callgrind 默认统计指令执行次数（ir），即cpu读取并执行的每条汇编指令次数，是定位热点函数/循环的核心指标；ir非源码行数，需-g编译+callgrind_annotate或kcachegrind分析。
Callgrind 默认统计的就是指令执行次数（Ir）
Valgrind 本身不直接输出“指令数”，但 callgrind 工具的核心指标就是 Ir（Instruction reads），即 CPU 执行的每条指令被读取的次数 —— 这等价于“该指令被执行了多少次”。它不是时钟周期或 wall-time，而是最底层的执行频度统计，对定位热点函数/循环非常有效。
关键点：Ir 不是“代码行数”或“源码语句数”，而是汇编指令粒度。一个 for 循环体可能展开成多条指令，每条都单独计数。
-
valgrind --tool=callgrind ./a.out运行后，默认生成callgrind.out.<pid></pid>，里面就含 Ir 数据 - 不用额外开关，Ir 就是 callgrind 的默认主指标；其他如缓存未命中（D1mr、LLmr）需显式启用模拟（如
--cache-sim=yes） - 如果程序很快退出，Ir 总数可能极小（比如只有几万），说明没跑进真正逻辑，要检查参数或输入是否触发了目标路径
用 callgrind_annotate 看 Ir 分布
callgrind_annotate 是解析 callgrind.out.* 文件并按 Ir 排序输出的命令行工具。它不画图，但文本清晰、可管道处理，适合快速定位。
- 看全局函数级 Ir：
callgrind_annotate callgrind.out.12345→ 输出按 Ir 降序排列的函数列表，首列数字就是该函数贡献的总 Ir - 绑定源码行（需带
-g编译）：callgrind_annotate --auto=yes callgrind.out.12345→ 自动匹配源文件，把 Ir 拆到每一行 C/C++ 代码上 - 包含调用链代价：
callgrind_annotate --inclusive=yes callgrind.out.12345→ 函数 A 的 Ir 包含它调用的所有子函数的 Ir，适合看“模块总开销” - 避免误读：Ir 高 ≠ 耗时长（尤其在分支预测好、流水线深的 CPU 上），但 Ir 高 + 缓存未命中高（
D1mr）往往真慢
多线程下 Ir 统计容易漏掉主线程或线程间干扰
默认情况下，callgrind 把所有线程的 Ir 合并在一个文件里，但线程切换、锁竞争、TLS 访问会导致 Ir 分布失真 —— 比如 mutex 等待期间的空转循环也被计入 Ir，但它实际没做有用工作。
- 开启线程分离：
valgrind --tool=callgrind --separate-threads=yes ./a.out→ 每个线程写独立的 Ir 计数，便于比对各线程负载是否均衡 - 注意 PID 变化：多线程程序 fork 或 pthread_create 后，新线程的 Ir 会记在新 PID 名下的
callgrind.out.*中，别只盯最初那个文件 - dump 中途快照：
callgrind_control -d可在运行中强制刷出当前累计 Ir，适合分析长周期服务中某阶段的指令热点 - Ir 在线程切换点附近可能跳变（因上下文保存/恢复指令被重复计），这不是 bug，是模拟器必须付出的代价
KCachegrind 更直观但依赖 Qt 和符号表
kcachegrind 是图形化前端，能把 callgrind.out.* 渲染成调用图、火焰图、源码着色视图，对 Ir 的理解帮助极大，但有几个硬性前提：
- 必须安装 Qt5+（Ubuntu/Debian 下
sudo apt install kcachegrind） - 二进制必须含调试符号（
g++ -g编译），否则函数名显示为???，源码行无法关联 - 打开后默认按 Ir 排序，点击 “Self” 列可看函数自身 Ir（不含子调用），点 “Inclusive” 看总 Ir
- 右键函数 → “Jump to source” 可跳转到对应行，旁边数字就是该行贡献的 Ir —— 这是最接近“哪一行最忙”的答案
Ir 统计本身不区分用户态/内核态指令，系统调用（如 read、write）内部的 Ir 也会被计入，但你通常看不到它们的符号 —— 这部分 Ir 属于黑盒，只能从调用方推断开销。
