GProf 是一款經典、輕量的效能剖析工具，自 1982 年問世至今仍是 Linux/Unix 平台 C/C++ 開發者的標準配備。它以極低的側寫開銷，精準定位效能熱點，幫助開發者將執行時間從「幾分鐘」壓縮到「幾秒」。本文以實戰案例 pathalizer 專案中的 event2dot 工具為例，完整示範 GProf 的使用流程與優化策略。

剖析原理：取樣與呼叫圖

• 編譯插桿：以 gcc -pg 編譯，編譯器在每個函式進入/離開處插入記錄碼。
• 執行收集：程式正常執行，產生 gmon.out 資料檔，記錄函式呼叫次數、耗時、呼叫關係。
• 分析報告：執行 gprof executable gmon.out 產生平面剖析（Flat Profile）與呼叫圖，直觀展示熱點函式與呼叫鏈。

案例背景：event2dot

• 功能：讀取 Pathalizer 事件檔（約 55,000 筆），建構頁面轉換圖，輸出 Graphviz .dot 格式。
• 初始執行時間：3 分 36 秒（real 3m36.316s）。

第一輪剖析：找出熱點

%   cumulative   self              self     total
time   seconds   seconds    calls  ms/call  ms/call  name
43.32     46.03    46.03 33995298     0.00     0.00  CompareNodes(Node*, Node*)
25.06     72.66    26.63   550000     0.00     0.00  getNode(char*, NodeListNode*&)
16.80     90.51    17.85 33943337     0.00     0.00  CompareEdges(Edge*, AnnotatedEdge*)
12.70    104.01    13.50   519870     0.00     0.00  addAnnotatedEdge(AnnotatedGraph*, Edge*)
 1.98    106.11     2.10   519870     0.00     0.00  addEdge(Graph*, Node*, Node*)

關鍵發現：CompareNodes 佔 43% CPU 時間，被 CompareEdges 呼叫，而 CompareEdges 又被 addAnnotatedEdge 呼叫。這條呼叫鏈是優化突破口。

第一輪優化：鏈表 → 二元樹

addAnnotatedEdge 遍歷鏈表查找節點，時間複雜度 O(n)。將鏈表替換為二元搜尋樹，查找降為 O(log n)。

結果：執行時間降至 2 分 19 秒（real 2m19.314s），大幅提升但仍有空間。

第二輪剖析：新熱點浮現

%   cumulative   self              self     total
time   seconds   seconds    calls  ms/call  ms/call  name
87.01     25.25    25.25   550000     0.00     0.00  getNode(char*, NodeListNode*&)
10.65     28.34     3.09   519870     0.00     0.00  addEdge(Graph*, Node*, Node*)

原本的 CompareNodes 已非瓶頸，getNode（節點查找/建立）成為新熱點（87%）。

第二輪優化：二元樹 → 雜湊表

將節點儲存結構從二元樹改為雜湊表（Hash Table），查找/插入達到 O(1) 平均複雜度。

驚人結果：執行時間暴跌至 3.269 秒（real 0m3.269s），提速 65 倍！

GProf 進階使用技巧

• 呼叫圖分析：gprof -q 顯示呼叫關係，追蹤熱點上下文。
• 原始碼標註：gprof -A 逐行標註耗時，定位到具體程式行。
• 視覺化工具：gprof2dot + Graphviz 產生呼叫圖 PNG；KProf、cgprof 提供 GUI 介面。

跨語言剖析

• Perl：Devel::DProf 模組 + dprofpp。
• Java：若以 gcj 編譯為原生碼，可用 GProf（僅支援單執行緒）。
• Python：cProfile、py-spy 等原生工具更適合。

總結：剖析驅動優化的黃金法則

1. 測量先行：憑直覺優化往往事倍功半，GProf 幾分鐘給出精準熱點。
2. 優化熱點：只優化佔比高的函式（帕雷托法則：20% 程式碼佔 80% 時間）。
3. 演算法優於微調：資料結構升級（鏈表→樹→雜湊）遠勝指令層級微調。
4. 迭代驗證：每輪優化後必須再次剖析，確認瓶頸轉移，避免過度優化。

掌握 GProf，讓效能優化從「盲人摸象」變成「手術刀精準切除」，是每位 C/C++ 開發者的必備技能。