第 104 / 120 课 · 调试与性能工具。返回课程合集。
机制与资源关系
性能是工作量、资源供给和排队共同作用的结果。优化单个函数可能让瓶颈转移到内存或 I/O；平均帧率也可能掩盖尾延迟。需要同时定义吞吐、延迟、峰值内存和功耗条件。
实际用法与观察入口
以下是操作说明；先确认执行环境、工具帮助和目标对象。设备名、PID、地址及项目名示例需要按实际替换，不能将整段命令当通用板端脚本执行。
|
输出解读与排查顺序
在同一窗口记录业务量和资源增量，先提出可证伪假设，再只改变一个变量。避免同时调优线程数、频率和缓冲，导致无法归因。
情境推演
减少图像拷贝后 CPU 降低但帧率不变，可能转为 NPU 或传感器帧率限制。继续看端到端延迟和功耗，不能因为吞吐未变就认定修改无效，也不能夸大收益。
练习与参考分析
使用本课构造时序计算排队、计算和结果年龄。参考结论：计算 10ms、排队 200ms 的请求，优先优化排队策略，而不是追求计算再快 1ms。
独立实验包
Python 3.10+ 标准库；构造时间线，不代表网络或 NPU 实测。 默认入口、源文件和实际运行记录都在下载包中。
实验：联合定位性能瓶颈
查看完整代码：main.py
import json
from pathlib import Path
rows = json.loads(Path(__file__).with_name("timeline.json").read_text())
ages = []
for row in rows:
capture, start, finish, present = (
row[k] for k in ("capture_ms", "start_ms", "finish_ms", "present_ms")
)
if not capture <= start <= finish <= present:
raise ValueError("timestamps must be in one clock domain and ordered")
queue, compute, output, age = (
start - capture,
finish - start,
present - finish,
present - capture,
)
ages.append(age)
print(
f"frame={row['frame']} queue={queue} compute={compute} output={output} age={age} ms"
)
assert ages == [15, 20, 220]
print("constructed case: compute stays 10 ms while final age reaches 220 ms")
在项目根目录执行；下载包解压后，在解压目录执行 python3 main.py。
cd 'content/posts/驱动、bootloader、文件系统/嵌入式Linux系统工程/104-联合定位性能瓶颈/code' && python3 main.py官方资料与版本边界
内核、工具和厂商 BSP 的支持范围需分别核对。参考资料可能对应较新版本；不要据此推定旧 BSP 支持所有接口。