Nano Hash - криптовалюты, майнинг, программирование

Linux perf call-graph max-stack не работает должным образом

Как обсуждалось в профилирование моей программы с linux perf и разными режимами графа вызовов дают разные результаты, иногда, когда стек вызовов слишком велик, функции верхнего уровня, такие как main(), усекаются при выполнении записи perf.

Я считаю, что этот предел записи стека вызовов можно изменить с помощью свойства max-stack, кроме того, моя команда:

perf record -g -e cpu-clock/max-stack=100/ ./myProgram

Вопрос: Я запускал свою программу (sjeng) несколько раз (с max-stack=100) и наблюдаю странное поведение: половину времени main() правильно отображается в отчете о производительности, но < strong>половина времени main() составляет всего 70%~. Я проверил скрипт perf для этого, и main не отображался в некоторых стеках вызовов, и ясно, что эти стеки вызовов имеют менее 100 уровней.

В половине случаев запись Perf работает ненормально: введите здесь описание изображения

кто-нибудь знает, почему это произошло? Моя перфорированная версия 4.15.18.


Новые материалы

Кластеризация: более глубокий взгляд
Кластеризация — это метод обучения без учителя, в котором мы пытаемся найти группы в наборе данных на основе некоторых известных или неизвестных свойств, которые могут существовать. Независимо от..

Как написать эффективное резюме
Предложения по дизайну и макету, чтобы представить себя профессионально Вам не позвонили на собеседование после того, как вы несколько раз подали заявку на работу своей мечты? У вас может..

Частный метод Python: улучшение инкапсуляции и безопасности
Введение Python — универсальный и мощный язык программирования, известный своей простотой и удобством использования. Одной из ключевых особенностей, отличающих Python от других языков, является..

Как я автоматизирую тестирование с помощью Jest
Шутка для победы, когда дело касается автоматизации тестирования Одной очень важной частью разработки программного обеспечения является автоматизация тестирования, поскольку она создает..

Работа с векторными символическими архитектурами, часть 4 (искусственный интеллект)
Hyperseed: неконтролируемое обучение с векторными символическими архитектурами (arXiv) Автор: Евгений Осипов , Сачин Кахавала , Диланта Хапутантри , Тимал Кемпития , Дасвин Де Сильва ,..

Понимание расстояния Вассерштейна: мощная метрика в машинном обучении
В обширной области машинного обучения часто возникает необходимость сравнивать и измерять различия между распределениями вероятностей. Традиционные метрики расстояния, такие как евклидово..

Обеспечение масштабируемости LLM: облачный анализ с помощью AWS Fargate и Copilot
В динамичной области искусственного интеллекта все большее распространение получают модели больших языков (LLM). Они жизненно важны для различных приложений, таких как интеллектуальные..