Perfetto 분석하기

Perfetto 분석하기

1. Intro

Perfetto 실행시 나오는 결과 파일인 .perfetto-trace는 SQL DB 형식으로 저장된다. 따라서 이 파일에서 적절한 데이터를 불러와 분석하기 위해서는 SQL을 통해서 가져와야 한다.

2. Perfetto UI

웹사이트 상에서 UI를 통해 쉽게 확인할 수도 있다. Perfetto UI 사이트의 우측 상단 Trace Viewer를 클릭해 들어가면 된다. 그리고 파일 업로드 하고 데이터 열어볼 수 있다. 계산식은 아래 글을 더 읽고 참고하길 바란다.

3. 코드로 분석하기

SQL로 분석하는 것도 좋지만, 더 확장성이 좋은 분석을 위해서 python을 활용해 분석하기로 하였다. 그렇지만, 똑같이 기본적인 SQL 코드는 사용한다. 전용 python module이 있어 그 module을 활용하고자 한다.

pip install perfetto
pip install pandas

Perfetto UI 사이트에 가보면, 여러가지 열어보다 보면 track_id를 확인할 수 있다. 이 track_id를 기준으로 우리는 여러가지 값을 가져올 수 있다. 그리고, value를 기준으로 power 값 계산이 가능하고 이 계산은 구글 소스를 참고했다.

TIP: 에너지 계산은 delta 값을 활용하면 가능하다.

from perfetto.trace_processor import TraceProcessor
import pandas as pd

""""
[track_id]
"""
track_map = {
    # gpu
    "power.rails.gpu": 1,
    "power.rails.display": 21,

    # cpu
    "power.rails.cpu.big": 14,
    "power.rails.cpu.mid": 13,
    "power.rails.cpu.little": 15,

    # memory
    "power.rails.ddr.a": 3,
    "power.rails.ddr.b": 8,
    "power.rails.ddr.c": 2,
    "power.rails.memory.interface": 12,

    # low-dropout power domain
    "power.rails.ldo.main.a": 17,
    "power.rails.ldo.main.b": 19,
    "power.rails.ldo.sub": 7,
}

ids = list(track_map.values())
names = list(track_map.keys())

nano = 1E-9
micro = 1E-6
milli = 1E-3
tp = TraceProcessor('power_trace.perfetto-trace')

collection = pd.DataFrame()
# power collection with calculation
for i, n in zip(ids, names):
    # data access
    query = f"SELECT * FROM counter WHERE track_id={i} ORDER BY ts;"
    result = tp.query(query).as_pandas_dataframe()
    
    # data aggregation
    delta = pd.DataFrame()
    delta[f'dt_{i}'] = result['ts'].diff()
    delta[f'dt_{i}'] *= nano
    delta[f'dE_{i}'] = result['value'].diff()
    delta[f'dE_{i}'] *= micro
    delta = delta.tail(-2).reset_index(drop=True) # tailing NaN and zeros

    # power calculation
    delta[n] = delta[f'dE_{i}']/delta[f'dt_{i}']
    collection = pd.concat([collection, delta], axis=1)

# save to csv
filename = "output.csv"
collection.to_csv(filename, index=True)

이 코드를 활용한다면, 쉽게 분석이 가능하다.