# eBPF 实例教程：使用内核跟踪点监控 GPU 驱动活动 当游戏卡顿或机器学习训练变慢时，答案就隐藏在 GPU 内核驱动内部。Linux 内核跟踪点暴露了实时的作业调度、内存分配和命令提交数据。与周期性采样并错过事件的用户空间分析工具不同，内核跟踪点以纳秒级时间戳和最小开销捕获每个操作。 本教程展示如何使用 eBPF 和 bpftrace 监控 GPU 活动。我们将跟踪 DRM 调度器作业、测量延迟，并使用跨 Intel、AMD 和 Nouveau 驱动工作的稳定内核跟踪点诊断瓶颈。 ## GPU 内核跟踪点：零开销可观测性 GPU 跟踪点是内核直接渲染管理器（DRM）子系统中内置的仪器点。当 GPU 调度作业、分配内存或发出栅栏信号时，这些跟踪点会以精确的时序和驱动状态触发。 关键洞察：内核跟踪点仅在事件发生时激活，每个事件添加纳秒级开销。它们捕获 100% 的活动，包括微秒级持续时间的作业。基于轮询的监控每 100ms 检查一次 GPU 状态，完全错过短期操作。 GPU 跟踪点跨越三层。DRM 调度器跟踪点(`gpu_scheduler` 事件组)是稳定的 uAPI,格式永不改变。它们在 Intel、AMD 和 Nouveau 驱动上工作完全相同，适合供应商中立的监控。供应商特定跟踪点暴露驱动内部。Intel i915 跟踪 GEM 对象创建和 VMA 绑定，而 AMD AMDGPU 监控缓冲对象和命令提交。通用 DRM 跟踪点通过 vblank 事件处理显示同步，用于诊断丢帧。 ## DRM 调度器监视器：通用 GPU 跟踪 `drm_scheduler.bt` 脚本在**所有 GPU 驱动**上工作，因为它使用稳定的 uAPI 跟踪点。它跟踪作业提交（`drm_run_job`）、完成（`drm_sched_process_job`）和依赖等待（`drm_sched_job_wait_dep`）跨所有环。 ### 完整的 Bpftrace 脚本：drm_scheduler.bt ```c #!/usr/bin/env bpftrace /* * drm_scheduler.bt - 监控 DRM GPU 调度器活动 * * 此脚本使用稳定的 DRM 调度器跟踪点跟踪 GPU 作业调度。 * 适用于所有现代 GPU 驱动（Intel i915、AMD AMDGPU、Nouveau 等） * * gpu_scheduler 跟踪点是稳定的 uAPI - 保证不会改变。 * * 使用方法：sudo bpftrace drm_scheduler.bt */ BEGIN { printf("正在跟踪 DRM GPU 调度器... 按 Ctrl-C 结束。\n"); printf("%-18s %-12s %-16s %-12s %-8s %s\n", "时间(ms)", "事件", "作业ID", "环", "排队", "详情"); } /* GPU 作业开始执行 */ tracepoint:gpu_scheduler:drm_run_job { $job_id = args->id; $ring = str(args->name); $queue = args->job_count; $hw_queue = args->hw_job_count; /* 记录开始时间用于延迟计算 */ @start[$job_id] = nsecs; printf("%-18llu %-12s %-16llu %-12s %-8u hw=%d\n", nsecs / 1000000, "RUN", $job_id, $ring, $queue, $hw_queue); /* 跟踪每个环的统计 */ @jobs_per_ring[$ring] = count(); } /* GPU 作业完成（栅栏已发出信号）*/ tracepoint:gpu_scheduler:drm_sched_process_job { $fence = args->fence; printf("%-18llu %-12s %-16p\n", nsecs / 1000000, "COMPLETE", $fence); @completion_count = count(); } /* 作业等待依赖 */ tracepoint:gpu_scheduler:drm_sched_job_wait_dep { $job_id = args->id; $ring = str(args->name); $dep_ctx = args->ctx; $dep_seq = args->seqno; printf("%-18llu %-12s %-16llu %-12s %-8s ctx=%llu seq=%u\n", nsecs / 1000000, "WAIT_DEP", $job_id, $ring, "-", $dep_ctx, $dep_seq); @wait_count = count(); @waits_per_ring[$ring] = count(); } END { printf("\n=== DRM 调度器统计 ===\n"); printf("\n每个环的作业数：\n"); print(@jobs_per_ring); printf("\n每个环的等待数：\n"); print(@waits_per_ring); } ``` ### 理解脚本 脚本附加到三个稳定的 DRM 调度器跟踪点。当 `drm_run_job` 触发时，作业从"在软件中排队"转换为"在硅上运行"。跟踪点捕获 `args->id`（用于关联的作业 ID）、`args->name`（环名称 - 哪个执行引擎如图形、计算或视频解码）、`args->job_count`（队列深度 - 有多少作业在等待）和 `args->hw_job_count`（当前在 GPU 硬件上执行的作业）。 格式 `entity=0xffff888... id=12345 fence=0xffff888... ring=gfx job count:5 hw job count:2` 告诉你图形环上的作业 12345 开始执行，后面有 5 个作业排队，硬件上当前运行 2 个作业。多引擎 GPU 可以跨不同环并行运行作业。 我们记录 `@start[$job_id] = nsecs` 以启用延迟计算。脚本存储按作业 ID 键控的时间戳。稍后，在跟踪完成或测量端到端延迟时，你可以计算 `nsecs - @start[$job_id]` 以获得执行时间。`@jobs_per_ring[$ring] = count()` 行递增每个环的计数器，显示跨引擎的工作负载分布。 当 `drm_sched_process_job` 触发时，GPU 硬件完成了作业并发出其栅栏信号。栅栏指针 `args->fence` 标识已完成的作业。在 `drm_run_job` 和此跟踪点之间关联栅栏指针，让你可以计算 GPU 执行时间：`completion_time - run_time = GPU_execution_duration`。如果应该需要 5ms 的作业需要 50ms，你就发现了 GPU 性能问题。 `drm_sched_job_wait_dep` 跟踪点在作业阻塞等待栅栏时触发。在作业执行之前，其依赖项（它等待的先前作业）必须完成。格式显示 `args->ctx`（依赖上下文）和 `args->seqno`（序列号）标识哪个栅栏阻塞此作业。 这揭示了管道停顿。如果计算作业不断等待图形作业，你就没有利用并行性。长等待时间表明依赖链太深 - 考虑批处理独立工作。过度的依赖表示 CPU 端调度效率低下。`@waits_per_ring[$ring] = count()` 指标跟踪哪些环经历最多的依赖停顿。 程序结束时，`END` 块打印统计信息。`@jobs_per_ring` 显示每个执行引擎的作业计数 - 揭示特定环（视频编码、计算）是否饱和。`@waits_per_ring` 暴露依赖瓶颈。这些数据揭示了总体 GPU 利用率模式以及作业是否被依赖阻塞。 ## Intel i915 跟踪点：内存管理深入分析 Intel 的 i915 驱动暴露了内存操作的详细跟踪点。这些需要内核配置中的 `CONFIG_DRM_I915_LOW_LEVEL_TRACEPOINTS=y`,使用 `grep CONFIG_DRM_I915_LOW_LEVEL_TRACEPOINTS /boot/config-$(uname -r)` 检查。 i915_gem_object_create 在驱动分配 GEM(图形执行管理器)对象时触发,这是 GPU 可访问内存的基本单位。格式：`obj=0xffff888... size=0x100000` 表示分配 1MB 对象。随时间跟踪总分配内存以检测泄漏。性能下降前的突然分配峰值表示内存压力。将对象指针与后续绑定/故障事件关联以了解对象生命周期。 i915_vma_bind 跟踪将内存映射到 GPU 地址空间。分配内存还不够,它必须绑定到 GPU 虚拟地址空间。格式：`obj=0xffff888... offset=0x0000100000 size=0x10000 mappable vm=0xffff888...` 显示在 GPU 虚拟地址 0x100000 处绑定的 64KB。频繁的重新绑定表示内存抖动,即驱动在压力下驱逐和重新绑定对象。GPU 页面故障通常与绑定操作相关。 i915_gem_shrink 捕获内存压力响应。在内存压力下，驱动回收 GPU 内存。格式：`dev=0 target=0x1000000 flags=0x3` 意味着驱动尝试回收 16MB。高收缩活动表示工作负载的 GPU 内存过小。与性能下降关联,如果在帧渲染期间发生收缩，会导致卡顿。 i915_gem_object_fault 跟踪 CPU 或 GPU 访问未映射内存时的页面故障。格式：`obj=0xffff888... GTT index=128 writable` 表示图形转换表页 128 上的写故障。故障代价昂贵,因为它们在内核解决缺失映射时停止执行。写故障比读故障更昂贵,因为需要使缓存失效。GTT 故障表示作业提交前资源绑定不完整。 ## AMD AMDGPU 跟踪点：命令提交管道 AMD 的 AMDGPU 驱动提供命令提交和硬件中断的全面跟踪。 amdgpu_cs_ioctl 捕获用户空间命令提交。当应用通过 ioctl 提交 GPU 工作时，此跟踪点触发。格式：`sched_job=12345 timeline=gfx context=1000 seqno=567 ring_name=gfx_0.0.0 num_ibs=2` 显示提交到图形环的作业 12345 有 2 个间接缓冲区。这标志着用户空间将工作交给内核的时间。记录时间戳以在与 `amdgpu_sched_run_job` 结合时测量提交到执行的延迟。高频率表示小批次和更好批处理的潜力。 amdgpu_sched_run_job 在内核调度器开始执行先前提交的作业时触发。将时间戳与 `amdgpu_cs_ioctl` 比较可揭示提交延迟。超过 100μs 的提交延迟表示内核调度延迟。每个环的延迟显示特定引擎是否受调度限制。 amdgpu_bo_create 跟踪缓冲对象分配,这是 AMD 的 i915 GEM 对象等价物。格式：`bo=0xffff888... pages=256 type=2 preferred=4 allowed=7 visible=1` 分配 1MB(256 页)。类型表示 VRAM 与 GTT(GPU 可访问的系统内存)。首选/允许域显示放置策略。请求 VRAM 但使用 GTT 的类型不匹配表示 VRAM 耗尽。可见标志表示 CPU 可访问的内存,这很昂贵，应谨慎使用。 amdgpu_bo_move 在缓冲对象在 VRAM 和 GTT 之间迁移时触发。迁移代价昂贵,因为需要通过 PCIe 复制数据。过度的移动表示内存抖动,即工作集超过 VRAM 容量。测量移动频率和大小以量化 PCIe 带宽消耗。与性能下降关联,因为迁移会停止 GPU 执行。 amdgpu_iv 捕获 GPU 中断。GPU 为完成的工作、错误和事件发出中断信号。格式：`ih:0 client_id:1 src_id:42 ring:0 vmid:5 timestamp:1234567890 pasid:100 src_data: 00000001...` 捕获中断详细信息。源 ID 表示中断类型(完成、故障、热)。高中断率影响 CPU 性能。VMID 和 PASID 识别哪个进程/VM 触发了中断,这对于多租户调试至关重要。 ## DRM Vblank 跟踪点：显示同步 Vblank（垂直消隐）事件将渲染与显示刷新同步。错过 vblank 会导致丢帧和卡顿。 **drm_vblank_event** 在显示进入垂直消隐期时触发。格式：`crtc=0 seq=12345 time=1234567890 high-prec=true` 表示显示控制器 0 上的 vblank，序列号 12345。跟踪 vblank 频率以验证刷新率（60Hz = 60 vblanks/秒）。错过的序列表示丢帧。高精度时间戳启用亚毫秒帧时序分析。 **drm_vblank_event_queued** 和 **drm_vblank_event_delivered** 跟踪 vblank 事件传递到用户空间。排队延迟（队列到传递）测量内核调度延迟。总延迟（vblank 到传递）包括内核和驱动处理。超过 1ms 的延迟表示合成器问题。与用户可见的丢帧关联 - 延迟传递的事件意味着错过的帧。 ## NVIDIA 专有驱动：不同的架构 与使用内核直接渲染管理器（DRM）子系统的 Intel、AMD 和 Nouveau 不同，**NVIDIA 的专有驱动（nvidia.ko）在 DRM 之外运行**。它实现了自己的内核模块接口，带有供应商特定的函数和单个跟踪点。这种架构差异意味着 NVIDIA GPU 需要不同的监控方法 - 我们附加到 nvidia.ko 函数的内核探针，而不是 DRM 跟踪点。 关键区别：DRM 驱动暴露标准化的 `gpu_scheduler` 跟踪点，在供应商之间工作完全相同。NVIDIA 的闭源驱动只提供一个跟踪点（`nvidia:nvidia_dev_xid` 用于硬件错误），需要监控内部内核函数如 `nvidia_open`、`nvidia_unlocked_ioctl` 和 `nvidia_isr`。这使得 NVIDIA 监控更脆弱 - 函数名称可能在驱动版本之间改变 - 但仍然提供有价值的 GPU 活动洞察。 ### NVIDIA 驱动监控：nvidia_driver.bt `nvidia_driver.bt` 脚本通过对专有驱动的内核探针跟踪 NVIDIA GPU 操作。与供应商中立的 DRM 调度器监控不同，此脚本是 NVIDIA 特定的，需要加载专有 nvidia.ko 模块。完整源代码可在 `scripts/nvidia_driver.bt` 中找到。 **关键脚本特性：** 脚本附加 18 个内核探针以监控： - **设备操作**：open、close、ioctl（采样 1% 以降低开销） - **内存管理**：mmap、页故障、VMA 操作 - **中断处理**：ISR、MSI-X、下半部处理程序及延迟直方图 - **P2P 通信**：GPU 到 GPU 的页面请求和 DMA 映射 - **电源管理**：挂起/恢复周期及持续时间跟踪 - **错误报告**：通过 `nvidia:nvidia_dev_xid` 跟踪点报告 Xid 硬件/驱动错误 **运行 NVIDIA 驱动监视器** 验证 NVIDIA 驱动已加载并检查可用探针： ```bash # 检查 NVIDIA 驱动模块 lsmod | grep nvidia # 列出可用的 NVIDIA 探针 sudo bpftrace -l 'kprobe:nvidia_*' | head -20 sudo bpftrace -l 'tracepoint:nvidia:*' ``` 在 GPU 工作负载期间运行监视器： ```bash cd bpf-developer-tutorial/src/xpu/gpu-kernel-driver sudo bpftrace scripts/nvidia_driver.bt ``` **真实执行输出**（捕获 llama-server（LLM 推理）、nvtop（GPU 监控）和 CUDA 应用清理）： ``` Attaching 18 probes... Tracing NVIDIA GPU driver activity... Hit Ctrl-C to end. TIME(ms) EVENT COMM PID GPU_ID DETAILS 2627 IOCTL nvtop 759434 - cmd=0xc020462a 38984 CLOSE python 783815 - GPU device closed 70693 CLOSE cuda00001400006 781802 - GPU device closed 72427 OPEN llama-server 800150 - GPU device opened 72427 CLOSE llama-server 800150 - GPU device closed 72427 OPEN llama-server 800150 - GPU device opened 72428 OPEN llama-server 800150 - GPU device opened 72431 MMAP llama-server 800150 - offset=0xffff968357d37140 size=... 72448 OPEN llama-server 800150 - GPU device opened ... (在初始化期间 llama-server 的 39 次 open，26 次 mmap) ======================================== NVIDIA GPU Driver Statistics ======================================== --- Device Operations --- Opens by process: @opens[llama-server]: 39 Closes by process: @closes[llama-server]: 1 @closes[python]: 8 @closes[cuda00001400006]: 38 Total ioctls: @ioctl_count: 2779 Top ioctl callers: @ioctls_per_process[llama-server]: 422 @ioctls_per_process[nvtop]: 2357 Total mmaps: @mmap_count: 26 --- Async Operations --- Poll calls: @poll_count: 24254 Currently open PIDs: @open_pids[800150]: 1 ``` **分析**：这个真实世界的跟踪揭示了几个模式。llama-server 进程在初始化期间打开了 GPU 设备 39 次 - 对于为不同模型层或批处理策略初始化多个 CUDA 上下文的 LLM 推理引擎来说很典型。来自 llama-server 的 422 次 ioctl 表示活跃的推理工作。nvtop 监控工具发出了 2,357 次 ioctl 轮询 GPU 状态。脚本捕获了来自终止 CUDA 应用（cuda00001400006）的 38 次设备关闭和来自 Python 进程的 8 次 - 显示清理模式。24,254 次轮询调用表示来自监控工具的高异步 I/O 活动。零页故障表明所有内存都已正确预分配。零 Xid 错误意味着硬件运行正常。当前打开的 PID 800150（llama-server）在跟踪结束后仍保持活动状态。 ## 运行监控脚本 导航到教程目录并根据你的 GPU 运行适当的监视器。 **对于基于 DRM 的 GPU（Intel、AMD、Nouveau）** - 通用监控： ```bash cd bpf-developer-tutorial/src/xpu/gpu-kernel-driver sudo bpftrace scripts/drm_scheduler.bt ``` **对于 NVIDIA 专有驱动**： ```bash cd bpf-developer-tutorial/src/xpu/gpu-kernel-driver sudo bpftrace scripts/nvidia_driver.bt ``` 预期输出： ``` Tracing DRM GPU scheduler... Hit Ctrl-C to end. TIME(ms) EVENT JOB_ID RING QUEUED DETAILS 296119090 RUN 12345 gfx 5 hw=2 296120190 COMPLETE 0xffff888... === DRM Scheduler Statistics === Jobs per ring: @jobs_per_ring[gfx]: 1523 @jobs_per_ring[compute]: 89 Waits per ring: @waits_per_ring[gfx]: 12 ``` 图形作业占主导地位（1523 对 89 个计算作业）。很少的依赖等待（12）表示良好的管道并行性。对于 Intel GPU，使用 `intel_i915.bt`。对于 AMD GPU，使用 `amd_amdgpu.bt`。对于显示时序，使用 `drm_vblank.bt`。在 GPU 工作负载（游戏、ML 训练、视频编码）期间运行这些脚本以捕获活动模式。 在运行脚本之前验证跟踪点存在于你的系统上： ```bash # 所有 GPU 跟踪点 sudo cat /sys/kernel/debug/tracing/available_events | grep -E '(gpu_scheduler|i915|amdgpu|^drm:)' ``` ## 局限性：内核追踪 vs GPU 侧可观测性 本教程主要关注内核侧的 GPU 驱动追踪，这为我们提供了作业调度、内存管理和驱动-固件通信的可见性。然而，内核跟踪点存在根本性的局限。当 `drm_run_job` 触发时，我们知道作业开始在 GPU 硬件上执行，但无法观察到 GPU 内部实际发生了什么。成千上万个并行线程的执行、它们的内存访问模式、分支分化、warp 占用率和指令级行为都是不可见的。这些细节对于理解性能瓶颈至关重要 - 内存合并是否失败、线程分化是否降低了效率，或者共享内存 bank 冲突是否导致执行停顿。 要实现细粒度的 GPU 可观测性，eBPF 程序必须直接在 GPU 上运行。这正是 eGPU 论文和 [bpftime GPU 示例](https://github.com/eunomia-bpf/bpftime/tree/master/example/gpu)所探索的方向。bpftime 将 eBPF 字节码转换为 GPU 可以执行的 PTX 指令，然后在运行时动态修补 CUDA 二进制文件，将这些 eBPF 程序注入到内核入口/出口点。这使得开发者可以观察 GPU 特有的信息，如块索引、线程索引、全局计时器和 warp 级指标。开发者可以在 GPU 内核的关键路径上进行插桩，测量执行行为并诊断内核侧追踪无法触及的复杂性能问题。这种 GPU 内部的可观测性与内核跟踪点互补 - 它们一起提供了从 API 调用通过内核驱动到 GPU 执行的端到端可见性。 ## 总结 GPU 内核跟踪点提供零开销的驱动内部可见性。DRM 调度器的稳定 uAPI 跟踪点跨所有供应商工作，适合生产监控。供应商特定跟踪点暴露详细的内存管理和命令提交管道。bpftrace 脚本演示了跟踪作业调度、测量延迟和识别依赖停顿 - 所有这些对于诊断游戏、ML 训练和云 GPU 工作负载中的性能问题都至关重要。对于超越内核追踪的 GPU 内部可观测性，请探索 bpftime 的 GPU eBPF 能力。 > 如果你想深入了解 eBPF，请查看我们的教程仓库 或访问我们的网站 。 ## 参考资料 - **Linux 内核源码**: `/drivers/gpu/drm/` - **DRM 调度器**: `/drivers/gpu/drm/scheduler/gpu_scheduler_trace.h` - **Intel i915**: `/drivers/gpu/drm/i915/i915_trace.h` - **AMD AMDGPU**: `/drivers/gpu/drm/amd/amdgpu/amdgpu_trace.h` - **通用 DRM**: `/drivers/gpu/drm/drm_trace.h` - **内核跟踪点文档**: `Documentation/trace/tracepoints.rst` - **教程仓库**: 完整的源代码包括所有 bpftrace 脚本和测试用例可在教程仓库中获得。欢迎贡献和问题报告！