プロファイリングツール実践ガイド

このページは、2026-06-05の勉強会でチームが整理した「用途別プロファイラ・トレースツールの全体像」をまとめたものです。個々のツールの公式情報は参考文献を参照してください。

これは何か

性能解析ツールは、何をどの粒度で測りたいかによって使い分けます。ここでは、抽象度（マクロ／ミドル／ミクロ）と対象レイヤ（CPU／MPI／OpenMP／GPU／メモリ）で整理します。

大局から局所へ：3つの抽象度

抽象度	計測オーバーヘッド	手法	用途	ツール例
高（マクロ）	低	サンプリング、全体傾向の俯瞰	CPU/GPU/通信の「どこ」が遅いか切り分け	Linaro MAP、Nsight Systems、`mpiP`、IPM
中（ミドル）	中	関数単位のコールグラフ、MPI待機時間、メモリ推移	関数特定、並列インバランスの発見	Score-P、TAU、HPCToolkit、Massif
低（ミクロ）	高	インストルメンテーション、詳細トレース、HWイベント	行レベルの原因解明（cache miss、依存関係）	Scalasca（trace）、Nsight Compute、Valgrind、`ftrace`

レイヤ別の代表ツール

CPU（計算密度・メモリアクセス）

アプローチ	ツール	特徴
サンプリング（低負荷・推奨）	`perf`	Linux標準。HWカウンタ(PMU)を読む。`perf c2c`でfalse sharing(偽共有)も検出
サンプリング	Intel VTune Profiler	EBSでcache missをソース行へ直接マッピング
サンプリング	Linux `ftrace`	カーネルレベルの挙動（スケジューリング遅延・割り込み）を追跡
インストルメンテーション（高負荷）	Callgrind（Valgrind）	正確な命令数とコールグラフを生成。Cachegrindでcacheも模擬

gprofは関数プローブのオーバーヘッドが大きく、現代のHPCでは非推奨とされています。

MPI（通信・同期のオーバーヘッド）

アプリが「計算」しているのか「待機」しているのかを切り分けます。

ツール	特徴
`mpiP`	極めて軽量。関数ごとの時間・通信量をテキストサマリで出力。最初の一手
IPM	メッセージサイズごとの通信量・通信トポロジを低負荷で把握
Score-P	HPC標準の計測インフラ。CUBE4形式で出力し後続解析へ繋ぐハブ
Scalasca	待機状態(wait states)を定量化し、通信ボトルネックを特定
TAU	MPI + OpenMP + GPUのハイブリッド環境を統合プロファイル
HPCToolkit	MPIとCPU HWカウンタを紐づけた統計プロファイル

MPIトレース・タイムライン可視化

「なぜ・いつ・誰のせいで待機したか」を時系列で追います。

ツール	特徴
Vampir	Score-PのOTF2トレースを読み、大規模ノードのタイムラインを可視化
Cube	メトリクス・コールツリー・システムの3軸で階層的にボトルネック特定
Intel Trace Analyzer (ITAC)	「理想化（無限に速いネットワーク）」機能で通信オーバーヘッドを分離
Paraver / Jumpshot	Extraeベース／レガシーMPICH向けのトレース可視化

GPU（ホスト連携→カーネル深掘り）

最大の罠は「いきなりGPUカーネル内部を見ること」。まずCPU-GPU間のデータ転送(PCIe)を疑います。

視点	ツール	特徴
マクロ（システム全体）	Nsight Systems	CPUスレッド、GPUへのデータ転送、kernel dispatchの非効率を特定
ミクロ（カーネル内部）	Nsight Compute	レジスタ使用量、メモリ帯域、命令レベルのstall原因を解析
AMD ROCm環境	`rocprof` (v3)	Roofline分析でHW理論限界に対する位置を可視化

OpenMP（並列インバランスと同期）

「CPU使用率が100%か」ではなく「有意義な計算をしているか」を問います。

ツール	特徴
Intel VTune (OpenMP Wait Analysis)	アクティブ時間と待機/アイドル時間を厳密に分離
Linaro MAP	適応型サンプリングで極小ファイルサイズ。ソース改変なしで行レベルの待機を特定
TAU (OMPT)	ハイブリッド実行時のタイムラインを可視化

メモリ（安全性検証とヒープ最適化）

目的	ツール	特徴
エラー検出（安全性）	AddressSanitizer (ASan)	コンパイラベース。低負荷でCI/CDに組み込める
エラー検出（深掘り）	Valgrind Memcheck	再コンパイル不要だが負荷は数十倍
使用量・ヒープ最適化	Heaptrack	低負荷でヒープ確保/解放をトレース。リークや無駄を特定
使用量・ヒープ最適化	Massif (Valgrind)	メモリ使用量の推移をスナップショットで記録

富岳・HPCコンテストでよく使う組み合わせ

チームの調査では、富岳環境で次のツールが定番として挙がりました（実機・利用可否は要確認）。

必須: mpiP / Score-P / Cube / perf / nsys（GPU使用時）
発展: Scalasca / Vampir / HPCToolkit / VTune

OpenFOAMのMPI最適化なら、次の流れが強力とされています。

mpiP  →  Score-P  →  Cube  →  Scalasca

まず何から使うか（チームの結論）

最初の一手は perf + mpiP。低負荷で「当たり」をつけられる。
必要に応じてScore-P/Cube/Scalascaへ深掘りする。

perf の実践的な使い方（チーム調査メモ）

2026-06-19の勉強会で田中が共有した内容。perfは日本語情報が少なく、man、Archwiki、ライブコーディング動画（impl Rust: One Billion Row Challenge）が学習に役立った。

よく使うコマンド

コマンド	用途
`perf stat -r <n> -d -d -d <cmd>`	詳細イベントを取得し、n回実行の平均±標準偏差まで出す。まず全体像を掴むのに良い
`perf record` → `perf report`	プロファイルを`perf.data`に記録し、call graph・アセンブリレベルで分析。最も使いやすい
`perf stat -a -A -I <msecs> -e <event> <cmd>`	インターバルごとに全CPUの情報を出力。用途は限定的

注意点

perf recordはイベント数が多すぎると問題になる（長時間実行・並列実行）。perf report等で解析できなくなり、ストレージも圧迫する。
対策として、実行中のプロセスへ短時間だけアタッチする: perf record -F 999 -g --call-graph fp -p <PID> -- sleep 30。
可視化の補助ツールとしてflamegraphが便利。
今後の課題: MPI環境でのperf等の使い方を実際に動かして確認する。

ビルドオプション（分析しやすさ vs 速度）

分析しやすさと高速化はトレードオフ。用途別（Debug / Profile / Release / Optimize など）に切り替えられるよう環境を整備する。

性能に影響しない: -g（デバッグ情報。無いとソース対応・シンボルが分からず、アセンブリ/ポインタ表示になる）
性能に影響する（最適化を抑制して分析しやすくする）:
- -fno-omit-frame-pointer … call graphが見やすくなる
- -fno-inline … 関数ごとの性能が見やすくなる
- -foptimize-sibling-calls（を無効化）… 末尾呼び出しのジャンプ化を抑え、関数ごとの性能が見やすくなる

注意点

富岳前提のツール構成です。2026年大会の実機は未確定なので、利用可能なツールは要確認です（調査ステータス）。
ツールはオーバーヘッドが大きいものほど後段で使います。

APAC-HPC-AI