Análisis de perfiles (programación informática)

Los analizadores de perfiles planos calculan los tiempos promedio de las llamadas, a partir de las llamadas, y no desglosan los tiempos de las llamadas en función del destinatario o el contexto. ^{[ 11 ]}

Los analizadores de gráficos de llamadas ^{[ 8 ]} muestran los tiempos de llamada y las frecuencias de las funciones, así como las cadenas de llamadas involucradas según la función llamada. En algunas herramientas no se conserva el contexto completo .

Los analizadores de rendimiento sensibles a la entrada ^{[ 12 ] [ 13 ] [ 14 ]} añaden una dimensión adicional a los analizadores de rendimiento planos o basados ​​en gráficos de llamadas, al relacionar las métricas de rendimiento con las características de las cargas de trabajo de entrada, como el tamaño o los valores de entrada. Generan gráficos que caracterizan cómo varía el rendimiento de una aplicación en función de su entrada.

Existen analizadores de rendimiento basados ​​en eventos para los siguientes lenguajes de programación:

• Java : la API JVMTI (JVM Tools Interface), anteriormente JVMPI (JVM Profiling Interface), proporciona puntos de acceso a los analizadores de rendimiento para capturar eventos como llamadas, carga y descarga de clases, y entrada y salida de hilos.
• .NET : Permite conectar un agente de perfilado como servidor COM al CLR mediante la API de perfilado . Al igual que en Java, el entorno de ejecución proporciona diversas funciones de devolución de llamada al agente para capturar eventos como la entrada/salida de métodos JIT , la creación de objetos, etc. Resulta especialmente potente, ya que el agente de perfilado puede modificar el código de bytes de la aplicación de destino de forma arbitraria.
• Python : La creación de perfiles de Python incluye el módulo profile, hotshot (que se basa en el gráfico de llamadas) y el uso de la función 'sys.setprofile' para capturar eventos como c_{call,return,exception}, python_{call,return,exception}.
• Ruby : Ruby también utiliza una interfaz similar a la de Python para la creación de perfiles. Se encuentran presentes Flat-profiler en profile.rb, el módulo y ruby-prof, una extensión de C.

Estos analizadores de rendimiento funcionan mediante muestreo . Un analizador de rendimiento por muestreo examina la pila de llamadas del programa objetivo a intervalos regulares utilizando interrupciones del sistema operativo . Los perfiles de muestreo suelen ser menos precisos y específicos numéricamente, proporcionando solo una aproximación estadística, pero permiten que el programa objetivo se ejecute casi a máxima velocidad. "La cantidad real de error suele ser mayor que un período de muestreo. De hecho, si un valor es n veces el período de muestreo, el error esperado es la raíz cuadrada de n períodos de muestreo." ^{[ 17 ]}

En la práctica, los analizadores de rendimiento basados ​​en muestreo suelen proporcionar una imagen más precisa de la ejecución del programa objetivo que otros enfoques, ya que no son tan intrusivos y, por lo tanto, no tienen tantos efectos secundarios (como en las cachés de memoria o las canalizaciones de decodificación de instrucciones). Además, como no generan mucha sobrecarga, pueden detectar problemas que de otro modo pasarían desapercibidos. ^{[ 18 ]} También son relativamente inmunes a sobreestimar el costo de rutinas pequeñas y frecuentes o bucles "ajustados". Pueden mostrar la cantidad relativa de tiempo invertido en modo usuario frente al modo kernel interrumpible, como el procesamiento de llamadas al sistema .

Desafortunadamente, ejecutar código del kernel para gestionar las interrupciones conlleva una pequeña pérdida de ciclos de CPU del programa objetivo, desvía el uso de la caché y no permite distinguir las distintas tareas que se producen en el código del kernel ininterrumpible (actividad en el rango de microsegundos) del código del usuario. El hardware dedicado ofrece mejores resultados: las interfaces JTAG de los procesadores ARM Cortex-M3 y algunos procesadores MIPS recientes disponen de un registro PCSAMPLE, que muestrea el contador de programa de forma totalmente imperceptible, lo que permite la recopilación no intrusiva de un perfil plano.

Algunos perfiles estadísticos comúnmente utilizados ^{[ 19 ]} para Java/código administrado son AQtime de SmartBear Software ^{[ 20 ]} y CLR Profiler de Microsoft . ^{[ 21 ]} Estos perfiles también admiten el perfilado de código nativo, junto con Shark de Apple Inc. (OSX), ^{[ 22 ]} OProfile (Linux), ^{[ 23 ]} Intel VTune y Parallel Amplifier (parte de Intel Parallel Studio ), y Oracle Performance Analyzer , ^{[ 24 ]} entre otros.

Esta técnica añade instrucciones al programa objetivo para recopilar la información necesaria. Cabe señalar que la instrumentación de un programa puede provocar cambios en el rendimiento y, en algunos casos, resultados inexactos o errores de ejecución . El efecto dependerá de la información recopilada, del nivel de detalle temporal y de si se utiliza el perfilado básico de bloques junto con la instrumentación. ^{[ 25 ]} Por ejemplo, añadir código para contar cada llamada a procedimiento/rutina probablemente tendrá menos efecto que contar cuántas veces se cumple cada instrucción. Algunos ordenadores disponen de hardware especial para recopilar información; en este caso, el impacto en el programa es mínimo.

La instrumentación es clave para determinar el nivel de control y la resolución temporal disponibles para los analistas de perfiles.

• Manual : Realizado por el programador, por ejemplo, agregando instrucciones para calcular explícitamente los tiempos de ejecución, simplemente contar eventos o realizar llamadas a API de medición como el estándar Application Response Measurement .
• Nivel de fuente automático : instrumentación añadida al código fuente por una herramienta automática de acuerdo con una política de instrumentación.
• Lenguaje intermedio : instrumentación añadida al código ensamblador o a los bytecodes descompilados que proporciona soporte para múltiples lenguajes fuente de nivel superior y evita problemas de reescritura de desplazamiento binario (no simbólico).
• Compilador asistido
• Traducción binaria : La herramienta añade instrumentación a un ejecutable compilado .
• Instrumentación en tiempo de ejecución : El código se instrumenta justo antes de su ejecución. La herramienta supervisa y controla completamente la ejecución del programa.
• Inyección en tiempo de ejecución : Más ligera que la instrumentación en tiempo de ejecución. El código se modifica en tiempo de ejecución para incluir saltos a funciones auxiliares.

• Las opciones de depuración del intérprete permiten recopilar métricas de rendimiento a medida que el intérprete encuentra cada instrucción objetivo. Los intérpretes de bytecode , de tabla de control o JIT son tres ejemplos que suelen tener control total sobre la ejecución del código objetivo, lo que permite recopilar datos de forma exhaustiva.

• Hipervisor : Los datos se recopilan ejecutando el programa (generalmente) sin modificar bajo un hipervisor . Ejemplo: SIMMON
• Simulador e hipervisor : Los datos se recopilan de forma interactiva y selectiva ejecutando el programa sin modificar bajo un simulador de conjunto de instrucciones .