Profilage CPU par FlameGraph¶

Ce document décrit le workflow de profilage CPU utilisant perf + FlameGraph pour identifier les goulots d'étranglement dans le code C.

Prérequis¶

Permissions perf¶

# Vérifier la valeur actuelle
cat /proc/sys/kernel/perf_event_paranoid

# Autoriser le profilage sans root (valeur 1)
echo 1 | sudo tee /proc/sys/kernel/perf_event_paranoid

# Rendre permanent (dans /etc/sysctl.conf)
kernel.perf_event_paranoid = 1

Installation des outils¶

Debian/UbuntuFedora/BazziteArch

sudo apt install linux-perf linux-tools-common
git clone https://github.com/brendangregg/FlameGraph /opt/FlameGraph

sudo dnf install perf
git clone https://github.com/brendangregg/FlameGraph /opt/FlameGraph

sudo pacman -S perf
git clone https://github.com/brendangregg/FlameGraph /opt/FlameGraph

Workflow standard¶

1. Compiler avec les symboles de débogage¶

# Mode Debug — inclut les symboles et désactive les optimisations agressives
just build
# ou pour la Release avec symboles
cmake -B build -DCMAKE_BUILD_TYPE=RelWithDebInfo

2. Enregistrer un profil¶

# Enregistrement de 30 secondes
perf record -g -F 999 -o perf.data -- ./build/app

# Ou via Just
just perf

Options importantes : - -g : Collecter les traces de pile (graphe d'appels) - -F 999 : Fréquence d'échantillonnage de 999 Hz - -o perf.data : Fichier de sortie

3. Générer le FlameGraph¶

# Extraire les traces
perf script -i perf.data > /tmp/perf.out

# Plier les traces
/opt/FlameGraph/stackcollapse-perf.pl /tmp/perf.out > /tmp/perf.folded

# Générer le SVG interactif
/opt/FlameGraph/flamegraph.pl /tmp/perf.folded > /tmp/flamegraph.svg

# Ouvrir dans le navigateur
xdg-open /tmp/flamegraph.svg

4. Via script automatisé¶

# Script intégré au projet
just flamegraph

Lecture des FlameGraphs¶

Axe X (horizontal) : Proportion du temps CPU total
Axe Y (vertical)   : Profondeur de la pile d'appels (bas = main, haut = feuilles)
Largeur d'un bloc   : % du temps passé dans cette fonction ET ses callees
Couleur             : Aléatoire (pour la lisibilité), pas de signification

Comment identifier les goulots d'étranglement : - Les plateaux larges en haut de la pile = fonctions qui consomment du temps CPU directement - Les colonnes larges = chemins d'appel fréquents (à optimiser en priorité)

Exemple réel : `test_app`¶

Lors du profilage de test_app, les résultats typiques montrent :

Fonction	% CPU	Action
`glDrawArraysInstanced`	~35 %	Normal — appel GPU principal
`glTexSubImage2D`	~18 %	Upload de texture — candidat à l'optimisation PBO
`lum_downsample_pass`	~8 %	Shader de réduction luminance
`pthread_cond_wait`	~12 %	Attente async loader — normal

Compatibilité Bazzite / Flatpak¶

Sur Bazzite, perf peut nécessiter une configuration spécifique due aux chemins /var/home (voir fix_lint_bazzite_paths.md) :

# Dans le conteneur Distrobox
distrobox enter clang-dev
perf record -g -- ./build/app

Autres outils de profilage¶

Outil	Usage	Documentation
Tracy	Profilage en temps réel avec timeline	profiling_tracy.md
ApiTrace	Capture et replay des appels OpenGL	profiling_guide.md
Valgrind	Détection de fuites mémoire	`just memcheck`
RenderDoc	Capture et analyse GPU	renderdoc_guide.md