定位程序瓶颈，从工具开始
写C++代码时，功能实现只是第一步。当程序跑得慢、资源占用高，就得动手查问题。我之前做过一个数据处理模块，本地测试还行，一上生产环境就卡顿，CPU直接拉满。后来用性能分析工具一查，发现是某个频繁调用的函数里用了低效的字符串拼接，改完之后性能提升了八成。
这类问题靠肉眼排查效率太低，得依赖靠谱的性能分析手段。下面几种方法在实际开发中用得最多，也最有效。
gprof：快速上手的函数级剖析
gprof是GNU自带的分析工具，编译时加上 -pg 参数就能生成调用信息。适合快速查看哪些函数耗时最多。
g++ -pg -o myapp main.cpp && ./myapp
./myapp # 运行后生成 gmon.out
gprof myapp gmon.out > profile.txt输出结果会列出每个函数的自耗时和被调次数，能一眼看出热点函数。不过它只支持函数级别统计，且对多线程支持不好，适合单线程小项目初步筛查。
perf：Linux下的性能利器
perf是Linux内核自带的性能分析工具，不需要重新编译程序，直接对运行中的进程采样。
比如想看当前程序的热点：
perf record -g ./myapp
perf report它能展示函数调用栈、CPU周期消耗，甚至能结合硬件事件（如缓存命中率）来分析。我在排查一个高频交易系统的延迟问题时，就是靠perf发现大量cache miss，最终优化了数据结构布局。
Valgrind + Callgrind：深度剖析不嫌烦
Valgrind本身是个内存检测工具，但配合Callgrind组件，可以做非常精细的性能分析。虽然运行时会有明显性能损耗（通常是10倍以上），但数据非常准确。
valgrind --tool=callgrind ./myapp
callgrind_annotate callgrind.out.xxxx还可以用KCacheGrind图形化查看调用关系图，特别适合分析复杂模块间的调用开销。之前重构一个老系统时，靠它发现了大量重复计算，顺手做了缓存优化。
Google Performance Tools (gperftools)：轻量级在线监控
如果不想中断服务，又想随时看看性能状况，gperftools是个好选择。它提供CPU profiler和堆分配分析器，集成进程序也很简单。
#include <gperftools/profiler.h>
int main() {
ProfilerStart("myapp.prof");
// 主逻辑
heavy_function();
ProfilerStop();
return 0;
}编译时链接 -ltcmalloc_and_profiler，运行后生成.prof文件，用pprof查看：
pprof --text ./myapp myapp.prof支持按文本、图形、调用树等多种方式展示，还能直接分析线上服务的实时性能。
IDE内置工具：开发时随手测
像Visual Studio、CLion这些IDE都集成了性能分析功能。VS的CPU Usage工具点一下就能启动，边写代码边看函数耗时；CLion结合perf也能在Linux下直接采样。
虽然不如专业工具深入，但在调试阶段随手点几下，能及时发现明显的性能拐点。我习惯在提交前跑一遍，避免把低效代码带进主干。
手动打点：最原始也最可控
有时候工具用不上，比如嵌入式环境或受限系统。这时候可以用高精度时钟手动计时。
#include <chrono>
auto start = std::chrono::high_resolution_clock::now();
do_work();
auto end = std::chrono::high_resolution_clock::now();
auto duration = std::chrono::duration_cast<std::chrono::microseconds>(end - start);
printf("do_work took %ld μs\n", duration.count());虽然麻烦点，但胜在灵活。加几个宏定义就能快速在不同模块间切换监控，适合临时定位问题。