使用 PerfettoSQL 和 fx perf-analyze 分析轨迹

记录 Fuchsia 轨迹 (.fxt) 后，您可以使用 SQL 通过 Perfetto 的轨迹处理器引擎以编程方式查询和分析底层轨迹数据。虽然 Perfetto 界面提供交互式时间轴可视化效果，但 SQL 分析可实现自动异常检测、定量性能回归分析和批量指标聚合。

如需了解核心 PerfettoSQL 方言、查询语法和标准表的简介，请参阅官方 PerfettoSQL 使用入门和 Perfetto SQL 表文档。

本指南将介绍如何使用以下工具分析 Fuchsia 轨迹： * 选择合适的轨迹分析工具 * 使用 fx perf-analyze 进行高级别性能初步诊断 * Fuchsia 轨迹架构和数据模型 * 常见的 Fuchsia PerfettoSQL 配方 * 跨工具和环境运行查询

选择合适的轨迹分析工具

Fuchsia 开发者可以通过三种主要方式查询和检查轨迹数据。选择最适合您工作流程的工具：

  • Perfetto 网页界面

    可视化探索和临时检查：以交互方式浏览时间轴轨道、检查切片详细信息、在浏览器中运行临时 SQL 查询，以及分享永久链接。

  • fx perf-analyze （推荐用于 Fuchsia）

    自动分类和脚本化分析：运行精选的诊断插件（cpu、binder），生成结构化输出（markdown、json、text），并直接从宿主终端运行批量 SQL 查询。这是智能体互动和自动化工作流的首选界面。

  • trace_processor_shell

    独立和非 Fuchsia 环境：PerfettoSQL 背后的底层引擎。在以下情况下使用：在 Fuchsia 源代码检出之外进行开发（此时 fx 不可用）；针对上游 Perfetto SDK 构建自定义 Python/C++ 自动化；或使用交互式终端 REPL。

使用 fx perf-analyze 进行高级别性能问题分诊

对于常见的分诊工作流程，您无需从头开始编写原始 SQL 查询。Fuchsia 提供 fx perf-analyze，这是一种主机端 CLI 工具，可将标准性能启发式方法封装到自动化分析插件中，并提供灵活的查询运行程序。

fx perf-analyze 支持本地 .fxt 文件以及 Perfetto 界面永久链接网址（自动下载并缓存轨迹）。

自动化分类插件 (fx perf-analyze analyze)

analyze 子命令可执行专门的诊断插件：

fx perf-analyze analyze --trace <TRACE_FILE_OR_URL> --plugin <PLUGIN_NAME>

您可以选择格式化 Markdown 表格输出 (--format markdown)、结构化 JSON (--format json) 或以制表符分隔的文本 (--format text)。

1. CPU 利用率和空闲电源分流（cpu 插件）

cpu 插件会运行多维诊断套件，以审核系统活动、过度唤醒和电源阻塞器：

  • 睡眠不安的线程（唤醒次数）：识别具有高上下文切换/唤醒频率和短运行时的线程，从而找出导致 CPU 核心无法进入深度睡眠状态的定时器抖动或未合并的轮询循环。

  • 每个核心的利用率和处理速率：评估由 DVFS 频率缩放计数器 (Rate:CPU:N) 加权的内核工作周期（活跃非空闲时间百分比）。

  • CPU 消耗量最高的线程（常见嫌疑对象）：按累积 CPU 总运行时对线程进行排名。

  • 异步执行器开销：衡量在 Fuchsia 异步 Future 轮询（executor / fuchsia_async）中花费的时间。

  • Binder IPC 分解：量化 Starnix/Android Binder IPC 事务的量和延迟时间。

  • 挂起和唤醒租约跟踪：审核系统活动管理器 (SAG) 挂起尝试和阻止系统挂起的有效唤醒租约。

fx perf-analyze --format markdown analyze \
  --trace trace.fxt \
  --plugin cpu \
  --limit 10

2. Starnix Binder 和 IPC 瓶颈分析（binder 插件）

binder 插件可审核 IPC 交易延迟和调度瓶颈：

  • 错过的唤醒：检测到调度延迟，其中线程处于可运行状态（R 状态），但在被调度到 CPU 之前等待了过长时间。

  • Binder 事务延迟时间：衡量客户端调度、队列等待和服务器处理的端到端流程延迟时间。

fx perf-analyze --format markdown analyze \
  --trace trace.fxt \
  --plugin binder \
  --threshold-ms 10.0

使用 fx perf-analyze query 运行自定义查询和批量查询

如需通过命令行运行临时 SQL 查询，请执行以下操作：

fx perf-analyze --format markdown query \
  --trace trace.fxt \
  --sql "SELECT count(*) AS total_slices FROM slice"

如需在单个 Trace Processor 提取会话中执行多个查询（避免重复的轨迹解析开销），请使用 @filepath 传递 JSON 查询批次：

[
  {
    "name": "total_slices",
    "sql": "SELECT count(*) AS count FROM slice;"
  },
  {
    "name": "unique_threads",
    "sql": "SELECT count(DISTINCT utid) AS count FROM thread;"
  }
]

fx perf-analyze --format json query \
  --trace trace.fxt \
  --batch @queries.json

Fuchsia 轨迹架构和数据模型

当 Perfetto Trace Processor 接收 Fuchsia 轨迹 (.fxt) 时，它会将二进制记录解析为关系型 SQLite 表。如需完整的架构参考，请参阅 Perfetto SQL 表。

Fuchsia 轨迹特有的关键概念和 ID 关系包括：

  • 单位：所有时间戳 (ts) 和时长值 (dur) 都以整数纳秒为单位存储。将纳秒转换为毫秒，方法是将纳秒数除以 1e6（例如，dur / 1e6 AS dur_ms）。

  • 进程和线程：

    • process.name：Fuchsia 用户空间进程通过其组件网址/清单名称（例如 archivist.cm、netstack.cm、scenic.cm）或内核进程名称 (kernel) 进行标识。

    • process.pid 和 thread.tid：匹配 Fuchsia 内核对象 ID (KOID)。

    • upid 和 utid：由 Trace Processor 生成的唯一内部 ID，用于区分 PID/TID 回收中的进程和线程。

  • 轨道和切片（联接层次结构）：

    • 切片与时间轴轨道相关联，而不是直接与线程相关联。

    • 如需将 slice 与其 thread 和 process 相关联，请通过 thread_track 进行联接：

    FROM slice s
JOIN thread_track tt ON s.track_id = tt.id
JOIN thread t USING (utid)
JOIN process p USING (upid)

  • 流程（跨进程 / 异步因果关系）：

    • flow 表用于映射异步操作（例如客户端到服务器的 FIDL 调用）之间的因果关系。

    • flow.slice_out 用于标识源客户端 slice，flow.slice_in 用于标识处理 slice 的服务器。

  • 内核计数器和功耗类别：

    • 使用专用类别捕获的轨迹会在 kernel 进程下发出计数器（例如 kernel:power 下的 Rate:CPU:N，用于表示 CPU 频率缩放）。

    • 如需详细了解如何捕获和缩放 CPU 频率和带宽需求计数器，请参阅在轨迹中记录 CPU 频率。

常见的 Fuchsia PerfettoSQL 配方

1. 测量进程间的 FIDL IPC 延迟时间

Fuchsia 组件会发出流事件，以跟踪跨进程边界的 FIDL 调用。此查询可衡量从客户端请求调度 (slice_out) 到服务器执行开始 (slice_in) 的传输延迟时间，以及服务器执行时间：

SELECT
  client_proc.name AS client_process,
  server_proc.name AS server_process,
  slice_out.name AS client_operation,
  slice_in.name AS server_operation,
  ROUND((slice_in.ts - slice_out.ts) / 1e6, 3) AS transfer_latency_ms,
  ROUND(slice_in.dur / 1e6, 3) AS server_dur_ms
FROM flow
JOIN slice AS slice_out ON flow.slice_out = slice_out.id
JOIN slice AS slice_in ON flow.slice_in = slice_in.id
JOIN thread_track AS client_tt ON slice_out.track_id = client_tt.id
JOIN thread AS client_th ON client_tt.utid = client_th.utid
JOIN process AS client_proc ON client_th.upid = client_proc.upid
JOIN thread_track AS server_tt ON slice_in.track_id = server_tt.id
JOIN thread AS server_th ON server_tt.utid = server_th.utid
JOIN process AS server_proc ON server_th.upid = server_proc.upid
ORDER BY transfer_latency_ms DESC
LIMIT 20;

2. 组件中最耗时的操作

如需查找特定组件（例如 netstack.cm）中消耗总时间最多的操作，请执行以下操作：

SELECT
  slice.name AS operation,
  COUNT(*) AS count,
  ROUND(SUM(slice.dur) / 1e6, 3) AS total_dur_ms,
  ROUND(AVG(slice.dur) / 1e6, 3) AS avg_dur_ms,
  ROUND(MAX(slice.dur) / 1e6, 3) AS max_dur_ms
FROM slice
JOIN thread_track ON slice.track_id = thread_track.id
JOIN thread USING (utid)
JOIN process USING (upid)
WHERE process.name LIKE '%netstack%' AND slice.dur > 0
GROUP BY slice.name
ORDER BY total_dur_ms DESC
LIMIT 20;

3. 识别睡眠不安者（线程唤醒和抖动）

如果线程的上下文切换 / 唤醒次数很高，但平均运行时长非常短（例如 < 0.1 ms），则表示轮询抖动或计时器抖动：

SELECT
  t.name AS thread_name,
  t.tid AS tid,
  p.name AS process_name,
  COUNT(*) AS wakeup_count,
  ROUND(AVG(ts.dur) / 1e6, 3) AS avg_duration_ms,
  ROUND(SUM(ts.dur) / 1e6, 3) AS total_duration_ms
FROM thread_state ts
JOIN thread t USING (utid)
LEFT JOIN process p USING (upid)
WHERE ts.state = 'Running'
GROUP BY utid
ORDER BY wakeup_count DESC
LIMIT 20;

4. 每个线程的 CPU 执行时间（sched 表）

使用 kernel:sched 捕获轨迹时，sched 表会记录 CPU 量子持续时间：

SELECT
  process.name AS process_name,
  thread.name AS thread_name,
  COUNT(*) AS context_switches,
  ROUND(SUM(sched.dur) / 1e6, 3) AS total_cpu_time_ms,
  ROUND(AVG(sched.dur) / 1e3, 3) AS avg_quantum_us
FROM sched
JOIN thread USING (utid)
JOIN process USING (upid)
WHERE sched.dur > 0
GROUP BY process.name, thread.name
ORDER BY total_cpu_time_ms DESC
LIMIT 20;

5. 检查轨迹事件实参

如需查询附加到跟踪记录切片的键值对，请执行以下操作：

SELECT
  slice.name AS slice_name,
  args.key AS arg_name,
  COALESCE(
    args.string_value,
    CAST(args.int_value AS TEXT),
    CAST(args.real_value AS TEXT)
  ) AS arg_value
FROM slice
JOIN args ON slice.arg_set_id = args.arg_set_id
WHERE slice.name = 'ChannelMessage'
LIMIT 50;

6. 时间间隔重叠匹配

查询与特定时间窗口 [start_ts, end_ts] 重叠的切片或事件时，请使用重叠逻辑，而不是严格的包含逻辑，以捕获在窗口之前开始或在窗口之后结束的事件：

SELECT
  slice.name,
  slice.ts,
  slice.dur
FROM slice
WHERE (slice.ts + slice.dur) >= <START_TS>
  AND slice.ts <= <END_TS>;

跨工具和环境运行查询

1. Perfetto 网页界面中的“查询”标签页

您可以在 Perfetto 界面中以交互方式运行 SQL 查询： 1. 在 https://ui.perfetto.dev 中打开 .fxt 文件。 2. 点击左侧边栏中的 Query (SQL)。 3. 输入查询内容，然后按 Ctrl+Enter 键（在 macOS 上按 Cmd+Enter 键）。

Perfetto SQL 查询界面

使用 HTTP RPC 模式检查大型轨迹

如果轨迹文件过大，无法在 Web 浏览器内存中顺利加载，您可以将 Trace Processor 在本地作为 HTTP RPC daemon 运行：

./prebuilt/third_party/perfetto/trace_processor_shell/linux-x64/trace_processor_shell \
  --httpd --http-port 9001 trace.fxt

运行后，前往 https://ui.perfetto.dev，然后在导航栏中选择 Open with HTTP RPC。

2. 独立轨迹处理器 Shell (trace_processor_shell)

trace_processor_shell 是由 Perfetto 上游开发的独立二进制引擎，可为 fx perf-analyze 和 Perfetto 的分析工具提供支持。

Fuchsia 源代码检出包含以下位置下的预构建二进制文件： posix-terminal prebuilt/third_party/perfetto/trace_processor_shell/<PLATFORM>/trace_processor_shell 其中 <PLATFORM> 为 linux-x64、linux-arm64。

如果您在 Fuchsia 代码库之外工作，可以直接从 Perfetto 下载二进制文件： posix-terminal curl -LO https://get.perfetto.dev/trace_processor chmod +x ./trace_processor

  • 交互式 REPL：

    ./prebuilt/third_party/perfetto/trace_processor_shell/linux-x64/trace_processor_shell \
  trace.fxt

  • 使用 fx perf-analyze 运行内嵌查询：

    fx perf-analyze query \
  --trace trace.fxt \
  --sql "SELECT count(*) AS total_slices FROM slice;"

  • 使用 fx perf-analyze 运行批量查询文件：

    fx perf-analyze query \
  --trace trace.fxt \
  --batch @queries.json