Perf 是内置于 Linux 内核源码树中的性能剖析（profiling）工具。它基于事件采样的原理，以性能事件为基础，支持针对处理器相关性能指标与操作系统相关性能指标的性能剖析。
主要有两部分组成
Perf Tools：用户态的 Perf Tools 为用户提供了一系列丰富的工具集用于收集、分析性能数据。
Perf Event Subsystem：Perf Event 子系统是内核众多子系统中的一员，其主要功能是和 Perf Tool 共同完成数据采集的工作。另外，Linux Hard Lockup Detector 也是通过 Perf Event 子系统来实现的。
本文将重点围绕 Perf Event 子系统展开介绍Coolbpf 在perf 事件中的增强。
perf的事件包括：
硬件事件：branch-instrctions / branch-miss / bus-cycles / cache-miss / cache-reference / cycles / instructions
硬件cache事件：d1-cached-miss
软件事件：cpu-clocks / tasks-clock ....
tracepoint事件：sched_stat_runtime / syscalls...
probe事件：可用户定义
当前perf工具以命令行为主，缺乏完善的第三方应用开发sdk，导致perf功能虽然强大，但是功能相对比较封闭，无法适应特定场景的问题。比如说常见的CPU system 占用率高的问题，我们通常使用perf record 来记录系统热点，再通过 FlameGraph 工具转换成火焰图进行分析。该方法存在以下不足：
sys占用率高很有可能只是偶发性问题，通过监控发现了以后再来执行命令，现象很有可能已经消失，持续性追踪会导致样本数太大，无法凸显出热点函数；
sys占用率高只是部分cpu现象，具体cpu编号并不确定，导致定向抓取事件操作步骤会变得非常繁琐；
perf 命令只能输出中间文件，要生成常用的火焰图数据还需要手工转换；
Coolbpf 是一个便捷高效的一站式eBPF开发编译平台，当perf遇见Coolbpf后，会碰撞出什么样的火花呢？Coolbpf 为perf提供了应用开发的SDK，让开发者可以借助eBPF快速开发 perf 应用。
大致流程和常规的Coolbpf 应用开发过程基本一致。主要分为
libbpf 应用、
perf 事件处理、
用户态处理、 接下来我们以 testPerf.py为例，讲解perf 典型应用开发。
（文件：https://gitee.com/anolis/coolbpf/blob/master/lcc/pylcc/guide/testPerf.py）
bpf 应用和其它的kprobe/tp代码实现并无明显差别:
#include "lbc.h"
SEC("perf_event")
int bpf_prog(struct bpf_perf_event_data *ctx)
{
bpf_printk("hello perf\n");
return 0;
}
char _license[] SEC("license") = "GPL";Coolbpf 对perf_attr 做了python 化处理，故使用在配置 perf attr的时候，只需要参考 perf 官方文档 中关于attr 配置说明进行配置即可。下面的例子是追踪 perf PAGE_FAULTS事件的方法。
pfConfig = {
"sample_freq": 50,
"freq": 1,
"type": PerfType.SOFTWARE,
"config": PerfSwIds.PAGE_FAULTS,
}
self.attachPerfEvent("bpf_prog", pfConfig)此时系统中的 perf PAGE_FAULTS 事件就可以跟2.2 节的libbpf 代码关联起来。
本示例是将捕捉到的事件输出到 /sys/kernel/debug/tracing/trace_pipe。用户可以根据自己的情况去执行event 回调或者分析maps 信息。
根据1.3 节的应用场景，需要追踪一个偶发性sys 冲高问题。在常规perf 使用存在困难的情况下，可以基于Coolbpf快速开发一个追踪sys高问题的应用程序，代码总共不超过180行，具体实现可以参考：perfSys.py(https://gitee.com/anolis/surftrace/blob/master/tools/pylcc/pytool/perfSys.py)
应用实现流程图如下：
可以直接追踪到对应的sys高调用栈
通过上述方法，可以将原本需要花费多日守候才有可能捕捉到现场的疑难问题，缩短到完全无人值守，问题复现瞬间即可锁定目标的小case。
Coolbpf 融合了libbpf灵活、高效、安全的优势，结合perf强大的数据收集能力，并自身拥有快速部署、资源高效利用、结果直观可视化输出能力。如今两两联合，应用前景非常广泛，如性能剖析、应用观测、系统调优等。
