前言

在勘探地球物理中，往往一个程序会重复计算多次，比如叠前数据的合成（需要对一个有限差分程序往复执行上 百次，最后得到一个叠前的炮集记录）。因此学会对程序进行优化是一个很好的解决方案。

GNU C Compiler (GCC) 自带了一个通用的 Profile 工具 gprof， 用于对程序各函数的运行时间进行 统计，方便用户确认程序的 Hot Spot(运行耗时最多的函数)。下面将介绍如何将该工具用于 Madagascar 程序的 Profile 中。

准备工作

首先，准备好要 Profile 的程序，这里为Mfdtd2d.c。然后写一个用来编译该程序的 SConstruct 脚本，代码如下：

```
import os, sys, re, string


try:
    import bldutil
    glob_build = True # scons command launched in RSFSRC
    srcroot = '../..' # cwd is RSFSRC/build/user/jeff
    Import('env bindir libdir pkgdir')
    env = env.Clone()
except:
    glob_build = False # scons command launched in the local directory
    srcroot = os.environ.get('RSFSRC', '../..')
    sys.path.append(os.path.join(srcroot,'framework'))
    import bldutil
    env = bldutil.Debug() # Debugging flags for compilers
    ################## very import !!!!!!!! #########################
    env['CC'] = 'gcc -pg' # add option `-pg`  to gcc to enable gprof
    #################################################################
    bindir = libdir = pkgdir = None


targets = bldutil.UserSconsTargets()

# C mains
targets.c = '''
fdtd2d
'''

targets.build_all(env, glob_build, srcroot, bindir, libdir, pkgdir)

```

从编译脚本可以看到 gcc 的编译选项里增加了-pg选项，这是采用gprof来 Profile 所必须的。 如果自己手写编译脚本的话，记得在编译和链接两步都要加上-pg选项，否则无法成功运行gprof。

编译并链接代码

$ scons

运行完该语句会在当前目录下生成一个可执行的二进制文件sffdtd2d。然后我们正常运行该程序。假设 其所需的参数为：速度模型vel.rsf, 子波wav.rsf，生成的地震记录为dd.rsf。然后运行该程序

$ ./sffdtd2d < vel.rsf wav=wav.rsf > dd.rsf

Profile

执行完./sffdtd2d < vel.rsf wav=wav.rsf > dd.rsf语句后，我们可以在当前目录下发现一个命名 为gmon.out的文件。下一步将使用该文件进行 Profile。

执行gprof ./sffdtd2d gmon.out -p，将得到下列信息：

$ gprof ./sffdtd2d gmon.out -p
Flat profile:

Each sample counts as 0.01 seconds.
  %   cumulative   self              self     total           
 time   seconds   seconds    calls  ms/call  ms/call  name    
 96.28     76.63    76.63     1000    76.63    76.63  fd_kernel
  1.99     78.21     1.58                             main
  1.75     79.60     1.39     5000     0.28     0.28  fun()
  0.00     79.60     0.00        4     0.00     0.00  fun2()
  0.00     79.60     0.00        2     0.00     0.00  fun3()
  0.00     79.60     0.00        1     0.00     0.00  fun4()
  0.00     79.60     0.00        1     0.00     0.00  fun5()

通过该信息，我们发现fd_kernel这个函数占用了96.28%的计算时间，因此我们找到了程序的 Hot Spot ，从而可以通过采用 OpenMP， MPI, CUDA C等方式进一步对程序进行优化加速。

参考资料：