【论文阅读 | 瓶颈定位】OSDI 2024 Identifying On-/Off-CPU Bottlenecks Together with Blocked Samples 系列1 - 简要解读

论文提出了一种新的采样技术“blocked samples”，用于同时捕捉on-CPU和off-CPU事件，以解决传统分析器在识别现代应用程序性能瓶颈时的不足。基于这一技术，开发了两个分析器bperf和BCOZ，用于识别性能瓶颈并评估优化的潜在影响。

背景知识

在计算机系统性能分析领域，应用程序的性能瓶颈可能既包括在CPU上执行的事件（on-CPU事件），也包括等待I/O完成、锁同步等不在CPU上执行的事件（off-CPU事件）。传统分析器往往只关注其中一种事件，导致无法全面准确地评估性能瓶颈。随着快速存储设备和多核CPU的发展，现代应用程序的行为变得更加复杂，单一类型的事件分析已不足以揭示性能问题的本质。

核心创新点

• blocked samples采样技术：突破了传统采样分析的限制，能够在线程被阻塞时继续采样，捕捉off-CPU事件的详细信息，如I/O等待、同步等待和CPU调度等待等【应该是早就有这个技术和相关的工作，所以这里LLM翻译的可能不太准确，off-cpu的分析一直是有工作在推进的。】。这一技术通过在Linux内核的perf子系统中扩展任务时钟事件，记录线程阻塞时的指令指针、调用栈、权重和类型等属性，为全面分析on-CPU和off-CPU事件提供了基础。
• bperf分析器：基于blocked samples技术构建，遵循Linux perf工具的接口，易于使用。它能够同时分析on-CPU和off-CPU事件，提供符号级别的性能开销信息，帮助开发者深入了解应用程序中各种事件的性能影响。
• BCOZ因果分析器：利用blocked samples和虚拟加速技术，对on-CPU和off-CPU事件进行因果分析，预测优化特定事件后应用程序性能的潜在提升。BCOZ能够识别on-CPU和off-CPU事件之间的交互关系，为开发者提供优化方向和性能改进的量化估计。

实验与成果

论文通过在RocksDB键值存储等实际应用程序上的实验，验证了blocked samples技术及bperf和BCOZ分析器的有效性。实验结果表明，这些工具能够准确识别出包含on-CPU和off-CPU事件的性能瓶颈，并且优化后的性能提升与BCOZ预测的虚拟加速结果相符。例如，在RocksDB的读密集型工作负载中，bperf和BCOZ成功识别出块缓存锁争用和磁盘读I/O操作等瓶颈，通过优化这些瓶颈，应用程序性能得到了显著提升。