A general kernel trace analysis framework
Tracecat是一个模块化设计的通用Trace解析框架。
支持从Systrace、Perfetto、Ftrace、Simpleperf、Dumpsys、Sysfs、Procfs、iPhone instruments、SnapdragonProfiler等数据源并行采集、解析数据，并生成Excel及各类分析图表。
你可以基于它轻松扩展Trace解析功能，也可以直接将他作为工具使用。
tracecat由trace, parse, chart三个命令和各类数据module（模块）组成：
每个module就是一种类型的数据。所有原始数据和生成的数据，都会保存在./runs/
tracecat下载后，解压即可直接运行，无需任何额外配置。
手机连接，确定adb连接ok，命令行进入tracecat目录后，可以通过下面一组常用命令5分钟快速上手。
tracecat
会直接显示tracecat的介绍和帮助，支持的模块
tracecat -h cpu_load2
查看cpu_load2模块的详细帮助和参数
tracecat "trace:cpu_load2" test -d 10s
从手机抓取cpu占用率(从proc下采集数据)，抓取10s，数据存入./runs/test文件夹下（然后你可以去文件夹拿到原始trace文件）
tracecat "parse:cpu_load2" test
从抓取的数据中解析出cpu占用率，解析后会在./runs/modules文件夹下生成cpu_load2.pkl和cpu_load2.xls两个文件
你可以用excel直接打开.xls文件来制作数据，也可以用python加载.pkl文件，做二次处理（见：更多功能 / 使用pkl文件数据）
tracecat "chart:cpu_load2" test
如果你需要将数据以图表形式呈现，执行这条命令，会自动生成图表，可以放大缩小拖拽。
tracecat "chart:cpu_load2(0-3,4-6,7)" test
你也可以在模块中添加参数，比如显示cpu 0-3, 4-6和7的平均占用率
tracecat "chart:cpu_load2" test --export 1024,768
将图表导出成png文件，文件保存在./runs/modules/cpu_load2.png
上面的例子中只演示了cpu_load2这个模块，tracecat的每种数据都实现为一个独立模块，用tracecat -h可以看到所有模块
每个模块，在parse和chart命令中，都支持传入参数，可以用tracecat -h <module>来查看对应module的参数
tracecat -h cpu_load
tracecat支持多数据并行抓取，你可以在命令中添加所有你想抓取的模块
tracecat "trace:cpu_load,cpu_load_stat,cpu_freq,cpu_freq_stat,ddr_freq,ddr_freq_stat" test -d 10s
抓取后全部解析，其中cpu占用率以10ms的粒度统计
tracecat "parse:cpu_load(10ms),cpu_load_stat,cpu_freq,cpu_freq_stat,ddr_freq,ddr_freq_stat" test
可以多个图表叠加显示
tracecat "chart:cpu_load(0-3,4-6,7),cpu_freq(0,4,7)" test
利用&同时启动多个图表
tracecat "chart:cpu_load" test &
tracecat "chart:cpu_freq" test &
利用trace功能抓perfetto
tracecat "cpu_load" test -d 10s
抓取结束后，可以直接将./runs/test/perfetto/perfetto.trace拖入https://ui.perfetto.dev/#!/打开
为了抓取更多额外trace，可以手动配置perfetto tracing config：
vim ./configs/perfetto/perfetto.conf
这些设置会自动与tracecat默认抓取设置合并。
tracecat在大量抓取场景数据后，支持批量解析和批量生成图片
run_all "parse:cpu_load,cpu_freq"
run_all "chart:cpu_laod,cpu_freq"
这个命令会将runs/所有文件夹解析并生成图片文件
有些机器在adb shell后需要手动执行su，对于这些机器，抓取时需要添加–execute-su参数
tracecat "trace:cpu_load" test -d 10s --execute-su
使用在线采样或离线采样，目前默认为离线方式，资源占用更少，但是作为备选方案，仍然支持在线采样
tracecat "trace:cpu_load2" test -d 10s --sampling-mode online
对于以采样方式获取的数据，可以指定采样频率
tracecat "trace:cpu_load2,cpu_freq2" test -d 10s -s 10ms # 所有采样模块均以10ms粒度采样
tracecat "trace:cpu_load2(50ms),cpu_freq2(10ms)" test -d 10s # cpu_load2以50ms采样，cpu_freq2以10ms采样
下面样例中省略了文件夹名字、抓取时间等参数
cpu_load
从perfetto的trace中解析CPU占用率
tracecat "trace:cpu_load" # 抓取perfetto trace
tracecat "parse:cpu_load" # 以1s粒度解析占用率
tracecat "parse:cpu_load(100ms)" # 以100ms粒度解析占用率
tracecat "chart:cpu_load" # 显示各cpu占用率
tracecat "chart:cpu_load(0)" # 只显示cpu 0的占用率
tracecat "chart:cpu_load(0-4,5-6,7)" # 显示平均占用率
* 不建议长时间抓取，因为生成的trace文件可能过大，长时间抓取请使用cpu_load2
cpu_load2
从procfs采样CPU占用率
tracecat "trace:cpu_load2" # 以500ms粒度采样（默认）
tracecat "trace:cpu_load2(100ms)" # 以100ms粒度采样（模块设置）
tracecat "trace:cpu_load2" -s 100ms # 以100ms粒度采样（全局设置）
tracecat "parse:cpu_load2" # 解析
tracecat "chart:cpu_load2" # 显示各cpu占用率
tracecat "chart:cpu_load2(0)" # 只显示cpu 0的占用率
tracecat "chart:cpu_load2(0-4,5-6,7)" # 显示平均占用率
cpu_load_summary
统计该场景cpu占用率的最大、最小、平均值
tracecat "trace:cpu_load" # 先要抓取cpu_load或者cpu_load2
tracecat "parse:cpu_load,cpu_load_summary" # 从cpu_load或cpu_load2的解析结果中计算统计结果
tracecat "chart:cpu_load_summary" # 显示柱状图
app_load
某个进程的CPU占用率
tracecat "trace:app_load" # 抓取perfetto trace
tracecat "parse:app_load" # 解析app_load
tracecat "parse:app_load(100ms)" # 以100ms粒度解析app_load
tracecat "chart:app_load" # 显示所有process
tracecat "chart:app_load(1532)" # 显示所有pid为1532的进程各核占用率
tracecat "chart:app_load(pubg)" # 显示名字包含pubg的进程各核占用率
* 不建议长时间抓取，因为生成的trace文件可能过大
cpu_idle
从perfetto的trace中解析CPU idle state (C-STATE)
tracecat "trace:cpu_idle" # 抓取perfetto trace
tracecat "parse:cpu_idle" # 解析cpu_idle
tracecat "chart:cpu_idle" # 显示所有cpu的idle state曲线
tracecat "chart:cpu_idle(0)" # 显示cpu 0的idle state曲线
cpu_freq
从perfetto的trace中解析CPU频率
tracecat "trace:cpu_freq" # 抓取perfetto trace
tracecat "parse:cpu_freq" # 解析cpu_freq
tracecat "chart:cpu_freq" # 显示所有cpu的频率曲线
tracecat "chart:cpu_freq(0)" # 只显示cpu 0的频率曲线
tracecat "chart:cpu_freq(0,4,7)" # 显示cpu0,4,7的频率曲线(cluster)
cpu_freq_stat
统计cpu各频点及C-STATE运行时间占比（基于cpu_freq, cpu_idle）
tracecat "trace:cpu_freq,cpu_idle,cpu_freq_stat" # 抓取
tracecat "parse:cpu_freq,cpu_idle,cpu_freq_stat" # 解析
tracecat "chart:cpu_freq_stat" # 生成柱状图
* 如果未抓取cpu_idle，则只解析频点的时间占比，不包含C-STATE信息
cpu_freq2
从sysfs采样CPU频率
tracecat "trace:cpu_freq2" # 以500ms粒度采样（默认）
tracecat "trace:cpu_freq2(100ms)" # 以100ms粒度采样（模块设置）
tracecat "trace:cpu_freq2" -s 100ms # 以100ms粒度采样（全局设置）
tracecat "parse:cpu_freq2" # 解析
tracecat "chart:cpu_freq2" # 显示所有cpu的频率曲线
tracecat "chart:cpu_freq2(0)" # 只显示cpu 0的频率曲线
tracecat "chart:cpu_freq2(0,4,7)" # 显示cpu0,4,7的频率曲线(cluster)
cpu_freq_stat2
统计cpu各频点运行时间占比（基于cpu_freq2）
tracecat "trace:cpu_freq2,cpu_freq_stat2" # 抓取
tracecat "parse:cpu_freq2,cpu_freq_stat2" # 解析
tracecat "chart:cpu_freq_stat2" # 生成柱状图
gpu_freq
从sysfs采样GPU频率
tracecat "trace:gpu_freq" # 以500ms粒度采样（默认）
tracecat "trace:gpu_freq(100ms)" # 以100ms粒度采样（模块设置）
tracecat "trace:gpu_freq" -s 100ms # 以100ms粒度采样（全局设置）
tracecat "parse:gpu_freq" # 解析
tracecat "chart:gpu_freq" # 显示GPU频率曲线
gpu_freq_stat
统计gpu各频点运行时间占比（基于gpu_freq）
tracecat "trace:gpu_freq,gpu_freq_stat" # 抓取
tracecat "parse:gpu_freq,gpu_freq_stat" # 解析
tracecat "chart:gpu_freq_stat" # 生成柱状图
ddr_freq
从sysfs采样GPU频率
tracecat "trace:ddr_freq" # 以500ms粒度采样（默认）
tracecat "trace:ddr_freq(100ms)" # 以100ms粒度采样（模块设置）
tracecat "trace:ddr_freq" -s 100ms # 以100ms粒度采样（全局设置）
tracecat "parse:ddr_freq" # 解析
tracecat "chart:ddr_freq" # 显示GPU频率曲线
ddr_freq_stat
统计ddr各频点运行时间占比（基于ddr_freq）
tracecat "trace:ddr_freq,ddr_freq_stat" # 抓取
tracecat "parse:ddr_freq,ddr_freq_stat" # 解析
tracecat "chart:ddr_freq_stat" # 生成柱状图
ios_cpu_load
iPhone CPU占用率
tracecat "trace:ios_cpu_load" # 抓取instruments trace
tracecat "parse:ios_cpu_load" # 以1s粒度解析占用率
tracecat "parse:ios_cpu_load(100ms)" # 以100ms粒度解析占用率
tracecat "chart:ios_cpu_load" # 显示各cpu占用率
tracecat "chart:ios_cpu_load(0)" # 只显示cpu 0的占用率
tracecat "chart:ios_cpu_load(0-4,5-6,7)" # 显示平均占用率
* 需要在MacOS运行，需要安装xcode软件
ios_app_load
iPhone某个进程的CPU占用率
tracecat "trace:ios_app_load" # 抓取instruments trace
tracecat "parse:ios_app_load" # 解析app_load
tracecat "parse:ios_app_load(100ms)" # 以100ms粒度解析app_load
tracecat "chart:ios_app_load" # 显示所有process
tracecat "chart:ios_app_load(1532)" # 显示所有pid为1532的进程各核占用率
tracecat "chart:ios_app_load(pubg)" # 显示名字包含pubg的进程各核占用率
* 需要在MacOS运行，需要安装xcode软件
ios_cpu_freq
iPhone CPU频率（Hack方式，实验功能）
* 不建议使用
thermal_zone
从sysfs采样thermal信息
tracecat "trace:thermal_zone" # 以500ms粒度采样所有thermal节点（默认）
tracecat "trace:thermal_zone(0,1,2)" -s 1s # 以1s粒度采样0,1,2三个zone（设置全局采样频率为1s）
tracecat "trace:thermal_zone(0,1,2|1s)" # 以1s粒度采样0,1,2三个zone（设置模块采样频率为1s）
tracecat "parse:thermal_zone" # 解析
tracecat "chart:thermal_zone" # 显示所有thermal曲线
tracecat "chart:thermal_zone(0,1,2)" # 显示0,1,2三个zone曲线
* 由于大部分手机thermal节点比较多，建议尽量降低采样频率（>500ms）
dsu_freq
从sysfs采样DSU频率
tracecat "trace:dsu_freq" # 以500ms粒度采样（默认）
tracecat "trace:dsu_freq(100m)" # 以100ms粒度采样（模块设置）
tracecat "trace:dsu_freq" -s 100ms # 以100ms粒度采样（全局设置）
tracecat "parse:dsu_freq" # 解析
tracecat "chart:dsu_freq" # 显示DSU频率曲线
simpleperf
从simpleperf stat统计simpleperf events，支持全局采样和APP采样两种模式
全局采样：
adb shell simpleperf list # 获取手机支持的所有event
tracecat "trace:simpleperf(cache-misses,cpu-cycles)" # 以500ms粒度全局采样（默认）
tracecat "trace:simpleperf(cache-misses,cpu-cycles|100ms)" # 以100ms粒度全局采样
* 全局采样包括各个cpu的单独统计数据
APP采样：
adb shell pm list package # 获取所有APP包名
tracecat "trace:simpleperf(com.android.dialer|cache-misses|100ms)"# 以100ms粒度只采样APP:com.android.dialer
* APP采样只包括所有cpu的总和数据，不包括单独cpu的数据
解析和显示：
tracecat "parse:simpleperf" # 解析所有抓取的event
tracecat "parse:simpleperf(cache-misses,cpu-cycles)" # 解析部分抓取的event
tracecat "chart:simpleperf" # 显示所有event的曲线
tracecat "chart:simpleperf(cache-misses,cpu-cycles)" # 显示部分event的曲线
tracecat "chart:simpleperf(cache-misses(cpu0),cpu-cycles(cpu0))" # 显示某个核的event的曲线
profiler
半自动方式抓取、解析SnapdragonProfiler提供的所有数据
tracecat -h profiler
查看所有支持解析的数据类型
tracecat "trace:profiler(cpu_branch_miss),profiler(cpu_cache_miss),profiler(cpu_clock)"
抓取cpu_branch_miss, cpu_cache_miss, cpu_clock，开始后命令行会进入等待，请手动运行profiler，并在profiler中启动这些数据的抓取，然后在命令行按y继续。
抓取结束后，命令行再次进入等待，请手动停止profiler，并将结果导出到./runs/xxx/profiler/profiler.csv，然后按y继续。
tracecat "parse:profiler(cpu_branch_miss),profiler(cpu_cache_miss),profiler(cpu_clock)"
解析出cpu_branch_miss, cpu_cache_miss, cpu_clock
tracecat "chart:profiler(cpu_branch_miss)"
显示cpu_branch_miss的图表
* 需要PC端安装高通Profiler工具
pkl文件为pandas dataframe数据，可以用pandas加载后，进行二次处理：
import pandas
df = pandas.read_pickle('.../cpu_load2.pkl')
print(df)
如果你不喜欢用dataframe处理数据，也可以将dataframe转换为正常的dict数组：
dicts = df.to_dict('records')
pandas的数据处理功能非常丰富，更多使用方法请查阅pandas的user guide。
Windows下使用tracecat运行，Linux下使用./tracecat运行
trace 功能做了防止意外覆盖的处理，如果runs下已经有对应文件夹，将提示出错，请手动删除文件夹或改名运行
Author: Cyrus Huang