如何为使用 Clang LLVM 编译的 C++ 代码生成图形代码分析报告？
How do I produce a graphical code profile report for C++ code compiled with Clang LLVM?
如何为使用 Clang LLVM 编译的 C++ 代码生成图形代码分析报告？
我将哪些命令行选项传递给 clang++ 以指示它在执行代码时收集分析数据？
收集的分析数据存储在哪个文件中？
将收集的配置文件数据转换为图形报告的 post 处理步骤是什么，该报告显示每个函数被调用的频率，每个函数花费的时间百分比，以及从哪些函数调用每个函数（类似于 https://s3-us-west-2.amazonaws.com/brunorijsman-public/example-rift-python-code-profile.png）？
我可以完全控制 C++ 源代码和 Makefile。
它必须是 LLVM clang++（GNU g++ 对我来说不是一个选项）。 Xcode 也不适合我。
如前所述，gprof 是您可以使用的一种分析工具。但是有一个问题，它只计算 CPU-time-in-process，它基本上看不到 I/O 调用。它也被递归混淆了。 Callgrind 也有类似的问题，KCacheGrind 使用 Valgrind，它实际上解释了所有代码。然而，归根结底，就我个人而言，这些是小规模的选项，我会选择 gprof 仅仅是因为它的可用性和文档。
Clang 支持几种不同的代码覆盖率实现（也输出一行的执行频率），例如 Source-Based Code Coverage 和 gcov 兼容的实现。一般来说，开源工具似乎对 gcov 输出有更好的支持，所以我会推荐这条路线。
What command-line options to I pass to clang++ to instruct it to gather profiling data when the code is executed?
- 对于基于源的代码覆盖率：
根据 llvm-cov，编译时收集分析数据的正确标志是
-fprofile-instr-generate -fcoverage-mapping，链接时是 -fprofile-instr-generate。
- 对于 gcov 兼容输出：
-fprofile-arcs -ftest-coverage
Into which file(s) is the gathered profiling data stored?
- 对于基于源的代码覆盖率：
运行 程序编译并与上面的标志链接后，覆盖率数据存储在当前工作目录的
default.profraw 中。可以通过使用 -fprofile-instr-generate=filename 重新编译或在 运行 执行可执行文件之前设置环境变量 LLVM_PROFILE_FILE 来更改分析数据文件名。
- 对于 gcov 兼容的输出：在你 运行 程序之后你将得到
*.gcda 和 *.gcno 文件。
What are the post-processing steps to convert the collected profile data into a graphical report that shows how often each function is called, what percentage of time is spent in each function
对于基于源的代码覆盖率：
- 将您的
.profraw 文件索引到 .profdata 文件中：llvm-profdata merge -o default.profdata -sparse=true default.profraw
- 要么使用
llvm-cov show --instr-profile default.profdata ./your_program 在终端中查看覆盖范围，要么使用 llvm-cov export ./your_program --instr-profile default.profdata > out.json 将您的分析数据转换为 JSON 和 find/create 程序以生成报告你.
对于 gcov 兼容的输出：
- 使用
lcov或gcovr生成HTML输出。这使您可以轻松查看每个文件的行和分支覆盖范围。我倾向于使用 gcovr，因为如果您没有安装它，只需 pip install gcovr 即可。那么用法将是 gcovr --gcov-executable "llvm-cov gcov" -r . --html --html-details -o out.html.
and from which functions each function is called (similar to https://s3-us-west-2.amazonaws.com/brunorijsman-public/example-rift-python-code-profile.png)?
对于此类信息，我会尝试查看 Callgrind 和 KCacheGrind。在给定 *.profdata 或 *.gcda 文件的情况下，我还没有找到任何可以生成此类信息的工具。
如何为使用 Clang LLVM 编译的 C++ 代码生成图形代码分析报告？
我将哪些命令行选项传递给 clang++ 以指示它在执行代码时收集分析数据？
收集的分析数据存储在哪个文件中？
将收集的配置文件数据转换为图形报告的 post 处理步骤是什么，该报告显示每个函数被调用的频率，每个函数花费的时间百分比，以及从哪些函数调用每个函数（类似于 https://s3-us-west-2.amazonaws.com/brunorijsman-public/example-rift-python-code-profile.png）？
我可以完全控制 C++ 源代码和 Makefile。
它必须是 LLVM clang++（GNU g++ 对我来说不是一个选项）。 Xcode 也不适合我。
如前所述，gprof 是您可以使用的一种分析工具。但是有一个问题，它只计算 CPU-time-in-process，它基本上看不到 I/O 调用。它也被递归混淆了。 Callgrind 也有类似的问题，KCacheGrind 使用 Valgrind，它实际上解释了所有代码。然而，归根结底，就我个人而言，这些是小规模的选项，我会选择 gprof 仅仅是因为它的可用性和文档。
Clang 支持几种不同的代码覆盖率实现（也输出一行的执行频率），例如 Source-Based Code Coverage 和 gcov 兼容的实现。一般来说，开源工具似乎对 gcov 输出有更好的支持，所以我会推荐这条路线。
What command-line options to I pass to clang++ to instruct it to gather profiling data when the code is executed?
- 对于基于源的代码覆盖率：
根据 llvm-cov，编译时收集分析数据的正确标志是
-fprofile-instr-generate -fcoverage-mapping，链接时是-fprofile-instr-generate。 - 对于 gcov 兼容输出：
-fprofile-arcs -ftest-coverage
Into which file(s) is the gathered profiling data stored?
- 对于基于源的代码覆盖率：
运行 程序编译并与上面的标志链接后，覆盖率数据存储在当前工作目录的
default.profraw中。可以通过使用-fprofile-instr-generate=filename重新编译或在 运行 执行可执行文件之前设置环境变量LLVM_PROFILE_FILE来更改分析数据文件名。 - 对于 gcov 兼容的输出：在你 运行 程序之后你将得到
*.gcda和*.gcno文件。
What are the post-processing steps to convert the collected profile data into a graphical report that shows how often each function is called, what percentage of time is spent in each function
对于基于源的代码覆盖率：
- 将您的
.profraw文件索引到.profdata文件中：llvm-profdata merge -o default.profdata -sparse=true default.profraw - 要么使用
llvm-cov show --instr-profile default.profdata ./your_program在终端中查看覆盖范围，要么使用llvm-cov export ./your_program --instr-profile default.profdata > out.json将您的分析数据转换为 JSON 和 find/create 程序以生成报告你.
- 将您的
对于 gcov 兼容的输出：
- 使用
lcov或gcovr生成HTML输出。这使您可以轻松查看每个文件的行和分支覆盖范围。我倾向于使用 gcovr，因为如果您没有安装它，只需pip install gcovr即可。那么用法将是gcovr --gcov-executable "llvm-cov gcov" -r . --html --html-details -o out.html.
- 使用
and from which functions each function is called (similar to https://s3-us-west-2.amazonaws.com/brunorijsman-public/example-rift-python-code-profile.png)?
对于此类信息，我会尝试查看 Callgrind 和 KCacheGrind。在给定 *.profdata 或 *.gcda 文件的情况下，我还没有找到任何可以生成此类信息的工具。