使用 Eigen 时，如何从 Callgrind 获得更具描述性的分析报告？

如何解决使用 Eigen 时，如何从 Callgrind 获得更具描述性的分析报告？

我正在尝试对用 C++ 编写的程序进行一些优化，该程序使用 Eigen 库进行矩阵计算。我已经用 g++ -pg -g main.cpp 编译了程序，并在 kcachegrind 中可视化结果文件之前用 valgrind --tool=callgrind a.out 执行。

我看到的是，与我的实际代码相比，mcount 和 __mcount_internal 函数占用了极其不成比例的自我时间（约占整个程序时间的 77%）。我相信这是因为 Eigen 的高级抽象导致了一堆深度嵌套的函数调用，这些函数调用被包含在分析中（因为它是一个头库）。这使得很难分析分析结果并确定哪些领域适合加速，因为我不知道对 mcount 的这些调用使任何给定函数的包含时间膨胀了多少。

我可以按所有函数的总自用时间排序并跳过 mcount 行，但是所有的 Eigen 内部调用使得这个列表对于分析更高级别的程序毫无用处。

所以我的问题是：有没有办法在 kcachegrind 可视化中从考虑中删除这些（或任何其他）特定函数，或者首先阻止对 Eigen 中的 mcount 的调用？或者，是否有其他适合处理此问题的分析工作流程？我会对（在分析方面）将 Eigen 视为外部库并且不会为其内部调用产生额外分析开销的解决方案感到完全满意。

解决方法

我建议尝试 https://github.com/jasonrohrer/wallClockProfiler ，这将返回最常用的调用堆栈。 Callgrind 在“循环检测”方面存在严重问题，您也可以尝试在 kcachegrind 中关闭它，您的结果可能（也可能不会）变得更具可读性。