转载▼注：这是本人一年半前写的文档，贴在这里作为备份，由于当时是针对 Android 1.6(Donut)、2.1(Eclair)和 2.2(Froyo)编写的，部分内容可能已经不适用于目前版本的Android，仅供参考。
Android上oprofile使用说明
1. 目的
本文介绍了oprofile的功能并基于Android 2.1介绍了使用oprofile的基本方法和步骤。本文的读者为软件开发人员和白盒测试人员。
2. oprofile简介
Oprofile是用于Linux的若干种评测和性能监控工具中的一种，它可以工作在不同的体系结构上，包括IA32、IA64、AMD Athlon系列及ARM等。Oprofile包含在Linux 2.5和更高版本的内核中，也包含在大多数较新的Linux发行版本中，在Android中已经集成了Oprofile。
oprofile以很低的开销对系统中所有运行的代码（包括kernel、kernel模块、库、应用程序）进行函数级别的性能分析（function-level profiling），跟踪占用CPU高的函数的调用信息，从而判断程序中哪些地方存在需要优化的性能瓶颈。
oprofile支持两种采样（sampling）方式：基于事件的采样（event based）和基于时间的采样（time based）。
基于事件的采样是oprofile只记录特定事件（比如L2 cache miss）的发生次数，当达到用户设定的定值时oprofile就记录一下（采一个样）。这种方式需要CPU内部有性能计数器（performance counter）。
基于时间的采样是oprofile借助OS时钟中断的机制，每个时钟中断oprofile都会记录一次（采一次样），又分为RTC模式（RTC mode，适用于2.2/2.4内核）和定时器中断模式（timer interrupt mode，适用于2.6以上内核）。引入定时器采样模式的目的在于，提供对没有性能计数器的CPU的支持，其精度相对于基于事件的采样要低，并且因为要借助OS时钟中断的支持，对禁用中断的代码oprofile不能对其进行分析。
高通QSD8K处理器具备性能计数器，但当前发布的软件版本只支持定时器模式。
在Android上，oprofile分为target端和host端两部分。target端运行在设备上，主要包括一个内核模块（oprofile.ko）和一个用户空间的守护进程（oprofiled），前者负责访问性能计数器或者注册基于时间采样的函数（使用register_timer_hook注册之，使时钟中断处理程序最后执行profile_tick时可以访问之），并采样置于内核的缓冲区内；后者在后台运行，负责从内核空间收集数据，写入文件。host端运行在PC上，包括一组后处理工具用于从原始采样数据生成可读的分析报告。
3. oprofile使用方法
本节基于Android 2.1 (Eclair)介绍oprofile的使用方法，在Android 1.6 (Donut)和Android 2.2 (Froyo)上的使用方法与之相似。
在使用oprofile之前，首先必须确保烧到手机上的系统具有root权限，否则无法使用oprofile，并确保/data下有足够的可用空间用于保存采样数据（一般几十MB足够）。依次按照如下步骤操作。
3.1 步骤一：安装target端
Android源代码中已经包含了移植好的oprofile源代码，kernel缺省配置选项也已经enable了对oprofile的支持。在将oprofile的target端安装到手机之前，请首先在eng模式下编译源代码，然后按照如下步骤将所需文件复制到手机上：
1. 内核模块oprofile.ko：
在PC上运行：
source build/envsetup.sh
choosecombo
adb push $ANDROID_PRODUCT_OUT/obj/KERNEL_OBJ/arch/arm/oprofile/oprofile.ko /data
2. 守护进程oprofiled和控制程序opcontrol：
如果手机上烧的system.img是eng模式编出来的，里面已经包含了oprofiled和opcontrol（在/system/xbin/），这一步可以跳过；如果是user模式编出来的system.img则不包含这两个文件，请运行：
adb push $ANDROID_PRODUCT_OUT/system/xbin/oprofiled /system/xbin
adb push $ANDROID_PRODUCT_OUT/system/xbin/opcontrol /system/xbin
3. elf内核映像文件：
如果要对内核进行profiling，需要将压缩的elf内核映像文件vmlinux复制到手机上，运行：
adb push $ANDROID_PRODUCT_OUT/obj/KERNEL_OBJ/arch/arm/boot/compressed/vmlinux /data
该vmlinux必须与手机上实际运行的内核一致。
3.2 步骤二：计算内核虚拟地址范围
要对内核进行profiling，需要计算内核开始和结束地址：
运行：
adb pull /proc/kallsyms .
在文件kallsyms中查找_text，其数值即为kernel start地址；查找_etext，其数值即为kernel end地址。
3.3 步骤三：将CPU设置在保持最高频率运行
为确保oprofile采样结果的准确性和一致性，在采样开始之前需将CPU设置在保持最高频率运行，为此在adb shell中运行：
mkdir /data/debug
mount -t debugfs debugfs /data/debug
echo 1 > /data/debug/nohlt
echo performance > /sys/devices/system/cpu/cpu0/cpufreq/scaling_governor
3.4 步骤四：配置oprofile
在adb shell中运行：
insmod /data/oprofile.ko timer=1
opcontrol --setup
oprofiled --session-dir=/data/oprofile --vmlinux=/data/vmlinux --kernel-range=start,end --events=CPU_CYCLES:255:0:50000:0:1:1 --separate-lib=1 --separate-kernel=1
说明：
其中--kernel-range中的start和end即为上述步骤二中获得的kernel start地址和kernel end地址。
3.5 步骤五：开始采样
运行需要进行profiling的应用程序或场景，然后在adb shell中运行：
opcontrol --start
此时oprofile已开始采样，可在adb shell中运行：
opcontrol --status
随时查看oprofile运行状态和已采集的样本数。
3.6 步骤六：停止采样
当采集的样本数足够多的时候（根据经验一般数千即可），在adb shell中运行：
opcontrol --stop
3.7 步骤七：上传数据和生成分析结果
在PC上运行：
source build/envsetup.sh
choosecombo
cp $ANDROID_PRODUCT_OUT/obj/KERNEL_OBJ/vmlinux $ANDROID_PRODUCT_OUT/symbols
python $ANDROID_BUILD_TOP/external/oprofile/opimport_pull ~/oprofile-result
此时手机上的采样数据经转换后存在PC上~/oprofile-result中，运行以下命令显示分析结果报告：
cd ~/oprofile-result
$OPROFILE_EVENTS_DIR/bin/opreport --session-dir=. -p $ANDROID_PRODUCT_OUT/symbols -d -l
（注：在Android 2.1 (Eclair)中执行上面的命令出错，需将opreport换成自己编译的 0.9.4版本的opreport，编译步骤参见本文附录。）
注意：执行以上步骤时若遇到如下出错信息：
opreport: error while loading shared libraries: libbfd-2.18.0.20080103.so: cannot open shared object file: No such file or directory
可运行如下命令予以解决：
ln -s /usr/lib/libbfd.so /usr/lib/libbfd-2.18.0.20080103.so
3.8 重新运行oprofile
上述步骤一至七完成了一次完整的oprofile采样和分析过程，若要再次运行oprofile，需复位oprofile并清理上一次的采样数据，在adb shell中运行：
opcontrol --shutdown
rm /data/oprofile
umount /data/debug
rm -rf /data/debug
然后重新执行上述步骤三至七进行下一次的采集和分析。
4. 简化oprofile使用步骤的脚本
从上文的介绍可以看到oprofile的使用比较复杂，为简化使用步骤，特编写若干脚本，只需按照如下步骤运行这些脚本即完成oprofile的各项操作：
1. 工作环境准备：①在eng模式下编译源代码；②为使用oprofile创建一个工作目录（例如~/oprofile），将下面附的压缩包oprofile_cmd.zip解开到该目录下，并进入到该目录下；③按照前文3.2节的方法获取kernel start地址和end地址填入op.sh；④确保烧到手机上的系统具有root权限，且所编译的内核源代码与手机上实际运行的内核一致；⑤确保运行过choosecombo；
2. 安装target端：用数据线连接手机和PC，在PC上的oprofile工作目录下运行：
./prepare.sh
（注：若系统是Android 1.6 (Donut)，则运行./prepare.sh donut）
3. 采样：运行需要进行profiling的应用程序或场景，然后在adb shell中运行：
cd /data
sh op.sh
此时可运行opcontrol --status查看oprofile运行状态和已采集的样本数，当采集的样本数足够多的时候（根据经验一般数千即可），在adb shell中运行：
opcontrol --stop
4. 上传数据：在PC上的oprofile工作目录下运行：
./import.sh
5. 显示分析结果：在PC上的oprofile工作目录下运行：
./report.sh
6. 重新运行oprofile：在adb shell中运行：
cd /data
sh opclean.sh
然后重新执行上述步骤3至5。
5. oprofile分析结果实例
下面是在Android 2.1 (Eclair)上对一个运行alpha animation的应用程序进行oprofile分析的结果：
CPU: CPU with timer interrupt, speed 0 MHz (estimated)
Profiling through timer interrupt
TIMER:0|
samples| %|
------------------
1769 98.4418 app_process
TIMER:0|
samples| %|
------------------
1299 73.4313 libskia.so
386 21.8202 vmlinux
39 2.2046 libdvm.so
17 0.9610 libc.so
9 0.5088 libui.so
4 0.2261 libbinder.so
4 0.2261 libsurfaceflinger.so
4 0.2261 libutils.so
3 0.1696 libandroid_runtime.so
1 0.0565 libGLES_android.so
1 0.0565 gralloc.qsd8k.so
1 0.0565 libm.so
1 0.0565 libstdc++.so
13 0.7234 rild
TIMER:0|
samples| %|
------------------
9 69.2308 vmlinux
4 30.7692 linker
6 0.3339 vmlinux
4 0.2226 cnd
TIMER:0|
samples| %|
------------------
2 50.0000 linker
1 25.0000 cnd
1 25.0000 vmlinux
2 0.1113 adbd
TIMER:0|
samples| %|
------------------
2 100.000 vmlinux
1 0.0556 init
TIMER:0|
samples| %|
------------------
1 100.000 vmlinux
1 0.0556 port-bridge
TIMER:0|
samples| %|
------------------
1 100.000 vmlinux
1 0.0556 opcontrol
TIMER:0|
samples| %|
------------------
1 100.000 vmlinux
samples % image name app name symbol name
554 30.8292 libskia.so app_process S32A_Opaque_BlitRow32_neon
456 25.3756 libskia.so app_process S32A_D565_Blend_neon(unsigned short*, unsigned int const*, int, unsigned int, int, int)
128 7.1230 vmlinux app_process __memzero
113 6.2883 libskia.so app_process memset_128_loop
78 4.3406 libskia.so app_process memset_128_loop
65 3.6171 vmlinux app_process _spin_unlock_irqrestore
20 1.1130 vmlinux app_process get_page_from_freelist
18 1.0017 libskia.so app_process Sprite_D32_S32::blitRect(int, int, int, int)
17 0.9460 vmlinux app_process v7wbi_flush_user_tlb_range
16 0.8904 vmlinux app_process free_hot_cold_page
15 0.8347 libskia.so app_process Sprite_D16_S32_BlitRowProc::blitRect(int, int, int, int)
13 0.7234 vmlinux app_process _spin_unlock_irq
12 0.6678 libdvm.so app_process dalvik_inst
12 0.6678 libskia.so app_process SkDraw::drawPaint(SkPaint const&) const
11 0.6121 vmlinux app_process __dabt_usr
11 0.6121 vmlinux app_process v7_dma_flush_range
10 0.5565 libskia.so app_process S32A_D565_Opaque_Dither(unsigned short*, unsigned int const*, int, unsigned int, int, int)
...
从以上结果可以看出，在运行alpha animation的过程中，在oprofile采样数据中2D图形库libskia.so占了最高的比例，达73.4313%，具体是libskia.so中的函数S32A_Opaque_BlitRow32_neon和S32A_D565_Blend_neon分别占了最高的前二名，说明在这一过程中最影响性能的瓶颈是在skia库中的这几个函数。
附录 关于在Android 1.6 (Donut)上使用oprofile的注意事项
Android 1.6 (Donut)中自带的opimport和opreport（位于$OPROFILE_EVENTS_DIR/bin/）是64位的，只能在安装了64位Linux系统的PC上运行，要在32位系统的PC上运行，解决方法是自己编译0.9.4版本的opimport和opreport（因Android 1.6 (Donut)中自带的oprofile是0.9.4版本的）。0.9.4版本oprofile源代码附在下面：（略）
编译步骤如下：
source build/envsetup.sh
choosecombo
tar -zxvf oprofile-0.9.4.tar.gz
cd oprofile-0.9.4
./configure --with-linux=$ANDROID_PRODUCT_OUT/obj/KERNEL_OBJ
make
make install
或者采用Android 2.1 (Eclair)以上版本中自带的opimport和opreport（版本为0.9.5）也可以。
此外Android 1.6 (Donut)中的脚本$ANDROID_BUILD_TOP/external/oprofile/opimport_pull有问题，可替换成Android 2.1 (Eclair)以上版本中的此文件。
来源：oschina
链接：https://my.oschina.net/u/13/blog/79721