clang插件对llvm源码插桩，分析函数调用日志(1)

tick_plot__compile.ipynb

时长边界_时上链异数: 长短函数调用链列表

0. 用matplotlib找系统中字体文件大于1MB的

中文字体通常很大，这样过滤出的通常有中文字体

结果中看名字 'AR PL UMing CN' 果然是中文字体

python 复制代码

from matplotlib.font_manager import fontManager
import os
 
fonts = [font.name for font in fontManager.ttflist if 
         os.path.exists(font.fname) and os.stat(font.fname).st_size>1e6] 
 
for font in fonts:
    if 'CN' in font:
        print(font)

text 复制代码

 AR PL UMing CN
AR PL UKai CN

!pip install scikit-learn

1. 产生tick日志

编译最小main加函数1语法错误 : 文件 mini_main_f1_err.c

cpp 复制代码

//文件  mini_main_f1_err.c
char* calc_name(float age, bool high, char* nick){
  if(high && age>5){
    return "child";
  }
  char name[32]={"bigPeople"};
  return name;
}
int main(int argc, char** argv){
    calc_name(10,false,"nick");
    return 0;
}

shell 复制代码

tick_save=true  /pubx/build-llvm15/bin/clang-15 -c  mini_main_printf.c

#corrupted double-linked list
#pure virtual method called
#terminate called without an active exception
#已放弃 (核心已转储)

#生成tick日志文件:
#-rw-rw-r--  511M  8月 12 08:24 clang-15_13324_1691799886944_1


#有输出目标文件
ls -lh  mini_main_printf.o 
#-rw-rw-r-- 1.4K  8月 12 08:29 mini_main_printf.o


#但如果 试图输出可执行文件，则崩溃的更彻底：

tick_save=true  /pubx/build-llvm15/bin/clang-15 mini_main_printf.c -o mmp

"""
pure virtual method called
terminate called without an active exception
clang-15: error: unable to execute command: Aborted (core dumped)
clang-15: error: clang frontend command failed due to signal (use -v to see invocation)
clang version 15.0.0 (git@gitcode.net:pubz/llvm-project.git 3387b19bb538e694d2d965d46c7b053d61a059e3)
Target: x86_64-unknown-linux-gnu
Thread model: posix
InstalledDir: /pubx/build-llvm15/bin
clang-15: note: diagnostic msg: 
********************

PLEASE ATTACH THE FOLLOWING FILES TO THE BUG REPORT:
Preprocessed source(s) and associated run script(s) are located at:
clang-15: note: diagnostic msg: /tmp/mini_main_printf-f6d921.c
clang-15: note: diagnostic msg: /tmp/mini_main_printf-f6d921.sh
clang-15: note: diagnostic msg: 

********************
malloc(): unsorted double linked list corrupted
malloc(): unsorted double linked list corrupted
malloc(): unsorted double linked list corrupted
malloc(): unsorted double linked list corrupted
malloc(): unsorted double linked list corrupted
...
段错误 (核心已转储)
"""

崩溃初步分析

崩溃初步分析

gdb查看哪崩溃的，可以看到很奇怪，main已经完成后崩溃了，日志正常输出了，暂时不管了

shell 复制代码

gdb --args /pubx/build-llvm15/bin/clang-15 -c  mini_main_printf.c

(gdb) set environment tick_save=true

(gdb) run
Starting program: /build/pubx/build-llvm15/bin/clang-15 -c mini_main_printf.c
[Thread debugging using libthread_db enabled]

Program received signal SIGSEGV, Segmentation fault.
0x00007ffff78a17c3 in unlink_chunk (p=p@entry=0x55555cbfc0b0, av=0x7ffff7a19c80 <main_arena>) at ./malloc/malloc.c:1634
1634    ./malloc/malloc.c: 没有那个文件或目录.

(gdb) bt
#0  0x00007ffff78a17c3 in unlink_chunk (p=p@entry=0x55555cbfc0b0, av=0x7ffff7a19c80 <main_arena>) at ./malloc/malloc.c:1634
#1  0x00007ffff78a2939 in _int_free (av=0x7ffff7a19c80 <main_arena>, p=0x55555cbfc0b0, have_lock=<optimized out>) at ./malloc/malloc.c:4607
#2  0x00007ffff78a54d3 in __GI___libc_free (mem=<optimized out>) at ./malloc/malloc.c:3391
#3  0x00005555570ebb47 in llvm::PassRegistry::~PassRegistry() ()
#4  0x00007ffff7845495 in __run_exit_handlers (status=0, listp=0x7ffff7a19838 <__exit_funcs>, run_list_atexit=run_list_atexit@entry=true, run_dtors=run_dtors@entry=true)
    at ./stdlib/exit.c:113
#5  0x00007ffff7845610 in __GI_exit (status=<optimized out>) at ./stdlib/exit.c:143
#6  0x00007ffff7829d97 in __libc_start_call_main (main=main@entry=0x5555561c70e0 <main>, argc=argc@entry=3, argv=argv@entry=0x7fffffffdc38) at ../sysdeps/nptl/libc_start_call_main.h:74
#7  0x00007ffff7829e40 in __libc_start_main_impl (main=0x5555561c70e0 <main>, argc=3, argv=0x7fffffffdc38, init=<optimized out>, fini=<optimized out>, rtld_fini=<optimized out>, 
    stack_end=0x7fffffffdc28) at ../csu/libc-start.c:392
#8  0x00005555561aef05 in _start ()

1. 前置

python 复制代码

# %config InlineBackend.figure_format = 'svg'
%config InlineBackend.rc={'figure.figsize': (30,20)}

sklearn 各种归一化

python 复制代码

#sklearn 各种归一化
from sklearn.preprocessing import MinMaxScaler
from sklearn.preprocessing import StandardScaler
from sklearn.preprocessing import MaxAbsScaler

minMaxScaler = MinMaxScaler()
standardScaler = StandardScaler()
maxAbsScaler = MaxAbsScaler()


# df['栈净'] = minMaxScaler.fit_transform(df[['栈净']])

导包

python 复制代码

import numpy 
import math
import seaborn
import plotly.offline as plotly_offline
plotly_offline.init_notebook_mode(connected=True)          
import plotly.graph_objs as graph_objs                
import plotly.figure_factory as figure_factory 

from plotly.graph_objs import Scatter, Figure, Scatter3d

解决 matplotlib 中文不正常显示问题，中文显示为方块，原因是没有中文字体，这里将字体设置为上面找到的中文字体 'AR PL UMing CN'

python 复制代码

import matplotlib.pyplot
matplotlib.pyplot.rcParams['font.family'] = 'AR PL UMing CN'
matplotlib.pyplot.rcParams['font.sans-serif'] = [ 'AR PL UMing CN']

pandas显示最大行数

python 复制代码

import pandas
# pandas.options.display.max_columns = None
# pandas.options.display.max_rows = None

1b 作图前置

python 复制代码

#增大图例颜色圆球的尺寸
def inrease_g_size(g):
    for lh in g.legend_.legendHandles: 
        lh.set_alpha(1)
        lh._sizes = [500]

python 复制代码

import warnings
# 过滤掉RuntimeWarning警告
warnings.filterwarnings("ignore", category=RuntimeWarning)

2. 加载tick日志

shell 复制代码

%%bash
ls -lhrt /tick_data_home/ | tail -n 1
#-rw-rw-r-- 1 zz zz 511M  8月 14 18:11 clang-15_13324_1691799886944_1

shell 复制代码

#编译正常: mini_main.c
df=pandas.read_csv(filepath_or_buffer="/tick_data_home/clang-15_13324_1691799886944_1",sep=',' , quotechar="'")

df.info()

text 复制代码

<class 'pandas.core.frame.DataFrame'>
RangeIndex: 3236685 entries, 0 to 3236684
Data columns (total 22 columns):
 #   Column             Dtype 
---  ------             ----- 
 0   滴答                 int64 
 1   funcLocalClock     int64 
 2   tickKind           int64 
 3   funcEnterId        int64 
 4   hasFuncCallChain   int64 
 5   funcEnterIdSeqLen  int64 
 6   funcEnterIdSeq     object
 7   rTSVarC            int64 
 8   d栈生                int64 
 9   d栈死                int64 
 10  d堆生                int64 
 11  d堆死                int64 
 12  栈生                 int64 
 13  栈死                 int64 
 14  栈净                 int64 
 15  堆生                 int64 
 16  堆死                 int64 
 17  堆净                 int64 
 18  srcFile            object
 19  funcLine           int64 
 20  funcCol            int64 
 21  funcName           object
dtypes: int64(19), object(3)
memory usage: 543.3+ MB

tickKind定义

cpp 复制代码

文件: /pubx/clang-ctk/t_clock_tick/t_clock_tick.cpp
`cpp
/*滴答种类
 需要被正常分析的tick是 正常tick 和 函数返回tick，
正常分析不需要 函数进入tick看哪里少插入了X__funcReturn: 比对 函数进入tick    和  函数返回tick 是否配对
*/
enum TickKind{
 //正常tick
 NormalTick=0,
 //函数进入tick 可作为 和 函数返回tick 做比对，看哪里少插入了X__funcReturn
 FuncEnter=1,
 //函数返回tick
 FuncReturn=2

};

text 复制代码

NormalTick=0
#函数进入
FuncEnter=1
#函数返回tick
FuncReturn=2

这里不关注一般tick，因此删除一般tick，可以大大提高本脚本运行速度

python 复制代码

print(df.shape)

df.drop( df[df['tickKind'] == NormalTick].index, inplace=True)

print(df.shape)

text 复制代码

(3236685, 22)
(666718, 22)

由于tick.cpp中 funcEnterIdSeq 构造很脏，需要清洗

funcEnterIdSeq 只有函数进入才有正常字符串，其他（比如函数出、滴答）会出现NAN，因此要将NAN替换为空字符串

python 复制代码

df['funcEnterIdSeq'].fillna('', inplace=True)

'' funcEnterIdSeq '' 明显多了一对单引号，去掉多余的一对单引号

-2100558033#2#1# 左侧第一个负数，是因为拿了不是自己内存区域导致的，需要去掉。

python 复制代码

df['funcEnterIdSeq']=df.funcEnterIdSeq.apply(lambda seqK:  seqK[seqK.find("#")+1:].replace("'","")  )

3. funcId 构造

python 复制代码

df.head(1)

3.1 新增列 funcLoc 相当于字符串样式的funId

python 复制代码

#新增列 funcLoc 
df['funcLoc']=df .apply(lambda r: f'{r.srcFile}_{r.funcLine}_{r.funcCol}', axis=1 )
df['funcLoc'].values[:4]

text 复制代码

array(['/pubx/llvm-project/llvm/lib/Support/CommandLine.cpp_42_42',
       '/pubx/llvm-project/llvm/lib/Support/CommandLine.cpp_41_41',
       '/pubx/llvm-project/llvm/lib/Support/ManagedStatic.cpp_77_77',
       '/pubx/llvm-project/llvm/lib/Support/Threading.cpp_36_36'],
      dtype=object)

3.2 以区间[0, funcLoc不重复个数-1] 作为 funcId表

python 复制代码

funcLoc_values=df['funcLoc'].values
type(funcLoc_values)#numpy.ndarray
len(funcLoc_values)#1014494

funcLoc_list=list(funcLoc_values)
len(funcLoc_list)#1014494

#funcLoc转为集合
funcLoc_set=set(funcLoc_values)
len(funcLoc_set)#2838

#funcLoc集合作为列表: 即 不重复的funcLoc 列表
uqFuncLoc_Ls=list(funcLoc_set)
len(uqFuncLoc_Ls)#2838
#uq:unique

#不重复的funcLoc 列表 转为 funcId表
funcId_Tab=dict( [(fL,j) for j,fL in enumerate(uqFuncLoc_Ls)] )
list(funcId_Tab.items())[:5]

#上一版中, 此输出 源文件路径字段 左右都有粘连乱七八糟其他字符，明显是 由于使用了 已释放内存区域导致的
#这一版中，无此问题，源文件路径字段 左右很干净，说明 问题已经修复

text 复制代码

 [('/pubx/llvm-project/llvm/lib/Support/MemoryBuffer.cpp_83_83', 0),
 ('/pubx/llvm-project/clang/lib/Driver/Driver.cpp_58_58', 1),
 ('/pubx/llvm-project/clang/lib/CodeGen/CodeGenTypes.cpp_69_69', 2),
 ('/pubx/llvm-project/llvm/lib/MC/MCFragment.cpp_64_64', 3),
 ('/pubx/llvm-project/llvm/lib/Support/VirtualFileSystem.cpp_57_57', 4)]

python 复制代码

#按 funcId 查  funcLoc 表
funcId2Loc_Tab=dict( [(j,fL) for j,fL in enumerate(uqFuncLoc_Ls)] )
print("funcId个数:",len(funcId_Tab))
#funcId个数: 2738

3.3 参照 funLoc列、funcId表新增列funcId

python 复制代码

#新增列 funcId 
df['funcId']=df['funcLoc'] .apply(lambda fLocJ:  funcId_Tab[fLocJ] )
df['funcId'].values[:10]
df.head(2)

python 复制代码

df.info()

text 复制代码

<class 'pandas.core.frame.DataFrame'>
Int64Index: 666718 entries, 0 to 3236683
Data columns (total 24 columns):
 #   Column             Non-Null Count   Dtype 
---  ------             --------------   ----- 
 0   滴答                 666718 non-null  int64 
 1   funcLocalClock     666718 non-null  int64 
 2   tickKind           666718 non-null  int64 
 3   funcEnterId        666718 non-null  int64 
 4   hasFuncCallChain   666718 non-null  int64 
 5   funcEnterIdSeqLen  666718 non-null  int64 
 6   funcEnterIdSeq     666718 non-null  object
 7   rTSVarC            666718 non-null  int64 
 8   d栈生                666718 non-null  int64 
 9   d栈死                666718 non-null  int64 
 10  d堆生                666718 non-null  int64 
 11  d堆死                666718 non-null  int64 
 12  栈生                 666718 non-null  int64 
 13  栈死                 666718 non-null  int64 
 14  栈净                 666718 non-null  int64 
 15  堆生                 666718 non-null  int64 
 16  堆死                 666718 non-null  int64 
 17  堆净                 666718 non-null  int64 
 18  srcFile            666718 non-null  object
 19  funcLine           666718 non-null  int64 
 20  funcCol            666718 non-null  int64 
 21  funcName           666718 non-null  object
 22  funcLoc            666718 non-null  object
 23  funcId             666718 non-null  int64 
dtypes: int64(20), object(4)
memory usage: 127.2+ MB

clang插件对llvm源码插桩，分析函数调用日志(1)

时长边界_时上链异数: 长短函数调用链列表

0. 用matplotlib找系统中字体文件大于1MB的

1. 产生tick日志

编译最小main加函数1语法错误 : 文件 mini_main_f1_err.c

崩溃初步分析

1. 前置

sklearn 各种归一化

导包

解决 matplotlib 中文不正常显示问题，中文显示为方块，原因是没有中文字体，这里 将字体设置为 上面找到的中文字体 'AR PL UMing CN'

pandas显示最大行数

1b 作图前置

2. 加载tick日志

tickKind定义

这里不关注 一般tick，因此删除一般tick，可以大大提高本脚本运行速度

由于tick.cpp中 funcEnterIdSeq 构造很脏，需要清洗

3. funcId 构造

3.1 新增列 funcLoc 相当于字符串样式的funId

3.2 以 区间[0, funcLoc不重复个数-1] 作为 funcId表

3.3 参照 funLoc列、funcId表 新增列funcId

解决 matplotlib 中文不正常显示问题，中文显示为方块，原因是没有中文字体，这里将字体设置为上面找到的中文字体 'AR PL UMing CN'

这里不关注一般tick，因此删除一般tick，可以大大提高本脚本运行速度

3.2 以区间[0, funcLoc不重复个数-1] 作为 funcId表

3.3 参照 funLoc列、funcId表新增列funcId