企业官网建设流程全解析

CANN msProf性能调优实战：3步快速定位软硬件瓶颈的完整指南

【免费下载链接】docs该仓库用于维护cann公共文档项目地址: https://gitcode.com/cann/docs

CANN msProf 性能调优工具是昇腾 AI 处理器官方的一站式 Profiling 采集工具，可自动采集、解析并导出 AI 任务各阶段的关键性能指标，帮助新手和开发者快速定位软硬件性能瓶颈，是提升模型推理与训练效率的必备利器。

📌 一图看懂 msProf：CANN 性能调优的通用选择

msProf 是 CANN 官方推荐的通用场景性能调优命令行工具，一次采集即可覆盖算子耗时、API 耗时、任务调度、迭代轨迹等完整数据，并自动完成解析与导出。不同采集工具的适用场景对照如下：

msProf 的能力边界：不支持采集 Python 调用栈、PyTorch 或 MindSpore 框架层数据，这部分需使用对应框架的 Profiling 接口。各工具选型详情可查阅 performance tuning tool overview。

🚀 一键采集 CANN 性能数据：完整操作步骤

msProf 支持"采集、解析、导出"一键完成，无需手动拼接配置。只需登录装有 CANN Toolkit 软件包的环境，执行一条命令：

msprof --output=/home/HwHiAiUser/profiling_output /home/HwHiAiUser/HIAI_PROJECTS/MyAppname/out/main

参数说明：

⚠️注意：--output路径中不能包含特殊字符：\n、\f、\r、\b、\t、\v、\u0007F。

命令执行完成后，会在--output指定目录下自动生成PROF_*目录，包含原始数据与自动解析后的性能数据：

├── device_{id} // 保存原始数据，用户无需关注 │ └── data └── mindstudio_profiler_output ├── msprof_{timestamp}.json ├── step_trace_{timestamp}.json ├── xx_*.csv ... └── README.txt

你只需要关注mindstudio_profiler_output目录，里面就是解析后的全部性能数据。

📂 读懂 9 个性能数据文件：每个文件能帮你分析什么？

默认配置下，msProf 会自动采集以下性能数据文件（"_"后为{timestamp}时间戳）：

🔍 定位性能瓶颈实战：3 个高价值分析技巧

数据文件众多，无需逐个死磕。以下 3 个文件覆盖了绝大多数性能瓶颈定位场景：

技巧 1：用时间线总表（msprof_*.json）看清全貌

在 Chrome 浏览器地址栏输入chrome://tracing，将 json 文件拖入空白处即可打开（快捷键：w 放大、s 缩小、a 左移、d 右移）。时间线数据分为 3 个关注区域：

• 区域 1：CANN 层数据—— 包含 Runtime 等组件以及 Node（算子）的耗时数据；
• 区域 2：底层 NPU 数据—— 包含 Ascend Hardware 下各个 Stream 任务流的耗时数据和迭代轨迹数据；
• 区域 3：详情面板—— 单击 timeline 色块即可查看各算子、接口的详细信息。

分析思路：先从时间线找出耗时较长的 API、算子、任务流，沿箭头追踪下发关系，定位底层具体耗时的任务，再结合 CSV 文件做量化确认。

技巧 2：用算子统计（op_statistic_*.csv）找出耗时大户

该文件统计各类算子的调用总次数与总耗时。按Total Time字段排序，即可快速发现哪类算子总耗时最长，从而判断该类算子是否有优化空间（如融合、替换、降精度）。

技巧 3：用算子明细（op_summary_*.csv）锁定单个高耗时算子

op_summary_*.csv记录每个算子的详细信息与耗时。两种用法：

• 按Task Duration字段排序 → 直接找出耗时最长的算子；
• 按Task Type字段排序 → 区分 AI Core 与 AI CPU 两类核，查看不同核上的高耗时算子。

💡 进阶：善用 prof_rule_*.json 自动调优建议

prof_rule_0_*.json文件是 msProf 基于采集数据自动生成的调优建议，例如识别到算子间存在空闲、可融合的算子组合等。新手可直接按建议逐条验证，资深工程师可将其作为排查线索的起点，显著缩短性能调优周期。

⚠️ 常见疑问与使用边界

• 采集对业务有影响吗？Profiling 会引入少量开销，建议在独立调优环境执行，生产环境谨慎开启；
• 需要 Python 调用栈怎么办？msProf 不支持采集 Python 调用栈与框架层数据，可改用对应框架的 Profiling 接口（如 PyTorch 场景使用 Ascend PyTorch Profiler）；
• 多卡训练 / 服务化推理场景？可配合 msPTI（通用框架场景）、msServiceProfiler（推理服务化场景）使用，详见 性能调优工具菜单。

📚 延伸阅读

• 采集并解析性能数据（完整教程）
• 性能调优工具简介
• 高性能编程建议

✅ 总结

CANN 性能调优的核心闭环很简单：msProf 一键采集 → 自动解析导出 → 时间线找线索 + CSV 定量分析 → 按建议优化。建议从msprof_*.json时间线切入建立全局认知，再用op_statistic/op_summary两张表锁定耗时算子，配合prof_rule_*.json自动建议确定优化方向，即可高效定位软硬件性能瓶颈，让昇腾 AI 任务跑得更快。

【免费下载链接】docs该仓库用于维护cann公共文档项目地址: https://gitcode.com/cann/docs