c++ - 如何为使用Clang LLVM编译的C++代码生成图形代码配置文件报告？

Question

如何为使用Clang LLVM编译的C++代码生成图形代码配置文件报告？

我可以将哪些命令行选项传递给clang++，以指示其在执行代码时收集性能分析数据？

收集的概要分析数据存储到哪个文件中？

将收集的概要文件数据转换为图形报告的后处理步骤是什么，该报告显示每个函数被调用的频率，每个函数所花费的时间百分比以及从哪个函数中调用每个函数(类似于https://s3-us-west-2.amazonaws.com/brunorijsman-public/example-rift-python-code-profile.png) ？

我可以完全控制C++源代码和Makefile。

它必须是LLVM clang++(对我来说，GNU g++不是一个选择)。 Xcode也不是我的选择。

Answer 1

Clang支持几种不同的代码覆盖率实现(也输出行执行的频率)，例如Source-Based Code Coverage和与gcov兼容的实现。总体而言，开源工具似乎对gcov输出提供了更好的支持，因此，我建议使用该路由。

What command-line options to I pass to clang++ to instruct it to gather profiling data when the code is executed?

基于源代码的覆盖范围:
根据llvm-cov，用于收集概要分析数据的正确标志是编译时的-fprofile-instr-generate -fcoverage-mapping和链接时的-fprofile-instr-generate。

对于与gcov兼容的输出:-fprofile-arcs -ftest-coverage

Into which file(s) is the gathered profiling data stored?

基于源代码的覆盖范围:
运行程序编译并与上面的标志链接后，覆盖范围数据将存储在当前工作目录中的default.profraw中。可以通过使用-fprofile-instr-generate=filename重新编译或通过在运行可执行文件之前设置环境变量LLVM_PROFILE_FILE来更改分析数据文件名。

对于与gcov兼容的输出:运行该程序后，您将获得*.gcda和*.gcno文件。

What are the post-processing steps to convert the collected profile data into a graphical report that shows how often each function is called, what percentage of time is spent in each function

基于源代码的覆盖范围:

将.profraw文件索引为.profdata文件:llvm-profdata merge -o default.profdata -sparse=true default.profraw

要么使用llvm-cov show --instr-profile default.profdata ./your_program来查看终端中的覆盖范围，要么使用llvm-cov export ./your_program --instr-profile default.profdata > out.json将您的概要分析数据转换为JSON并查找/创建一个程序来为您生成报告。

对于与gcov兼容的输出:

使用lcov或gcovr生成HTML输出。这使您可以轻松查看每个文件的行和分支覆盖率。我倾向于使用gcovr，因为如果您没有安装它，它就只是一个简单的pip install gcovr。则用法为gcovr --gcov-executable "llvm-cov gcov" -r . --html --html-details -o out.html。

and from which functions each function is called (similar to https://s3-us-west-2.amazonaws.com/brunorijsman-public/example-rift-python-code-profile.png)?

对于此类信息，我将尝试看看Callgrind和KCacheGrind。在*.profdata或*.gcda文件的情况下，我还没有找到可以生成此类信息的工具。