CAT框架梳理

[Irissssaa]

CAT框架实现异步函数跟踪的依赖模块及协作流程

1. 插桩阶段

模块	功能描述	技术实现细节
动态二进制插桩工具	在目标程序的特定函数入口/出口插入探针，记录异步任务生命周期事件。	使用uftrace工具，依赖Linux的perf_event接口，支持动态插桩（运行时NOP指令替换）。
上下文分类模型	定义异步任务的执行上下文类型（任务、编译器生成、用户实现、匿名）。	基于Rust标准库和运行时API分析（如task::spawn、async/await生成的Future对象）。

profile.sh

if [ "$3" = "async_std" ]; then
    uftrace record -P "_<async_std..task..builder..SupportTaskLocals<F> as core..future..future..Future>::poll::_{{closure}}" ... $1
elif [ "$3" = "tokio" ]; then
    uftrace record -P "tokio..runtime..blocking..task..BlockingTask<T> as core..future..future..Future" ... $1
fi

• 功能：
  • 根据运行时（async_std或tokio）选择插桩模式。
  • 通过正则表达式匹配任务创建点（如task::spawn）、Future的poll方法入口/出口。
  • 生成插桩后的二进制文件，记录跟踪数据到.dat文件。

---

2. 数据收集阶段

模块	功能描述	技术实现细节
数据收集模块	捕获时间戳、线程ID、函数名、上下文类型、栈深度等原始数据。	探针生成日志条目，缓冲至RAM磁盘避免I/O阻塞，支持跨线程异步写入。

profile.sh

uftrace dump > dumped_data.txt
mv ./dumped_data.txt ./profile/

• 功能：
  • 将二进制跟踪数据（.dat文件）转换为文本格式dumped_data.txt。
  • 包含函数调用事件（entry/exit）、时间戳、线程ID、栈深度等原始信息。

---

3. 数据处理阶段

模块	功能描述	技术实现细节
栈回溯与数据处理	解析嵌套异步任务的执行顺序和层级关系，计算任务执行时间。	通过栈推入/弹出操作关联入口和退出事件，生成任务时间区间（entry_ts - exit_ts）。

parser.py

# 状态机解析逻辑
for line in fp:
    if re.search("reading (.*).dat", line):
        thread_list.append(threads[0])  
    # 状态机逻辑解析每行数据...

# 数据转换与JSON生成
def output_in_json(...):
    trace_events = []
    # 构建时间戳、线程ID、符号修饰等字段
    data = {"traceEvents": trace_events, "displayTimeUnit": "ms"} 
    jsonfile.write(json.dumps(data))

• 功能：
  • 状态机解析：通过正则表达式和状态变量（find_task_state）识别异步任务的创建、嵌套Future的poll调用。
  • 数据转换：
    • 时间戳转换为微秒级。
    • 清理函数名（如替换..为::）。
    • 通过栈深度和线程ID重建任务层级。
  • 可选功能：通过--get-location参数调用objdump获取源码位置。

---

4. 可视化阶段

模块	功能描述	技术实现细节
可视化工具链	将结构化数据转换为时间线图，展示任务调度、阻塞事件和性能瓶颈。	使用Trace-viewer解析JSON格式日志，生成交互式时间线图。

parser.py生成的JSON文件

data = {"traceEvents": trace_events, "displayTimeUnit": "ms"} 
jsonfile.write(json.dumps(data))

• 功能：
  • 生成符合Trace-viewer格式的JSON文件。
  • 时间线图展示：
    • 水平条：任务持续时间。
    • 嵌套层级：任务与Future的父子关系（如Task A → Future B）。
    • 颜色标记：阻塞事件（红色）、I/O操作（蓝色）。

5. 不足

• 无法区分任务实例：无法准确识别不同任务实例，易导致分析结果不准确。
• 发布模式兼容性差：在发布模式下跟踪进度不准确，影响用户对实际运行情况的判断。
• 性能开销仍需优化：尽管采用了动态检测方法来减轻跟踪开销，但在某些场景下，如对性能要求极高的实时系统或大规模并发任务场景，现有的开销可能仍然会影响程序的正常运行。
• 无法处理组合子：对join!和select!等组合子处理不当，影响性能分析。
• 解析记录速度慢：解析和记录跟踪数据的速度慢，影响分析效率。
• 任务颜色标注混乱：不同任务颜色标注混乱，影响分析体验。
• 位置信息错误：因符号解析问题，部分位置信息错误，难以准确定位代码问题。
• 与第三方库集成：探索将 CAT 与现有 Rust ⼯具集成的潜在⽅法，以提供⽆缝的 Rust 程序分析体验。

如果用于追踪ArceOS的异步：

• 没有对应的动态插桩工具，需要考虑静态插桩，包括异步函数创建，调度，执行，中断处理等过程。
• 同样可以根据不同异步操作分成不同异步上下文。
• 收集到数据后，状态机解析逻辑和可视化逻辑应该可以参考。