在演示perfetto之前，需要介绍一下perfetto的数据处理过程，这样就能够清晰的了解如何抓取trace。

整体介绍

Perfetto 通过生产者消费者模型来抓取数据，其设计的架构可以分为三个层次（消费者/Tracing 服务/生产者）：

消费者：trace_processor_shell或perfetto ui
tracing服务： traced
生产者：自定义的data source

Producer（数据生产者）

概念

Producer 是追踪数据的来源，每个 Producer 可以注册一个或多个 Data Source（数据源）。Producer 通过 UNIX socket 连接到 traced 服务，并在追踪会话期间将数据直接写入共享内存缓冲区。

内置traced_probes

traced_probes 是 Perfetto 最重要的内置 Producer，负责采集系统级数据：

数据源名称	功能	采集方式
`linux.ftrace`	内核 ftrace 事件	读取 tracefs
`linux.sys_stats`	系统统计信息	读取 /proc/stat 等
`linux.process_stats`	进程统计信息	读取 /proc/[pid]/stat
`linux.system_info`	系统信息	读取 /proc/cpuinfo 等

例如

外部data source

通过配置data source可以自定义一个数据源，例如

共享内存机制

Producer 与 traced 之间的数据传输使用了共享内存缓冲区（Shared Memory Buffer, SMB）：

工作流程：

Producer 连接到 traced 后，traced 分配一块共享内存
Producer 的每个线程在共享内存中申请一个 Chunk（数据块）
Producer 使用 ProtoZero 库直接在 Chunk 上序列化 protobuf 数据
当 Chunk 写满后，Producer 通过 IPC 通知 traced 进行提交
traced 将数据从共享内存拷贝到追踪缓冲区

这种设计的优势：

零拷贝序列化：数据直接写入共享内存，避免额外的内存拷贝
线程安全：每个线程独立操作自己的 Chunk
低延迟：无需内核态切换（相比 ftrace 的 trace_marker 方式）

Consumer（数据消费者）

概念

Consumer 是追踪会话的发起者和控制者，负责：

定义 TraceConfig（追踪配置）
启动和停止追踪会话
读取最终的 trace 数据

常见 Consumer

例如有如下消费者

perfetto二进制

bash
perfetto -c config.pbtx --txt -o trace.perfetto-trace

perfetto ui 在线调试
record_android_trace 工具
Android Framework TraceManager 系统服务

Tracing Service（traced）

核心职责

traced 是整个追踪系统的中枢，主要职责包括：

1. 会话管理（Session Manager）

管理追踪会话的完整生命周期：

2. 缓冲区管理（Buffer Manager）

traced 管理两种缓冲区：

共享内存缓冲区（SMB）：Producer 与 traced 之间的数据通道
追踪缓冲区（Trace Buffer）：存储最终 trace 数据的内存区域

追踪缓冲区支持两种填充策略：

protobuf
buffers {
  size_kb: 65536
  fill_policy: RING_BUFFER    # 环形缓冲，覆盖旧数据
  # fill_policy: DISCARD      # 满了就丢弃新数据
}

3. 配置分发（Config Dispatcher）

traced 收到 TraceConfig 后，将其中的 DataSourceConfig 分发给对应的 Producer：

protobuf
data_sources {
  config {
    name: "linux.ftrace"          # 路由到 traced_probes
    target_buffer: 0
    ftrace_config {
      ftrace_events: "sched/sched_switch"
    }
  }
}

data_sources {
  config {
    name: "track_event"           # 路由到 SDK Producer
    target_buffer: 1
  }
}

注意：traced 不解码 DataSourceConfig 的内容，只是将原始二进制 blob 转发给匹配的 Producer。这意味着可以引入新的数据源而不需要修改 traced。

数据流详解

完整数据流路径

多缓冲区路由

不同数据源可以路由到不同的缓冲区，避免高频数据源挤占低频数据源的空间：

protobuf
# 缓冲区 0：高频数据（ftrace），需要较大空间
buffers { size_kb: 131072 fill_policy: RING_BUFFER }

# 缓冲区 1：低频数据（进程统计），较小空间即可
buffers { size_kb: 8192 fill_policy: RING_BUFFER }

data_sources {
  config {
    name: "linux.ftrace"
    target_buffer: 0          # 路由到缓冲区 0
    ftrace_config { ... }
  }
}

data_sources {
  config {
    name: "linux.process_stats"
    target_buffer: 1          # 路由到缓冲区 1
    process_stats_config { ... }
  }
}

长时间追踪（Long Traces）

对于需要长时间追踪的场景，Perfetto 支持 write_into_file 模式：

protobuf
write_into_file: true
file_write_period_ms: 5000    # 每 5 秒刷新一次

buffers {
  size_kb: 16384              # 只需容纳两次刷新间隔的数据
  fill_policy: RING_BUFFER
}

在这种模式下：

traced 定期将缓冲区数据排空到输出文件
缓冲区只需足够容纳两次写入间隔的数据
可以记录数小时甚至数天的 trace

进程内模式 vs 系统模式

Perfetto SDK 支持两种运行模式：

系统模式（System Mode）

Producer 通过 UNIX socket 连接到系统 traced
可以与系统级数据（ftrace、procfs）一起采集
适合 Android/Linux 系统级追踪

进程内模式（In-Process Mode）

追踪服务在应用内的专用线程上运行
不依赖系统 traced
适合跨平台或独立应用的追踪
相同的 API，只是初始化配置不同

perfetto设计机制

服务化解耦：Producer 和 Consumer 通过 traced 解耦，可独立演进
零拷贝设计：共享内存 + ProtoZero 实现极低开销
可扩展性：新数据源通过 Producer 注册机制无缝接入
灵活配置：protobuf 化的配置支持动态能力发现和数据源配置
多缓冲区：避免不同频率数据源的相互干扰
双模式支持：系统模式和进程内模式覆盖不同场景

总结

Perfetto 的 Producer-Consumer 架构是其高性能和灵活性的基石。通过共享内存和 ProtoZero 序列化实现极低开销，通过服务化架构实现组件解耦和可扩展性。理解这套架构，是深入使用和定制 Perfetto 的前提。

在下一篇文章中，我们将实战演示如何在 Android 设备上抓取 Perfetto trace，涵盖命令行、UI 以及编程方式的完整操作流程。

目录