
- http://bitjoy.net/2017/02/07/introduction-to-performance-analysis-tools-in-linux/
