第四十三章 使用^TRACE跟踪进程性能

简介: 第四十三章 使用^TRACE跟踪进程性能

第四十三章 使用^TRACE跟踪进程性能

^TRACE 实用程序提供了跟踪IRIS 进程执行的功能。被跟踪的进程将事件写入跟踪文件,其中包含有关例程行的信息、它发生的位置以及(如果适用)全局引用。

Using ^TRACE

注意:跟踪文件可能包含敏感信息,例如全局引用或传递给子例程的参数。它们将不包含任何全局变量的值。

可用于跟踪的事件对应于性能监控工具中报告的指标(例如 ^PERFMON%SYS.MONLBL)。原始数据被写入指定目录中的跟踪文件 iritrace_pid.txt

注意:跟踪目录必须对被跟踪的进程是可写的。

可以选择不同的跟踪事件集来生成用于不同目的的跟踪。可以实现高度详细的应用程序执行跟踪;这可以包括跟踪所有全局引用 (GloRef)、所有应用程序子例程调用 (RtnLoad) 或执行的每一行应用程序代码 (RtnLines)。或者,跟踪可以仅限于不太常见的事件,例如物理块读取(DataBlkRd、UpntBlkRd 等)、网络缓存未命中(NCacheMiss)或块冲突(BlkWait),以便找到应用程序中发生这些事件的所有位置可能会影响性能。

注意:配置跟踪、开始跟踪进程或使用 ^TRAC 实用程序的能力需要 %Admin_Manage:USE

image.png


相关文章
|
7月前
|
网络协议 安全 Unix
深入剖析进程间通信:Unix 套接字、共享内存与IP协议栈的性能比较
深入剖析进程间通信:Unix 套接字、共享内存与IP协议栈的性能比较
224 2
|
7月前
|
缓存 负载均衡 安全
在Python中,如何使用多线程或多进程来提高程序的性能?
【2月更文挑战第17天】【2月更文挑战第50篇】在Python中,如何使用多线程或多进程来提高程序的性能?
74 4
|
7月前
|
负载均衡 JavaScript 算法
Node.js 多进程的概念、原理、优势以及如何使用多进程来提高应用程序的性能和可伸缩性
Node.js 多进程的概念、原理、优势以及如何使用多进程来提高应用程序的性能和可伸缩性
165 1
|
4月前
|
API Android开发
Android P 性能优化:创建APP进程白名单,杀死白名单之外的进程
本文介绍了在Android P系统中通过创建应用进程白名单并杀死白名单之外的进程来优化性能的方法,包括设置权限、获取运行中的APP列表、配置白名单以及在应用启动时杀死非白名单进程的代码实现。
74 1
|
5月前
|
运维 关系型数据库 MySQL
掌握taskset:优化你的Linux进程,提升系统性能
在多核处理器成为现代计算标准的今天,运维人员和性能调优人员面临着如何有效利用这些处理能力的挑战。优化进程运行的位置不仅可以提高性能,还能更好地管理和分配系统资源。 其中,taskset命令是一个强大的工具,它允许管理员将进程绑定到特定的CPU核心,减少上下文切换的开销,从而提升整体效率。
掌握taskset:优化你的Linux进程,提升系统性能
|
5月前
|
算法 调度 UED
操作系统中的进程调度策略及其对系统性能的影响
本文深入探讨了操作系统中进程调度的多种策略,包括先来先服务、短作业优先、优先级调度、轮转与多级队列等,并分析了它们对系统性能的具体影响。通过比较不同调度算法的效率和公平性,本文旨在为系统管理员提供选择合适调度策略的依据,以优化系统的整体表现。
|
5月前
|
NoSQL Redis
Redis性能优化问题之查看 Redis 进程是否发生内存 swap,如何解决
Redis性能优化问题之查看 Redis 进程是否发生内存 swap,如何解决
|
4月前
|
并行计算 开发者 Python
解锁Python多进程编程的超能力:并行计算的魔法与奇迹,探索处理器核心的秘密,让程序性能飞跃!
【8月更文挑战第12天】在Python编程领域,多进程编程是一项关键技能,能有效提升程序效率。本文通过理论与实践结合,深入浅出地介绍了Python中的多进程编程。首先解释了多进程的概念:即操作系统中能够并发执行的多个独立单元,进而提高整体性能。接着重点介绍了`multiprocessing`模块,演示了如何创建和启动进程,以及进程间的通信方式,如队列等。此外,还提到了更高级的功能,例如进程池管理和同步原语等。通过这些实例,读者能更好地理解如何在实际项目中利用多核处理器的优势,同时注意进程间通信和同步等问题,确保程序稳定高效运行。
44 0
|
5月前
|
大数据 API 数据处理
Python高手都在用的并发秘籍:解锁线程与进程的终极奥义,性能飙升不是梦!
【7月更文挑战第8天】Python并发编程提升性能,线程(threading)适合I/O密集型任务,如网络请求,通过`start()`和`join()`实现并发。进程(multiprocessing)利用多核CPU,适用于CPU密集型任务,如大数据处理。结合两者可优化混合任务,实现最佳并发效果。
38 1

相关实验场景

更多