基于鲲鹏BRBE(Branch Record Buffer Extension特性的性能分析与优化

鲲鹏平台的BRBE是一项硬件级别的分支记录技术，旨在提供低开销、高效率的代码执行路径捕获能力。它类似于x86架构中的LBR（Last Branch Record），为开发者提供了强大的性能分析与优化能力，它们的基本原则是相同的：硬件记录每个分支的from、to地址以及一些额外数据（例如时延）。

ARM平台的BRBE（Branch Record Buffer Extension）

BRBE是一个硬件实现的环形缓冲区，保存最近执行的 N 条分支记录。每条记录内容主要有：分支的源地址、分支的目标地址、分支类型、分支预测结果等，如图所示：

BRBE采集可以限制在一组特定的分支类型上，例如用户可以选择只记录函数调用和返回。用户还可以过滤条件跳转和无条件跳转、间接跳转和调用、系统调用、中断等。在perf中， -j 选项可以启用/禁用记录各种分支类型。如下图所示：

例如，一个典型的采样命令：

指定了采样频率、过滤器、采样事件、采样进程。

BRBE的应用

捕获调用栈

分支记录最广泛的应用之一是捕获调用堆栈。对于这样一个程序，可以通过BRBE采样获取调用栈信息：

通过如下几步：

可得到调用栈：

从上图可以看出各函数调用路线以及耗时占比。具体来说，func1 → func2 → func3显然是占用时钟周期最长的调用路线，其主要耗时集中在 func3，占比 50.67%，因此整条路线的性能瓶颈即为此处，符合程序本身的结构。对于更复杂的应用，也可以通过类似的方法进行分析。

识别热点分支

分支记录可以帮助识别哪些代码行占用CPU的比例更高。

结果如图所示：

从上图可以看出性能消耗主要集中在24、26、27行，即程序的计算部分。

编译反馈优化

BRBE数据经过处理后可用于反馈优化。例如，对于如下一个冒泡排序程序：

BRBE数据经过处理后可用于反馈优化：

(1) 安装autofdo：yum install autofdo.aarch64

(2) 编译原始代码： gcc -g -O3 sort.c -o sort

(3) 执行未优化的二进制文件10次，记录耗时

(4) 使用perf采集brbe，记录执行时的数据：perf record -e cycles -j any,save_type ./sort

(5) 生成gcov文件：create_gcov --binary=./sort

(6) 使用 AutoFDO 编译优化后的代码：gcc -O3 -fauto-profile=sort.gcov sort.c -o sort_autofdo

(7) 执行优化后的程序10次,对比优化前后程序耗时

在本例中，sort.c的耗时显著降低。对于大型应用，也可以在编译时加入反馈优化选项，然后运行benchmark采集BRBE，再在二次编译时加入处理后的BRBE数据，以此优化应用的性能。

libkperf采集BRBE

libkperf是一个轻量级Linux性能采集库，它能够让开发者以API的方式执行性能采集，包括pmu采样和符号解析。libkperf把采集数据内存化，使开发者能够在内存中直接处理采集数据，避免了读写perf.data带来的开销。

编译生成动态库和C的API：

libkperf提供了采集BRBE的能力，例如：

其中branchSampleFilter定义了过滤器，含义与perf record中的-j参数相同。

执行上述代码，输出的结果类似如下：

结果展示了分支跳转的起始地址、周期数、预测标志位。

总结：BRBE可以实现精准的性能profiling与热点发现

填补调用栈空缺：

在鲲鹏平台上，传统的基于帧指针（Frame Pointer）或DWARF调试信息的调用栈回溯方法，因依赖编译器选项（如 -fno-omit-frame-pointer）和调试信息，在一些高性能场景下可能不够精准或开销较大。BRBE直接从硬件层面记录分支历史，为重建调用链提供了坚实的数据基础，并能与eBPF等技术结合，实现更高效的性能数据收集

硬件级低开销：

BRBE的设计目标之一就是“低计算和低内存开销”。这使得它非常适合在生产环境中持续进行性能监控，而不会对业务性能造成明显影响。

深度优化指导：

结合perf与libkperf等工具，BRBE收集到的精确分支信息可以帮助开发者：识别出程序中最频繁执行的热点代码路径；分析分支预测失败的原因；进行PGO优化，生成最优的机器代码。